AI 学习知识地图
摘要
这是本批学习笔记的导航入口:基础教材解释概念和机制,项目精选串联端到端做法,面试题库用于完整问答练习,整编索引/矩阵记录来源范围和未核读限制。课程示例不代表个人生产经历;版本相关细节以当前官方文档为准。
学习路径
1. 编程基础
- Python基础与AI应用:从 Python 语法到 HTTP、数据分析和 API。
- Python AI项目实战精选:安全调用模型、处理数据、开发接口。
- 机器学习与深度学习基础:补齐 AI 项目会用到的数据、损失、优化和评估基础。
2. 大模型原理与工程
- 大模型基础原理:Token、Transformer、注意力和自回归生成。
- 大模型训练微调与对齐:预训练、SFT、PEFT、RLHF。
- 大模型推理与性能优化:显存、KV Cache、量化、并行和性能测试。
- 评测幻觉与多模态:模型评测、幻觉归因、多模态链路与风险缓解。
3. 应用开发
- RAG检索增强生成:知识索引、检索、生成和评估。
- 提示词工程:提示结构、策略选择、安全边界与测试。
- LangChain与LangGraph基础:组件组合、状态图、持久化和恢复。
- Agent与Dify基础:工作流、Agent、工具调用和授权边界。
- Coze智能体与工作流实践:课程案例、知识库/工作流、测试发布和版本边界。
- RAG与Agent项目精选:端到端项目设计与检查清单。
4. 产品设计与行业应用
- AI产品设计与行业案例:从业务问题、数据准备、评测、风险与证据等级分析案例。
5. 面试复习
- 速览入口:大模型面试精选、训练与推理面试精选。
- 编程与前置基础:Python与机器学习基础面试题库。
- 大模型原理:大模型基础原理面试题库。
- 训练微调与对齐:大模型训练微调与对齐面试题库。
- 推理与部署:大模型推理与部署面试题库。
- RAG:RAG检索增强生成面试题库。
- Prompt/LangChain/LangGraph:Prompt与编排框架面试题库。
- Agent/MCP/Skill:Agent-MCP-Skill面试题库。
- 幻觉、评测与多模态:幻觉评测与多模态面试题库。
- AI 应用项目与案例:AI应用项目设计与案例面试题库。
完整来源范围和逐批核读状态见 index 与 导入范围与来源矩阵。
资料整理原则
- 同类内容合并成一个主题,重复题目不重复罗列。
- “基础”讲清概念和流程,“精选”侧重比较、权衡和回答结构。
- 内容以重新组织的个人学习笔记表达,不替代或再发布课程原件。
- 原资料中的密钥样式示例不纳入笔记;密钥只放在受控环境中。
相关笔记
- Python基础与AI应用
- 大模型基础原理
- RAG检索增强生成
- Agent与Dify基础
原始来源文件
以下列出本篇整理所依据的代表性原件;同主题重复版本与完整状态请查阅 source-manifest.csv。
Raw sources/002.大模型面试合集202605161/大模型(LLMs)基础面.pdfRaw sources/大模型官方课程-视频资料/2026最新大模型全套资料(持续更新)/②、大模型入门资料/MD文档/高级RAG技术.md