16 周学习路线图
每周 8-12 小时，以项目驱动推进。建议固定两个主线项目：企业知识库问答系统 + 多工具企业助手
第 1-2 周
LLM 基础 + Prompt
- •理解 Token、Embedding、Transformer
- •搭建最小 LLM 调用服务
- •Prompt 模板设计与 JSON 输出
产出：最小聊天 API + Prompt 模板目录
第 3-4 周
Prompt 工程化 + 文档处理
- •Prompt 版本管理与回归测试
- •PDF/Word/Markdown 文档解析
- •文档清洗与元数据设计
产出：Prompt 配置结构 + 文档导入工具
第 5-6 周
最小 RAG + Chunk 优化
- •文档切片 → Embedding → 检索 → 生成
- •多种 Chunk 策略对比实验
- •pgvector / Milvus 向量数据库
产出：最小 RAG Demo + Chunk 策略评估
第 7-8 周
混合检索 + RAG MVP
- •向量 + BM25 混合检索
- •Rerank 重排序
- •权限隔离、引用来源、拒答机制
产出：📦 项目 A：企业知识库问答系统 MVP
第 9-10 周
Tool Calling + Workflow
- •Function Calling / Tool Calling
- •LangGraph 状态机编排
- •超时、重试、人工确认
产出：最小 Agent + 任务型流程
第 11 周
第二个项目 MVP
- •SQL Copilot 或企业内部助手
- •工具路由、错误恢复、多轮澄清
- •权限校验与审计日志
产出：📦 项目 B：任务型 AI 助手
第 12-13 周
评估 + 安全
- •离线评估集 + RAGAS 评估
- •Prompt Injection 防护
- •权限过滤与审计日志
产出：评估报告 + AI 应用风险清单
第 14-15 周
成本治理 + 平台抽象
- •Token 成本统计与缓存策略
- •模型路由与降级
- •模型接入层 + Prompt 管理抽象
产出：成本面板 + 轻量 AI 中台雏形
第 16 周
简历与面试准备
- •AI 岗简历改写
- •项目 STAR 描述打磨
- •面试题准备 + 演示录屏
产出：简历 + 面试提纲 + 演示视频