從0到100的終極全棧AI工程師路線圖。 這就是從初學者到全棧AI工程師所需的確切路徑。 > 從編碼基礎開始。 > 學習Python、Bash、Git和測試。 > 每個優秀的AI工程師都從基礎開始。 > 通過理解LLM API學習如何與模型交互。 > 這將教會你結構化輸出、緩存、系統提示等。 > API很好，但原始LLM仍然需要最新的信息才能有效。 > 學習LLM通常如何通過更多信息/模式進行增強。 > 這將教會你微調、RAG、提示/上下文工程的基礎知識。 > 強大的LLM在沒有上下文的情況下是無用的。這就是檢索技術的幫助所在。 > 瞭解向量數據庫、混合檢索、索引策略等。 > 一旦檢索穩固，就進入RAG。 > 學習構建檢索+生成管道、重新排序和使用流行的編排框架進行多步驟檢索。 > 現在，進入AI代理，AI從回答轉向行動。 > 學習記憶、多代理系統、人機協作設計、代理模式等。 > 學習如何在生產中交付基礎設施。 > 這將教會你CI/CD、容器、模型路由、Kubernetes和大規模部署。 > 專注於可觀察性和評估。 > 學習如何創建評估數據集、LLM作為評判者、追蹤、儀器化和持續評估管道。 ...