tags:AI应用开发学习计划大模型created: 2026-08-1315天AI应用开发学习计划从零基础到能独立开发AI应用 · 面向小白的系统化学习路线学习目标与预期成果15天后你将具备以下能力坦诚说明达到能独立开发水平距离高级架构专家仍有距离需持续实践能力说明 理解大模型原理清楚大模型的工作机制、能力边界和适用场景能判断什么任务该用AI 熟练调用API能使用 OpenAI/Claude/国产大模型API完成对话、函数调用、多模态等任务 掌握Prompt工程能设计结构化提示词模板运用Few-shot、CoT等技巧优化模型输出 独立开发RAG应用能从零搭建知识库问答系统掌握文档处理、向量检索、生成全流程 开发AI Agent能构建具备工具调用能力的智能体实现自动化多步骤任务处理️ 具备架构思维理解AI应用的架构模式、成本优化、部署方案能做基本技术选型学习前准备建议提前1天完成大模型API账号注册至少一个API服务。推荐优先级国产模型通义千问/智谱GLM/DeepSeek注册即送额度无需翻墙 OpenAI Anthropic。准备.env文件保存密钥Python开发环境安装 Python 3.10配置虚拟环境。推荐 VS Code 或 PyCharm安装 Jupyter Notebook基础Python知识若无编程基础先花2-3小时学习基本语法变量、函数、列表、字典、类开发工具账号注册 GitHub托管代码、Hugging Face模型与数据集、向量数据库推荐 Chroma 本地版学习心态调整AI技术更新快不必追求学完所有目标是建立知识框架 动手能力阶段一基础认知Day 1-3 目标建立AI开发全景认知跑通第一个API调用Day 1AI应用开发全景认知学习目标理解大模型工作原理搞清楚AI应用开发到底在开发什么核心知识点大模型LLM本质下一个Token预测器理解Token、上下文窗口、温度参数AI应用开发 vs 传统开发传统开发写逻辑AI开发是编排模型能力技术栈全景大模型API 框架LangChain 向量数据库 前端主流大模型对比GPT-4o / Claude 3.5 / Gemini / 通义千问 / DeepSeek / GLMAI应用类型对话助手、RAG知识库、Agent自动化、代码生成、多模态实操任务注册大模型API账号获取密钥并存入.env文件用Python调用API完成第一次Hello World对话观察不同 temperature 值对输出的影响计算一次API调用的Token消耗和费用学习资源OpenAI官方文档platform.openai.com/docs吴恩达《ChatGPT Prompt Engineering for Developers》免费短课李宏毅生成式AI课程选看前2集当日产出一个能调用大模型API的Python脚本 一份个人理解笔记Day 2大模型API深入实战学习目标熟练掌握API各项参数实现多轮对话和函数调用核心知识点API核心参数temperature、top_p、max_tokens、stop消息角色system设定人设、user用户输入、assistant模型回复流式输出Streaming逐字返回提升用户体验Function Calling让模型调用外部函数连接真实世界JSON Mode强制模型输出结构化数据多模态能力图像理解Vision、文件解析实操任务实现一个带人设的多轮对话系统用 system 消息设定角色使用 Function Calling 让模型查询天气/计算数学题实现流式输出观察打字机效果用 JSON Mode 让模型输出结构化的任务分类结果学习资源OpenAI API Reference函数调用章节Anthropic Claude API文档对比学习不同厂商实现差异各家国产模型API文档通义/智谱/DeepSeek当日产出一个支持多轮对话 函数调用的命令行聊天程序Day 3Prompt Engineering 提示词工程学习目标掌握提示词工程核心技巧能设计结构化提示词模板核心知识点提示词四要素指令、上下文、输入、输出指示基础技巧角色扮演、明确指令、提供示例Few-shot进阶技巧思维链CoT、分步推理、自我一致性结构化模板设计用分隔符、XML标签、Markdown组织提示词提示词安全提示注入攻击与防护实操任务对比零样本Zero-shot与少样本Few-shot的输出差异设计一个客服分类机器人的提示词模板输出JSON结构用思维链技巧让模型解决一个逻辑推理题测试一个提示注入攻击并设计防护策略学习资源OpenAI Prompt Engineering GuideLearn Promptinglearnprompting.org免费开源教程Anthropic Prompt Engineering 文档当日产出一份个人提示词工程笔记 5个可复用的提示词模板阶段二核心技能Day 4-7 目标掌握RAG、向量数据库、开发框架、Agent四大核心技术Day 4RAG 检索增强生成基础学习目标理解RAG原理从零实现一个基础RAG流程核心知识点为什么需要RAG解决大模型幻觉、知识过时、领域知识不足问题RAG三步流程索引 → 检索 → 生成文档处理加载PDF/Word/网页→ 分块Chunking控制Token数Embedding把文本转成向量语义相似度计算检索原理余弦相似度、Top-K检索实操任务用Python手动实现一个最简RAG文档分块 → 向量化 → 检索 → 拼接Prompt → 生成对一份PDF文档进行分块测试不同块大小的效果对比关键词检索 vs 向量检索的召回效果学习资源OpenAI Embedding 文档LangChain RAG 教程python.langchain.com论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》选读当日产出一个能对单份文档进行问答的RAG程序不依赖框架纯手写Day 5向量数据库与 Embedding 进阶学习目标掌握向量数据库使用优化检索质量核心知识点向量数据库对比Chroma本地易用/ FAISS轻量/ Pinecone云服务/ Milvus生产级Embedding模型选择OpenAI text-embedding / BGE / m3e / 通义Embedding检索策略稠密检索向量、稀疏检索BM25、混合检索Hybrid重排序Reranking用Cross-Encoder对初筛结果精排元数据过滤按标签、时间、来源过滤检索范围实操任务用 Chroma 搭建本地向量数据库存储多份文档实现混合检索向量 BM25关键词对比纯向量检索效果加入元数据过滤功能如只检索某类文档用 Reranker 模型重排序检索结果学习资源Chroma 官方文档trychroma.comMTEB 排行榜查看Embedding模型性能Cohere Rerank 文档当日产出一个基于向量数据库的多文档知识检索系统含混合检索 重排序Day 6LangChain / LlamaIndex 开发框架学习目标掌握AI应用开发框架提升开发效率核心知识点LangChain核心概念Chain链、Agent智能体、Memory记忆、Tool工具LCELLangChain Expression Language用|管道符组合组件文档加载器支持PDF、网页、Notion、GitHub等Memory机制对话记忆、摘要记忆、向量存储记忆LlamaIndex定位更专注RAG场景与LangChain可互补使用实操任务用 LangChain LCEL 实现一个文档问答 Chain为对话系统添加 Memory支持多轮上下文用 LlamaIndex 实现同样的问答功能对比两者差异实现一个多步骤处理管道加载 → 分块 → 向量化 → 检索 → 生成学习资源LangChain 官方文档python.langchain.comLlamaIndex 官方文档docs.llamaindex.aiLangChain 官方 cookbook 示例当日产出一个基于LangChain的文档问答应用带对话记忆Day 7Agent 智能体开发学习目标理解Agent原理开发能自主使用工具的智能体核心知识点Agent核心感知输入→ 决策思考→ 行动调用工具→ 观察结果循环ReAct框架Reasoning Acting让模型边推理边行动Tool Use定义工具搜索、计算、数据库查询、API调用Agent类型Zero-shot ReAct、Structured Tool Chat、OpenAI Functions Agent多智能体协作LangGraph / AutoGen / CrewAI实操任务用 LangChain 创建一个 ReAct Agent为 Agent 配备工具搜索引擎、计算器、自定义Python函数让 Agent 完成查询某公司最新新闻并总结的任务了解 LangGraph画出一个Agent状态流转图学习资源LangChain Agents 文档论文《ReAct: Synergizing Reasoning and Acting in Language Models》LangGraph 文档当日产出一个能自主使用工具完成任务的AI Agent阶段三项目实战Day 8-12 目标独立完成两个完整项目积累实战经验重点阶段项目一个人知识库问答系统Day 8-10项目目标构建一个可演示的RAG知识库问答系统支持多文档上传、智能检索、对话问答Day 8系统设计与数据准备需求分析支持哪些文档格式问答场景是什么用户交互方式系统架构设计数据层向量库→ 服务层FastAPI→ 接口层Web UI数据收集准备5-10份测试文档PDF/Markdown/TXT技术选型确定FastAPI Chroma LangChain OpenAI/国产模型Day 9核心功能开发文档加载与分块模块支持多格式智能分块按语义/按长度向量检索模块Embedding Chroma存储 Top-K检索问答生成模块检索结果拼接 Prompt模板 模型生成对话记忆模块支持多轮对话保留上下文引用追溯标注回答来源于哪份文档的哪个段落Day 10优化与前端界面检索质量优化混合检索 重排序 查询改写Web界面开发用 Gradio 或 Streamlit 快速搭建支持文件上传、对话测试与调优准备测试问题集评估回答质量编写 README 文档记录使用方法技术栈Python、FastAPI、LangChain、Chroma、Gradio/Streamlit、OpenAI/通义项目产出可演示的知识库问答系统含源码 README 演示视频/截图项目二AI Agent 自动化工作流Day 11-12项目目标构建一个能自动化完成多步骤研究任务的AI Agent系统Day 11Agent核心开发工作流设计以行业研究报告自动生成为例任务分解信息搜索 → 资料整理 → 分析总结 → 报告生成 → 导出文件工具开发搜索引擎工具Tavili/SerpAPI、文件写入工具、数据处理工具Agent决策逻辑用 LangGraph 构建状态机控制任务流转Day 12多Agent协作与优化Multi-Agent架构研究Agent 写作Agent 审核Agent 协作Agent间通信消息传递、结果共享错误处理工具调用失败重试、超时处理、结果校验日志与监控记录每步决策和执行结果测试用3-5个不同主题测试Agent评估完成质量技术栈Python、LangGraph、LangChain、Tavili Search、OpenAI/DeepSeek项目产出一个能自动生成研究报告的AI Agent系统阶段四进阶架构Day 13-15 目标建立架构设计能力完成项目部署Day 13大模型微调基础与模型选型学习目标了解微调技术原理掌握生产环境的模型选型方法核心知识点微调类型全量微调、LoRA、QLoRA、Prefix Tuning微调框架LLaMA-Factory推荐小白、PEFT、Axolotl开源模型生态LLaMA / Qwen / ChatGLM / DeepSeek / Mistral何时微调 vs 何时用RAGRAG适合知识增强微调适合风格/格式定制模型选型维度能力、速度、成本、隐私、部署难度实操任务用 LLaMA-Factory 了解 LoRA 微调流程可用Colab免费GPU体验对比开源模型Qwen/DeepSeek与闭源模型GPT-4在同类任务的表现完成一份模型选型分析报告学习资源Hugging Face 文档LLaMA-Factory GitHub 项目OpenCompass 大模型评测榜单当日产出一份模型选型分析报告 微调流程笔记Day 14AI应用架构设计学习目标掌握生产级AI应用的架构设计方法核心知识点架构模式单体应用 vs 微服务 vs Serverless高并发设计消息队列、缓存Redis、限流成本优化模型路由、语义缓存、批处理可观测性日志、监控Prometheus、追踪LangSmith安全性提示注入防护、PII脱敏、API鉴权、速率限制评估体系自动化评估LLM-as-Judge 人工评估 A/B测试实操任务为项目一知识库系统设计生产级架构图分析性能瓶颈API延迟、检索速度、并发能力设计一个支持100并发的架构方案含缓存、队列用 LangSmith 或自建日志系统为项目添加可观测性学习资源LangSmith 文档生产监控《大模型应用开发架构、方法与最佳实践》各大厂AI应用架构分享当日产出一份AI应用架构设计文档含架构图Day 15部署运维与总结复盘学习目标完成项目部署上线总结15天学习成果核心知识点容器化部署Dockerfile编写、docker-compose编排模型服务方案vLLM高吞吐、TGI、Ollama本地部署云部署阿里云/腾讯云GPU实例、Serverless函数CI/CDGitHub Actions 自动化测试与部署监控告警接口可用性、响应时间、错误率、Token消耗实操任务为项目一编写 Dockerfile完成容器化部署到云服务器或本地用 Ollama 部署开源模型作为替代方案搭建简单的监控面板Grafana 或日志文件撰写15天学习总结学到了什么、做了什么、下一步计划学习资源Docker 官方文档vLLM 项目Ollama 官网当日产出部署上线的项目 15天学习总结报告学习资源汇总类别资源名称说明费用大模型APIOpenAI PlatformGPT系列文档最全生态最成熟付费大模型APIAnthropic ClaudeClaude系列长文本能力强付费大模型API通义千问 API阿里出品注册送额度国内直连有免费额度大模型API智谱GLM API清华系GLM-4能力强有免费额度大模型APIDeepSeek API性价比极高代码能力强低价开发框架LangChain最流行的AI应用开发框架免费开源开发框架LlamaIndex专注RAG场景的框架免费开源开发框架LangGraphAgent编排框架支持状态机免费开源向量数据库Chroma本地嵌入式向量库适合入门免费开源向量数据库Milvus生产级向量数据库支持大规模免费开源学习课程DeepLearning.AI吴恩达系列短课免费学习课程Learn Prompting开源Prompt工程教程免费开源模型Hugging Face模型/数据集/SpacesAI开发必备免费本地部署Ollama本地一键运行开源大模型免费开源微调工具LLaMA-Factory低门槛大模型微调框架免费开源模型评测OpenCompass大模型能力评测榜单免费能力评估标准每阶段结束后用以下标准自测掌握程度基础认知阶段一能解释Token、上下文窗口、温度参数能独立调用API完成对话能设计结构化Prompt模板能使用Function Calling理解大模型的能力和局限核心技能阶段二能手写一个基础RAG流程能使用向量数据库存储和检索能用LangChain搭建应用能开发带工具的Agent理解混合检索和重排序项目实战阶段三独立完成知识库问答系统独立完成AI Agent工作流项目有完整文档和演示能调试和优化应用性能代码规范可维护架构进阶阶段四能设计生产级应用架构理解成本优化策略能完成Docker部署了解微调流程和模型选型能搭建监控和告警15天之后的进阶路径[!note] 关于高级专家的坦诚说明15天能让你从零基础达到能独立开发AI应用的水平。要成为真正的高级架构专家通常需要6-12个月的持续实践和项目积累。这个计划给你打下最扎实的基础后续关键是多做真实项目 持续学习。深入实践1-2月把项目做深优化RAG效果、Agent稳定性尝试接入真实业务场景学习微调1月实际动手LoRA微调一个开源模型理解训练数据准备和评估系统设计1月学习高并发、高可用AI应用架构阅读大厂技术方案前沿跟踪持续关注论文arXiv、开源项目、技术社区社区输出写技术博客、做开源项目、参加技术分享每日学习节奏建议[!tip] 建议时间分配每天4-6小时理论学习1-1.5小时看文档/视频做笔记理解概念动手实操2-3小时写代码跑通示例做练习问题排查0.5-1小时解决报错调试问题查资料总结复盘0.5小时整理笔记记录收获和疑问[!note] 学习原则动手优先看10篇文档不如写1行代码跑通不求全不懂的概念先记录不要卡住进度多问为什么理解原理比记API更重要善用AI学AI遇到问题直接问大模型让它给你解释保持节奏宁可每天学3小时坚持15天也不要一天学10小时然后放弃坚持15天你会感谢现在的自己 15天AI应用开发学习计
tags:AI应用开发学习计划大模型created: 2026-08-1315天AI应用开发学习计划从零基础到能独立开发AI应用 · 面向小白的系统化学习路线学习目标与预期成果15天后你将具备以下能力坦诚说明达到能独立开发水平距离高级架构专家仍有距离需持续实践能力说明 理解大模型原理清楚大模型的工作机制、能力边界和适用场景能判断什么任务该用AI 熟练调用API能使用 OpenAI/Claude/国产大模型API完成对话、函数调用、多模态等任务 掌握Prompt工程能设计结构化提示词模板运用Few-shot、CoT等技巧优化模型输出 独立开发RAG应用能从零搭建知识库问答系统掌握文档处理、向量检索、生成全流程 开发AI Agent能构建具备工具调用能力的智能体实现自动化多步骤任务处理️ 具备架构思维理解AI应用的架构模式、成本优化、部署方案能做基本技术选型学习前准备建议提前1天完成大模型API账号注册至少一个API服务。推荐优先级国产模型通义千问/智谱GLM/DeepSeek注册即送额度无需翻墙 OpenAI Anthropic。准备.env文件保存密钥Python开发环境安装 Python 3.10配置虚拟环境。推荐 VS Code 或 PyCharm安装 Jupyter Notebook基础Python知识若无编程基础先花2-3小时学习基本语法变量、函数、列表、字典、类开发工具账号注册 GitHub托管代码、Hugging Face模型与数据集、向量数据库推荐 Chroma 本地版学习心态调整AI技术更新快不必追求学完所有目标是建立知识框架 动手能力阶段一基础认知Day 1-3 目标建立AI开发全景认知跑通第一个API调用Day 1AI应用开发全景认知学习目标理解大模型工作原理搞清楚AI应用开发到底在开发什么核心知识点大模型LLM本质下一个Token预测器理解Token、上下文窗口、温度参数AI应用开发 vs 传统开发传统开发写逻辑AI开发是编排模型能力技术栈全景大模型API 框架LangChain 向量数据库 前端主流大模型对比GPT-4o / Claude 3.5 / Gemini / 通义千问 / DeepSeek / GLMAI应用类型对话助手、RAG知识库、Agent自动化、代码生成、多模态实操任务注册大模型API账号获取密钥并存入.env文件用Python调用API完成第一次Hello World对话观察不同 temperature 值对输出的影响计算一次API调用的Token消耗和费用学习资源OpenAI官方文档platform.openai.com/docs吴恩达《ChatGPT Prompt Engineering for Developers》免费短课李宏毅生成式AI课程选看前2集当日产出一个能调用大模型API的Python脚本 一份个人理解笔记Day 2大模型API深入实战学习目标熟练掌握API各项参数实现多轮对话和函数调用核心知识点API核心参数temperature、top_p、max_tokens、stop消息角色system设定人设、user用户输入、assistant模型回复流式输出Streaming逐字返回提升用户体验Function Calling让模型调用外部函数连接真实世界JSON Mode强制模型输出结构化数据多模态能力图像理解Vision、文件解析实操任务实现一个带人设的多轮对话系统用 system 消息设定角色使用 Function Calling 让模型查询天气/计算数学题实现流式输出观察打字机效果用 JSON Mode 让模型输出结构化的任务分类结果学习资源OpenAI API Reference函数调用章节Anthropic Claude API文档对比学习不同厂商实现差异各家国产模型API文档通义/智谱/DeepSeek当日产出一个支持多轮对话 函数调用的命令行聊天程序Day 3Prompt Engineering 提示词工程学习目标掌握提示词工程核心技巧能设计结构化提示词模板核心知识点提示词四要素指令、上下文、输入、输出指示基础技巧角色扮演、明确指令、提供示例Few-shot进阶技巧思维链CoT、分步推理、自我一致性结构化模板设计用分隔符、XML标签、Markdown组织提示词提示词安全提示注入攻击与防护实操任务对比零样本Zero-shot与少样本Few-shot的输出差异设计一个客服分类机器人的提示词模板输出JSON结构用思维链技巧让模型解决一个逻辑推理题测试一个提示注入攻击并设计防护策略学习资源OpenAI Prompt Engineering GuideLearn Promptinglearnprompting.org免费开源教程Anthropic Prompt Engineering 文档当日产出一份个人提示词工程笔记 5个可复用的提示词模板阶段二核心技能Day 4-7 目标掌握RAG、向量数据库、开发框架、Agent四大核心技术Day 4RAG 检索增强生成基础学习目标理解RAG原理从零实现一个基础RAG流程核心知识点为什么需要RAG解决大模型幻觉、知识过时、领域知识不足问题RAG三步流程索引 → 检索 → 生成文档处理加载PDF/Word/网页→ 分块Chunking控制Token数Embedding把文本转成向量语义相似度计算检索原理余弦相似度、Top-K检索实操任务用Python手动实现一个最简RAG文档分块 → 向量化 → 检索 → 拼接Prompt → 生成对一份PDF文档进行分块测试不同块大小的效果对比关键词检索 vs 向量检索的召回效果学习资源OpenAI Embedding 文档LangChain RAG 教程python.langchain.com论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》选读当日产出一个能对单份文档进行问答的RAG程序不依赖框架纯手写Day 5向量数据库与 Embedding 进阶学习目标掌握向量数据库使用优化检索质量核心知识点向量数据库对比Chroma本地易用/ FAISS轻量/ Pinecone云服务/ Milvus生产级Embedding模型选择OpenAI text-embedding / BGE / m3e / 通义Embedding检索策略稠密检索向量、稀疏检索BM25、混合检索Hybrid重排序Reranking用Cross-Encoder对初筛结果精排元数据过滤按标签、时间、来源过滤检索范围实操任务用 Chroma 搭建本地向量数据库存储多份文档实现混合检索向量 BM25关键词对比纯向量检索效果加入元数据过滤功能如只检索某类文档用 Reranker 模型重排序检索结果学习资源Chroma 官方文档trychroma.comMTEB 排行榜查看Embedding模型性能Cohere Rerank 文档当日产出一个基于向量数据库的多文档知识检索系统含混合检索 重排序Day 6LangChain / LlamaIndex 开发框架学习目标掌握AI应用开发框架提升开发效率核心知识点LangChain核心概念Chain链、Agent智能体、Memory记忆、Tool工具LCELLangChain Expression Language用|管道符组合组件文档加载器支持PDF、网页、Notion、GitHub等Memory机制对话记忆、摘要记忆、向量存储记忆LlamaIndex定位更专注RAG场景与LangChain可互补使用实操任务用 LangChain LCEL 实现一个文档问答 Chain为对话系统添加 Memory支持多轮上下文用 LlamaIndex 实现同样的问答功能对比两者差异实现一个多步骤处理管道加载 → 分块 → 向量化 → 检索 → 生成学习资源LangChain 官方文档python.langchain.comLlamaIndex 官方文档docs.llamaindex.aiLangChain 官方 cookbook 示例当日产出一个基于LangChain的文档问答应用带对话记忆Day 7Agent 智能体开发学习目标理解Agent原理开发能自主使用工具的智能体核心知识点Agent核心感知输入→ 决策思考→ 行动调用工具→ 观察结果循环ReAct框架Reasoning Acting让模型边推理边行动Tool Use定义工具搜索、计算、数据库查询、API调用Agent类型Zero-shot ReAct、Structured Tool Chat、OpenAI Functions Agent多智能体协作LangGraph / AutoGen / CrewAI实操任务用 LangChain 创建一个 ReAct Agent为 Agent 配备工具搜索引擎、计算器、自定义Python函数让 Agent 完成查询某公司最新新闻并总结的任务了解 LangGraph画出一个Agent状态流转图学习资源LangChain Agents 文档论文《ReAct: Synergizing Reasoning and Acting in Language Models》LangGraph 文档当日产出一个能自主使用工具完成任务的AI Agent阶段三项目实战Day 8-12 目标独立完成两个完整项目积累实战经验重点阶段项目一个人知识库问答系统Day 8-10项目目标构建一个可演示的RAG知识库问答系统支持多文档上传、智能检索、对话问答Day 8系统设计与数据准备需求分析支持哪些文档格式问答场景是什么用户交互方式系统架构设计数据层向量库→ 服务层FastAPI→ 接口层Web UI数据收集准备5-10份测试文档PDF/Markdown/TXT技术选型确定FastAPI Chroma LangChain OpenAI/国产模型Day 9核心功能开发文档加载与分块模块支持多格式智能分块按语义/按长度向量检索模块Embedding Chroma存储 Top-K检索问答生成模块检索结果拼接 Prompt模板 模型生成对话记忆模块支持多轮对话保留上下文引用追溯标注回答来源于哪份文档的哪个段落Day 10优化与前端界面检索质量优化混合检索 重排序 查询改写Web界面开发用 Gradio 或 Streamlit 快速搭建支持文件上传、对话测试与调优准备测试问题集评估回答质量编写 README 文档记录使用方法技术栈Python、FastAPI、LangChain、Chroma、Gradio/Streamlit、OpenAI/通义项目产出可演示的知识库问答系统含源码 README 演示视频/截图项目二AI Agent 自动化工作流Day 11-12项目目标构建一个能自动化完成多步骤研究任务的AI Agent系统Day 11Agent核心开发工作流设计以行业研究报告自动生成为例任务分解信息搜索 → 资料整理 → 分析总结 → 报告生成 → 导出文件工具开发搜索引擎工具Tavili/SerpAPI、文件写入工具、数据处理工具Agent决策逻辑用 LangGraph 构建状态机控制任务流转Day 12多Agent协作与优化Multi-Agent架构研究Agent 写作Agent 审核Agent 协作Agent间通信消息传递、结果共享错误处理工具调用失败重试、超时处理、结果校验日志与监控记录每步决策和执行结果测试用3-5个不同主题测试Agent评估完成质量技术栈Python、LangGraph、LangChain、Tavili Search、OpenAI/DeepSeek项目产出一个能自动生成研究报告的AI Agent系统阶段四进阶架构Day 13-15 目标建立架构设计能力完成项目部署Day 13大模型微调基础与模型选型学习目标了解微调技术原理掌握生产环境的模型选型方法核心知识点微调类型全量微调、LoRA、QLoRA、Prefix Tuning微调框架LLaMA-Factory推荐小白、PEFT、Axolotl开源模型生态LLaMA / Qwen / ChatGLM / DeepSeek / Mistral何时微调 vs 何时用RAGRAG适合知识增强微调适合风格/格式定制模型选型维度能力、速度、成本、隐私、部署难度实操任务用 LLaMA-Factory 了解 LoRA 微调流程可用Colab免费GPU体验对比开源模型Qwen/DeepSeek与闭源模型GPT-4在同类任务的表现完成一份模型选型分析报告学习资源Hugging Face 文档LLaMA-Factory GitHub 项目OpenCompass 大模型评测榜单当日产出一份模型选型分析报告 微调流程笔记Day 14AI应用架构设计学习目标掌握生产级AI应用的架构设计方法核心知识点架构模式单体应用 vs 微服务 vs Serverless高并发设计消息队列、缓存Redis、限流成本优化模型路由、语义缓存、批处理可观测性日志、监控Prometheus、追踪LangSmith安全性提示注入防护、PII脱敏、API鉴权、速率限制评估体系自动化评估LLM-as-Judge 人工评估 A/B测试实操任务为项目一知识库系统设计生产级架构图分析性能瓶颈API延迟、检索速度、并发能力设计一个支持100并发的架构方案含缓存、队列用 LangSmith 或自建日志系统为项目添加可观测性学习资源LangSmith 文档生产监控《大模型应用开发架构、方法与最佳实践》各大厂AI应用架构分享当日产出一份AI应用架构设计文档含架构图Day 15部署运维与总结复盘学习目标完成项目部署上线总结15天学习成果核心知识点容器化部署Dockerfile编写、docker-compose编排模型服务方案vLLM高吞吐、TGI、Ollama本地部署云部署阿里云/腾讯云GPU实例、Serverless函数CI/CDGitHub Actions 自动化测试与部署监控告警接口可用性、响应时间、错误率、Token消耗实操任务为项目一编写 Dockerfile完成容器化部署到云服务器或本地用 Ollama 部署开源模型作为替代方案搭建简单的监控面板Grafana 或日志文件撰写15天学习总结学到了什么、做了什么、下一步计划学习资源Docker 官方文档vLLM 项目Ollama 官网当日产出部署上线的项目 15天学习总结报告学习资源汇总类别资源名称说明费用大模型APIOpenAI PlatformGPT系列文档最全生态最成熟付费大模型APIAnthropic ClaudeClaude系列长文本能力强付费大模型API通义千问 API阿里出品注册送额度国内直连有免费额度大模型API智谱GLM API清华系GLM-4能力强有免费额度大模型APIDeepSeek API性价比极高代码能力强低价开发框架LangChain最流行的AI应用开发框架免费开源开发框架LlamaIndex专注RAG场景的框架免费开源开发框架LangGraphAgent编排框架支持状态机免费开源向量数据库Chroma本地嵌入式向量库适合入门免费开源向量数据库Milvus生产级向量数据库支持大规模免费开源学习课程DeepLearning.AI吴恩达系列短课免费学习课程Learn Prompting开源Prompt工程教程免费开源模型Hugging Face模型/数据集/SpacesAI开发必备免费本地部署Ollama本地一键运行开源大模型免费开源微调工具LLaMA-Factory低门槛大模型微调框架免费开源模型评测OpenCompass大模型能力评测榜单免费能力评估标准每阶段结束后用以下标准自测掌握程度基础认知阶段一能解释Token、上下文窗口、温度参数能独立调用API完成对话能设计结构化Prompt模板能使用Function Calling理解大模型的能力和局限核心技能阶段二能手写一个基础RAG流程能使用向量数据库存储和检索能用LangChain搭建应用能开发带工具的Agent理解混合检索和重排序项目实战阶段三独立完成知识库问答系统独立完成AI Agent工作流项目有完整文档和演示能调试和优化应用性能代码规范可维护架构进阶阶段四能设计生产级应用架构理解成本优化策略能完成Docker部署了解微调流程和模型选型能搭建监控和告警15天之后的进阶路径[!note] 关于高级专家的坦诚说明15天能让你从零基础达到能独立开发AI应用的水平。要成为真正的高级架构专家通常需要6-12个月的持续实践和项目积累。这个计划给你打下最扎实的基础后续关键是多做真实项目 持续学习。深入实践1-2月把项目做深优化RAG效果、Agent稳定性尝试接入真实业务场景学习微调1月实际动手LoRA微调一个开源模型理解训练数据准备和评估系统设计1月学习高并发、高可用AI应用架构阅读大厂技术方案前沿跟踪持续关注论文arXiv、开源项目、技术社区社区输出写技术博客、做开源项目、参加技术分享每日学习节奏建议[!tip] 建议时间分配每天4-6小时理论学习1-1.5小时看文档/视频做笔记理解概念动手实操2-3小时写代码跑通示例做练习问题排查0.5-1小时解决报错调试问题查资料总结复盘0.5小时整理笔记记录收获和疑问[!note] 学习原则动手优先看10篇文档不如写1行代码跑通不求全不懂的概念先记录不要卡住进度多问为什么理解原理比记API更重要善用AI学AI遇到问题直接问大模型让它给你解释保持节奏宁可每天学3小时坚持15天也不要一天学10小时然后放弃坚持15天你会感谢现在的自己