1 篇博文 含有标签「路线图」

📍 开篇：怎么用这份图谱​

这是什么​

一张 AI 工程学习路线图，按学习顺序排列。你可以把它理解为"课程大纲"——在开始每个阶段之前，先来这里扫一眼该阶段的关键词，学完之后再回来，看看掌握了多少。

优先级说明​

每个技术点都有优先级标注，含义如下：

默认前置条件​

本图谱默认你已经具备：

• 基本编程能力（Python/JavaScript）
• HTTP/API 调用基础
• JSON/数据结构理解
• Git/命令行操作

如果这些还不会，先去补，本图谱不展开。

📊 全局路线图​

第0阶段  →  第1阶段  →  第2阶段  →  第3阶段  →  第4阶段  →  第5阶段
数学基础     深度学习     Transformer   提示工程     RAG         Agent

                                                              ↓
                                                         第6阶段  第7阶段
                                              ←  ←  ←  微调    部署优化

第8阶段  第9阶段  第10阶段
多模态   评估安全  商业生态  ← 可与第3-5阶段并行学习

建议路径：0 → 1 → 2 → 3 → 4 → 5，这是核心主线。
第6-7阶段（微调/部署）和第8-10阶段可以按需跳入。

第0阶段：数学与编程基础​

🎯 目标：建立直觉，不是变成数学家。够用就行。

Python 基础​

• 🔥 P0 Python 语法与数据结构（列表、字典、函数、类）
• 🔥 P0 NumPy / PyTorch 张量操作（矩阵运算是日后看代码的基础）
• ⭐ P1 虚拟环境管理（conda / venv）

线性代数​

• 🔥 P0 向量与矩阵（AI 里的数据全是矩阵）
• 🔥 P0 点积（Dot Product）（注意力机制的核心运算）
• ⭐ P1 特征值/特征向量（理解 PCA 降维时用到）

概率统计​

• 🔥 P0 概率分布（模型输出的是概率，不是答案）
• 🔥 P0 最大似然估计（理解"模型在优化什么"）
• ⭐ P1 贝叶斯定理（理解先验/后验）
• ⭐ P1 信息论基础（熵、交叉熵——损失函数的来源）

微积分​

• 🔥 P0 导数与链式法则（反向传播的数学基础）
• ⭐ P1 梯度下降的直观理解

机器学习基础​

• 🔥 P0 监督学习 / 无监督学习（两种学习范式）
• 🔥 P0 训练集 / 验证集 / 测试集（为什么要分，怎么分）
• 🔥 P0 过拟合（Overfitting）（模型在考试题上刷满分，但真题翻车）
• ⭐ P1 凸优化、拉格朗日乘子法

第1阶段：深度学习核心​

🎯 目标：理解神经网络是怎么"学"的，知道每个组件在干什么。

神经网络基础​

• 🔥 P0 神经元与多层感知机（MLP）（AI 的基本单元）
• 🔥 P0 激活函数：ReLU / Sigmoid / Tanh（为什么不能全是线性？）
• 🔥 P0 前向传播（Forward Pass）（数据从左到右流动，得到预测）
• 🔥 P0 反向传播（Backward Pass / Backpropagation）（误差从右到左流动，分摊责任）
• 🔥 P0 损失函数：交叉熵（分类）/ MSE（回归）

训练技巧​

• 🔥 P0 优化器：SGD → Adam → AdamW（怎么用梯度更新参数）
• 🔥 P0 Dropout（训练时随机"关掉"一些神经元，防过拟合）
• 🔥 P0 Batch Normalization（让每层的输入保持稳定分布）
• ⭐ P1 残差连接（ResNet / Skip Connection）（解决深层网络梯度消失问题）
• ⭐ P1 Layer Normalization / RMSNorm（Transformer 用的归一化，不是 BN）
• ⭐ P1 激活函数进阶：GELU / SiLU / Swish（现代 LLM 用的激活函数）
• 📚 P2 梯度裁剪（Gradient Clipping）
• 📚 P2 二阶优化方法、Lion 优化器

CNN卷积网络​

• 🔥 P0 卷积（Convolution）与局部特征提取（利用带着特征滤镜的手电筒扫描）
• 🔥 P0 池化（Pooling）（抓大放小，层层抽象与平移不变性）
• ⭐ P1 归纳偏置（和 Transformer 定制的全局相关性比较）

第2阶段：Transformer 与语言模型​

🎯 目标：理解现代 AI 的"发动机"——Transformer，以及 GPT/BERT 是怎么建在它上面的。

注意力机制​

• 🔥 P0 Self-Attention（自注意力）（每个词同时"看"整个句子）
• 🔥 P0 Q / K / V 矩阵（Query-Key-Value：图书馆检索类比）
• 🔥 P0 Multi-Head Attention（多头注意力）（8个人同时从不同角度看）
• 🔥 P0 Masked 自注意力（GPT 生成时只看"已写的"，不能偷看后面）
• ⭐ P1 Cross-Attention（Encoder-Decoder 之间的信息交流）

Transformer 架构​

• 🔥 P0 Encoder-Decoder 架构（BERT 用 Encoder，GPT 用 Decoder）
• 🔥 P0 MoE（混合专家模型，Mixture of Experts）（GPT-4、DeepSeek、Mixtral 背后的省算力杀器，稀疏激活机制）
• 🔥 P0 位置编码（Positional Encoding）：Sinusoidal（原版）/ 可学习位置编码
• ⭐ P1 RoPE（旋转位置编码）（现代 LLM 的位置编码标准，支持长上下文）
• ⭐ P1 Mamba / SSM（状态空间模型）（被誉为 Transformer 最大挑战者的非注意力架构流派）
• 📚 P2 Transformer 变体（Transformer-XL、XLNet）

预训练模型​

• 🔥 P0 BERT：MLM（完形填空）+ NSP（句子关系预测）→ 理解型模型
• 🔥 P0 GPT：自回归语言建模（预测下一个词）→ 生成型模型
• 📚 P2 ALBERT、ELECTRA、T5 架构

分词（Tokenization）​

• 🔥 P0 BPE（Byte Pair Encoding）（主流分词算法，GPT系列用）
• 🔥 P0 WordPiece（BERT 用）
• ⭐ P1 SentencePiece（语言无关的分词框架）
• ⭐ P1 Unigram 语言模型、Byte-level BPE

第3阶段：提示工程（Prompt Engineering）​

🎯 目标：用好 API——不写一行训练代码，只靠 Prompt 就能解决 80% 的问题。

核心技术​

• 🔥 P0 Zero-shot（直接问，测试模型底线）
• 🔥 P0 Few-shot / In-Context Learning（给例子让模型学）
• 🔥 P0 System Prompt / Role Prompting（设定全局身份和规则）
• 🔥 P0 Chain-of-Thought（CoT）（让模型"一步步想"，而不是直接猜答案）
• 🔥 P0 结构化输出（JSON 模式）（让 AI 输出能被代码解析的格式）
• 🔥 P0 Prompt Injection 防御（防止用户输入"忽略之前的指令"）
• ⭐ P1 ReAct 模式（Reason + Act：让模型思考然后行动，Agent 的前身）
• ⭐ P1 Self-Consistency（生成多次取多数答案）
• ⭐ P1 Meta-Prompting / Negative Prompting
• ⭐ P1 Prompt Chaining / Self-Refine
• ⭐ P1 Output Parsing（正则解析 AI 输出）
• 📚 P2 Tree of Thoughts（ToT）/ Graph of Thoughts（GoT）
• 📚 P2 DSPy（自动优化 Prompt）
• 📚 P2 Prompt Tuning / Prefix Tuning / P-Tuning v2
• 📚 P2 Prompt Compression（压缩长 Prompt）

第4阶段：检索增强生成（RAG）​

🎯 目标：解决"AI 不知道你公司的事"——把私有知识库接入 LLM。

Embedding 与向量检索​

• 🔥 P0 Embedding 模型（从 Word2Vec → BERT Embedding → 专用模型）
• 🔥 P0 余弦相似度（Cosine Similarity）（衡量两段文字的"语义距离"）
• 🔥 P0 向量数据库：Chroma（本地轻量）/ Pinecone（云托管）/ Milvus（大规模）
• ⭐ P1 Sentence-BERT / BGE / E5 / Instructor Embeddings（嵌入模型对比）
• 📚 P2 HNSW / IVF / FAISS（向量索引算法，数据库内部实现）
• 📚 P2 Product Quantization / Matryoshka Embeddings

文档处理​

• 🔥 P0 Chunking（文档切分）：固定大小 / 语义切分 / 递归切分
• ⭐ P1 Parent-Child Retrieval（小块检索，大块返回）
• ⭐ P1 Contextual Compression（压缩检索结果）

检索策略​

• 🔥 P0 稠密检索（Dense Retrieval）（用 Embedding 做语义搜索）
• 🔥 P0 稀疏检索（BM25）（关键词搜索，不懂语义但不怕专有名词）
• 🔥 P0 混合搜索（Hybrid Search）（两者结合，取长补短）
• 🔥 P0 重排序（Cross-Encoder Reranker）（粗排 50 个 → 精排 5 个）
• ⭐ P1 HyDE（Hypothetical Document Embeddings）（先生成"假答案"再检索）
• ⭐ P1 Multi-Query Retrieval / Query Expansion（多维度检索）
• ⭐ P1 GraphRAG（知识图谱增强 RAG）
• ⭐ P1 Long Context vs RAG（什么时候用长上下文替代 RAG？）
• 📚 P2 Self-RAG / CRAG（自适应检索）
• 📚 P2 RAPTOR / FLARE / IRCoT / ColBERT / SPLADE

RAG 的专职评估体系​

• 🔥 P0 RAG 评估三元组：上下文相关性 / 答案忠实度 / 答案相关性
• ⭐ P1 Ragas / TruLens（专门针对 RAG 系统的离线评估开源框架）

第5阶段：智能体（Agent）与工具使用​

🎯 目标：从"聊天机器人"升级到"能干活的 AI"——让模型自主规划和执行任务。

Agent 核心​

• 🔥 P0 ReAct 循环（思考 → 行动 → 观察，循环直到任务完成）
• 🔥 P0 Function Calling / Tool Calling（让模型调用外部 API）
• 🔥 P0 JSON Schema 定义工具（告诉模型"这个工具叫什么、有什么参数"）
• 🔥 P0 记忆管理：
  • 短期记忆：对话历史（Context Window）
  • 长期记忆：向量数据库存储（接 RAG）
  • 记忆总结：摘要压缩历史（节省 Token）
• 🔥 P0 Plan-and-Solve（先让模型写计划，再逐步执行）
• ⭐ P1 Human-in-the-Loop（敏感操作前让人类确认）
• ⭐ P1 Reflection / Self-Correction（让 Agent 检查自己的输出）
• ⭐ P1 Tool Retrieval（工具太多时，先检索合适的工具）
• ⭐ P1 LangChain / LangGraph 基础

GUI Agent 与物理化​

• 🔥 P0 Computer Use（计算机控制操作）（让 AI 直连鼠标键盘，像人一样看屏幕点击 UI，Claude引领）
• ⭐ P1 OmniParser / UI-TARS（跨越系统鸿沟的 GUI 识别和动作执行模型）
• 📚 P2 WebVoyager / Android in the Wild

多 Agent 协作​

• 🔥 P0 串行 / 并行 / 层次化 Agent（单打独斗 vs 分工合作）
• 🔥 P0 状态机与图（LangGraph）（用有向图描述 Agent 的工作流）
• 📚 P2 AutoGPT / BabyAGI（早期框架，了解即可）
• 📚 P2 CrewAI / Autogen / CAMEL / Voyager
• 📚 P2 AgentBench（Agent 评测基准）

MCP（Model Context Protocol）​

• 🔥 P0 为什么需要 MCP（Agent 的"USB 协议"，统一数据接入）
• 🔥 P0 Server / Client 架构（数据源 vs AI 应用端）
• 🔥 P0 三类能力：Resources（数据）/ Tools（功能）/ Prompts（预定义交互）
• ⭐ P1 MCP vs Function Calling（区别在哪？）
• ⭐ P1 常见 MCP Server：文件系统 / Google Drive / Notion / GitHub / 数据库
• ⭐ P1 如何编写 MCP Server（Python / TypeScript）
• ⭐ P1 Transport Layer：stdio / HTTP / WebSocket
• 📚 P2 MCP 协议细节（JSON-RPC 2.0）/ Schema 定义 / Sampling 流程

第6阶段：模型微调与优化​

🎯 目标：当 Prompt + RAG 都不够用时，直接改变模型本身的能力。

微调决策​

• 🔥 P0 微调 vs 提示工程（何时该微调，何时该 Prompt）
• 🔥 P0 指令微调（Instruction Tuning / SFT）（让基座模型学会"对话"）

高效微调​

• 🔥 P0 LoRA（低秩适应）（只训练 1% 的参数，效果达到全量的 95%）
• 🔥 P0 QLoRA（量化 + LoRA）（消费级显卡也能微调 70B 模型）
• ⭐ P1 AdaLoRA / DoRA（LoRA 的改进版）
• ⭐ P1 Adapter Layers / Prefix Tuning

对齐技术​

• 🔥 P0 RLHF（人类反馈强化学习）：奖励模型 + PPO（概念理解即可）
• 🔥 P0 DPO（直接偏好优化）（比 RLHF 稳定，现在更常用）
• 🔥 P0 GRPO（群组相对策略优化）（DeepSeek-R1 的致胜法宝，彻底丢弃 Critic 模型的极简强化学习架构）
• ⭐ P1 KTO / IPO / ORPO（DPO 的各种变体）
• ⭐ P1 Constitutional AI（宪法AI，Anthropic 的对齐方法）
• 📚 P2 PPO 细节 / Reward Modeling 深入

数据与合并​

• ⭐ P1 Synthetic Data（合成数据）：Self-Instruct / Evol-Instruct（用 GPT-4 生成训练数据）
• ⭐ P1 模型合并（Model Merging）：SLERP / Task Arithmetic / MergeKit（不训练，直接"拼"）
• ⭐ P1 DARE / TIES-Merging / Model Soups / LoRA Merging
• 📚 P2 蒸馏（Distillation）/ Alpaca / Vicuna 案例

第7阶段：推理优化与部署​

🎯 目标：让模型跑得更快、更便宜、更稳——从本地到生产环境。

推理引擎​

• 🔥 P0 vLLM（生产首选，连续批处理 + PagedAttention，比 HuggingFace 快 10x）
• 🔥 P0 llama.cpp（CPU / Mac 上跑大模型）
• 🔥 P0 Ollama（本地运行最简单的工具）
• ⭐ P1 TensorRT-LLM（NVIDIA 推理优化）/ TGI / LM Studio
• 📚 P2 ONNX Runtime / OpenVINO / CTranslate2

量化（模型瘦身）​

• 🔥 P0 INT8 / INT4 量化（模型体积缩小 4-8 倍，质量损失可接受）
• 🔥 P0 GGUF 格式（llama.cpp 的通用量化格式）
• ⭐ P1 GPTQ / AWQ（量化算法对比）

推理加速​

• 🔥 P0 KV Cache（解码阶段缓存计算结果，避免重复算）
• 🔥 P0 Prompt Caching（提示词缓存）（长上下文降本增效的神器，Claude/DeepSeek API与vLLM全靠它省钱）
• ⭐ P1 Continuous Batching（连续批处理）（动态处理请求，vLLM 的核心）
• ⭐ P1 Speculative Decoding（推测解码）（小模型先猜，大模型验证）
• ⭐ P1 Flash Attention / Flash Decoding（注意力机制的高效实现）
• ⭐ P1 Streaming LLM / Context Length Extension（PI / YaRN / NTK）
• 📚 P2 Medusa / Lookahead Decoding（Speculative Decoding 变体）

服务化​

• 🔥 P0 模型路由（Model Routing）（简单问题小模型，复杂问题大模型）
• 🔥 P0 语义缓存（Semantic Caching）（相似问题复用答案，节省 30-50% 成本）

🔗 对应文章：模型优化与部署

第8阶段：多模态与前沿模型​

🎯 目标：了解 AI 能力的边界——图像、语音、推理，以及现在最热的进展。

视觉语言模型（VLM）​

• 🔥 P0 CLIP（图文联合 Embedding，图和文放在同一个向量空间）
• 🔥 P0 GPT-4V / Claude Vision / Gemini（商业 VLM 能力）
• ⭐ P1 LLaVA（开源视觉语言模型）
• ⭐ P1 Qwen-VL / CogVLM / ImageBind
• 📚 P2 BLIP / BLIP-2 / InstructBLIP / Flamingo / KOSMOS

图像生成​

• 🔥 P0 Flux（当前最强的开源文生图模型，颠覆了 SDXL 的地位，支持原生极速生成）
• 🔥 P0 Stable Diffusion（最主流稳定的传统扩撒模型路线及开源生态）
• 🔥 P0 ControlNet（精确控制生成结果：姿势 / 边缘 / 深度图）
• ⭐ P1 LoRA for Diffusion（低成本画风定制）
• ⭐ P1 SDXL / SD3 / IP-Adapter / DreamBooth / Textual Inversion
• 📚 P2 Diffusion 原理（DDPM / DDIM）/ Consistency Models / LCM

视频与 3D 生成（新前沿）​

• 🔥 P0 Sora / HunyuanVideo（Sora开创了DiT架构物理世界模拟器，混元证明了开源路线的可用性）
• ⭐ P1 Gen-3 / Pika / Kling（快手可灵）
• ⭐ P1 AnimateDiff / ComfyUI 视频流工作流
• 📚 P2 Gaussian Splatting（3D高斯渲染，取代 NeRF 的三维革命）

语音​

• 🔥 P0 传统 Pipeline：Whisper（ASR 语音识别）+ VALL-E / Bark（TTS 语音合成）
• 🔥 P0 端到端语音模型：GPT-4o Realtime / Gemini Live / MiniMax（直接音频to音频）
• ⭐ P1 AudioCraft / MusicGen

推理模型（Reasoning Models）​

• 🔥 P0 Test-time Compute Scaling（推理时花更多算力 = 更好的答案）
• 🔥 P0 Process Reward Model (PRM)（奖励每一步推理过程，不只看最终结果）
• 🔥 P0 DeepSeek-R1（开源推理模型里程碑）
• 🔥 P0 RLAIF（AI 自我反馈替代人类反馈，DeepSeek-R1 的关键）
• ⭐ P1 o1 / o3 / QwQ / Gemini Thinking
• ⭐ P1 Best-of-N Sampling / Process vs Outcome Supervision
• ⭐ P1 Verifier Models / STaR（Self-Taught Reasoner）
• 📚 P2 MCTS（蒙特卡洛树搜索）/ Beam Search
• 📚 P2 Quiet-STaR / ReST / V-STaR

长上下文​

• ⭐ P1 Long Context vs RAG（200K+ tokens，什么时候不用 RAG？）
• ⭐ P1 RoPE 位置插值（PI / YaRN）/ 1M tokens 应用

第9阶段：评估、安全与监控​

🎯 目标：AI 项目最容易翻车的地方——上线前后都要考虑。

评估方法​

• 🔥 P0 LLM-as-a-Judge（用 GPT-4 自动评测输出质量）
• 🔥 P0 公开基准：MMLU / HumanEval / MT-Bench / Chatbot Arena
• ⭐ P1 TruthfulQA / GSM8K / MATH / AlpacaEval
• 📚 P2 ARC / HellaSwag / PIQA / DROP / BoolQ / WinoGrande
• 📚 P2 HELM / ToxiGen / BOLD / BBQ
• 📚 P2 专业基准：MedQA / LegalBench / FinQA / C-Eval / CMMLU
• 📚 P2 视觉基准：VQA / COCO / TextVQA

安全​

• 🔥 P0 Jailbreak 防御（防止用户绕过安全限制）
• 🔥 P0 Prompt Injection 防御（用户输入被当成指令执行的风险）
• 🔥 P0 PII 检测脱敏（隐私信息不能流入 API）
• 🔥 P0 内容过滤（Content Filtering）
• 🔥 P0 Red Teaming（主动攻击自己找漏洞）
• ⭐ P1 Guardrails / NeMo Guardrails（规则+模型双重校验）
• 📚 P0 幻觉检测（Hallucination Detection）

生产监控​

• 🔥 P0 链路追踪：LangSmith / Arize Phoenix（记录每一步的耗时、成本、输入输出）
• 🔥 P0 成本分析（Token 使用统计，按功能 / 用户分摊）
• 🔥 P0 A/B 测试（Prompt 改了，结果到底变好了吗？）
• ⭐ P1 延迟监控（P50 / P95 / P99）

第10阶段：商业与生态​

🎯 目标：了解市场上有什么，做选型决策时不瞎选。

商业模型 API​

• 🔥 P0 OpenAI：GPT-4o / o1 / o3（综合最强，价格较高）
• 🔥 P0 Anthropic Claude：Claude 3.5 Sonnet（编码最强，上下文最长）
• 🔥 P0 Google Gemini：Gemini 2.0（多模态强，价格有优势）
• 🔥 P0 国内：文心一言 / 通义千问 / 讯飞星火（合规要求下的选择）
• ⭐ P1 Claude 3 Opus / Haiku / Gemini Pro / Ultra
• ⭐ P1 Command R / R+（RAG 优化）/ Mistral Large
• 📚 P2 AI21 Jurassic / Inflection Pi / 腾讯混元 / 商汤日日新

开源模型生态​

• 🔥 P0 LLaMA 3（Meta 开源，最主流的基座）
• 🔥 P0 Mistral / Mixtral（欧洲开源，MoE 架构高效）
• 🔥 P0 Qwen 2.5（阿里，中文最强开源）
• 🔥 P0 DeepSeek（推理能力开源里程碑）
• 🔥 P0 Phi-3（微软，小模型性价比王）
• ⭐ P1 Yi / ChatGLM / InternLM / Baichuan（国内开源模型）
• ⭐ P1 Vicuna / Alpaca / WizardLM / Orca / Zephyr / Starling（SFT 社区模型）
• 📚 P2 Falcon / MPT / StableLM / Bloom / OPT / Pythia / GPT-NeoX

工具生态​

• 🔥 P0 LangChain / LlamaIndex（AI 应用框架，RAG + Agent 首选）
• 🔥 P0 Axolotl / Unsloth（微调工具，QLoRA 首选）
• 🔥 P0 vLLM / Ollama / TGI（部署工具）
• ⭐ P1 Instructor / Marvin（结构化输出工具）
• ⭐ P1 Guidance / LMQL（受控生成）
• 📚 P2 HuggingFace Accelerate / PEFT / DeepSpeed / Megatron-LM
• 📚 P2 FastChat / OpenLLM / Weights & Biases / MLflow / lm-evaluation-harness

企业应用场景​

• 🔥 P0 Coding Agent：Cursor / GitHub Copilot / Claude Code（改变编程方式）
• 🔥 P0 文档问答（RAG 最典型落地场景）
• 🔥 P0 客服系统（Agent + 情感分析 + 升级转人工）
• 🔥 P0 数据分析助手（Code Interpreter + Agent）
• ⭐ P1 GitHub Copilot vs Cursor / Aider 对比
• ⭐ P1 Devin / OpenHands / Code Interpreter / Sandbox
• ⭐ P1 CodeLlama / StarCoder / DeepSeek-Coder（开源编程模型）
• 📚 P2 AlphaCode / WizardCoder / Phind-CodeLlama / SWE-bench

🗺️ 章节依赖关系图​

颜色说明：

• 灰色 = 理论基础（按需查询）
• 粉色 = 应用核心（先学这里）
• 蓝色 = 工程深化（有需求再学）
• 绿色 = 生态认知（随时了解）

✅ 最后的话​

学 AI 最大的坑是贪多求全。

这份图谱不是让你从第 0 阶段到第 10 阶段全部学完，而是：

1. 第3阶段（Prompt）+ 第4阶段（RAG）+ 第5阶段（Agent）是核心主线，优先打通
2. P0 的内容是现在的任务，P1 是遇到再查，P2 是知道有这东西就行
3. 第0-2阶段的理论部分，按需回头查，不必现在

开始行动：直接从第3阶段 Prompt Engineering 开始，做一个能用的 Demo，再往后走。