跳转到内容
AI 工程学习终端

AI 工程学习终端

AI ENGINEERING · LEARN BY BUILDING

先建立共同底座，再选择方向。

一套由浅入深的 AI 工程公开课程。每个主题先说明问题和边界，再看图、写最小实现、注入故障，最后按验收标准检查结果。

查看完整路线从第一课开始GitHub

学习不是“看完”，而是完成一次闭环

Section titled “学习不是“看完”，而是完成一次闭环”
  1. 理解建立最小准确心智模型
  2. 看见用图示观察状态与边界
  3. 动手实现或操作最小实验
  4. 验证注入失败并检查恢复
  5. 讲清解释取舍和适用边界

从主干到分支

Section titled “从主干到分支”

所有方向共享前面的软件、机器学习、LLM 和可靠性基础。就业方向只在最后分叉，避免一开始就把知识切成互不连通的岗位清单。

SYSTEM VIEW从需求走到可验证运行
  1. 01用户任务与交互输入 / 反馈
  2. 02Agent策略与工作流决策 / 边界
  3. 03模型、上下文与检索Token / 证据
  4. 04工具与协议Schema / 权限
  5. 05状态、运行时与队列取消 / 重试
  6. 06存储、网络与基础设施持久化 / 部署
课程不是从“调一个模型接口”开始，而是从输入、状态、边界和证据开始。
STAGE 0可复现学习

输入、输出、状态和证据

STAGE 1软件与系统

网络、并发、状态与存储

STAGE 2机器学习

数据、指标与实验

STAGE 3LLM 应用

Token、推理与检索

STAGE 4Agent 工程

循环、工具与记忆

STAGE 5安全与评测

权限、回放与故障恢复

STAGE 6综合项目

生产约束下连接所有层

STAGE 7方向分支

最后再选择性深入

课程覆盖

Section titled “课程覆盖”
  • 共同底座： 可复现证据、状态机、网络与流式、事务与队列、缓存工程、数据资产生命周期、机器学习实验；
  • LLM 应用： Token、Attention、上下文预算、模型服务与路由、检索、引用与无答案；
  • Agent 工程： Workflow 边界、工具契约、状态、记忆与可审计 Runner；
  • 安全与生产： 威胁模型、可执行评测、回放、SLO、降级、对账与综合项目；
  • 方向分支： Agent 应用、Runtime 与评测、AI 后端、检索、多模态 GUI Agent、游戏 AI、端侧推理。

从“可复现与证据”开始 →