先说实话8 周不是魔术是8 周 × 每天 6 小时 ≈ 340 小时的压缩。这份路线不是写给零基础看的——是写给已经有 Web 开发底子我 2 年多前端写过业务、搓过 Vue的人看的。你手里的前端经验不是负担是这条路线最大的杠杆。这份路线适合谁缺一条请把战线拉长有 1-3 年 Web 开发经验前端最佳这条路线把前端优势吃满每天能稳定投入 6 小时以上在职党请按 3 个月 的节奏来别硬压会基础编程、看得懂报错、搜得到 StackOverflow心态摆正8 周的目标是做出作品不是包上岸——作品有了上岸是下一步的事8 周路线图总览阶段周次主题当周交付物通关标准怎么算过地基期第 1 周Python API调通大模型接口的脚本不查文档能写出调 DeepSeek/豆包的 20 行脚本第 2 周Agent 原理 LangChain“会查天气” Demo把 Tool Calling/ReAct/Memory 三件套讲给不懂的人听骨架期第 3 周LangGraph用图重写你的 Demo画出状态流转图说清它和 LangChain 的关系第 4 周RAG Agent作品 1 号PDF 问答 Agent陌生文档内的问题能答对 80%且带出处产品期第 5 周FastAPI Vue 全链路作品 1 号升级为 Web 应用浏览器里能传 PDF → 提问 → 拿到带出处回答第 6 周自动化任务 Agent作品 2 号多工具自动化 Agent能自主完成多步任务GitHub 仓库陌生人能 clone 跑通第 7 周多 Agent 协作给作品加团队分工画出工作流图能讲 3 分钟为什么这么拆第 8 周打磨 简历 面试2 份扛得住追问的项目 简历每个项目扛住面试官三连问地基期第 1-2 周把调模型变成肌肉记忆第 1 周补 Python API——别把 Python 当第二职业学本周目标够用即止。你是来用 Python 调模型的不是来做 Python 开发的。做什么学够调 API 的量requests库、JSON 解析、异常处理、把 key 放环境变量别硬编码进代码这是第一个职业习惯注册 DeepSeek 或豆包拿 key、看文档30 分钟把官方示例跑通换着花样改换模型、加 system prompt、试流式输出——逼自己读懂返回结构你的前端底子在这调大模型 API 和你调后端接口是同一件事——只是换了 URL、换了鉴权方式。你早就会了别被Python三个字吓住。别踩的坑别去啃《Python 从入门到精通》。收藏夹里躺着的语法教程等你真需要再查。通关标准不查文档写出输入一句话 → 返回模型回复的脚本知道 401key 错、429限流、超时分别怎么处理。第 2 周Agent 原理 LangChain——跑通第一个 Demo 的爽感本周目标把 Agent 三件套跑通并真正搞懂它们在干嘛。三件套本周的命根子Tool Calling模型想动手时输出一个结构化调用请求由你的代码真正执行——模型不会真的查天气它只是决定该查了用天气工具ReActReason Act——思考 → 行动 → 观察结果 → 再思考循环直到任务完成Memory多轮对话的历史存哪、怎么截断、超长怎么办做什么用 LangChain 搭会查天气的 Agent免费天气 API 就行。让它自己决定查天气 → 调工具 → 组织回答。别踩的坑Demo 跑通 ≠ 懂原理。跑通后追问自己三个问题①模型怎么知道该调天气工具而不是自己编个温度②工具调错了/查不到城市怎么办③对话历史存哪了通关标准把三件套讲给一个不懂的朋友听他听懂了你才算懂天气 Demo 能处理城市查不到的兜底而不是报错崩溃。骨架期第 3-4 周让 Agent 会思考、有记忆、查得到资料第 3 周LangGraph——现在企业真用这个本周目标搞懂为什么生产环境要用图而不是裸 LangChain。为什么第 2 周学完 LangChain第 3 周还要学 LangGraphLangChain 是工具箱能快速拼出 demoLangGraph 是流水线状态机——把 Agent 的流程画成图节点node是每一步边edge是流转条件state 是共享记忆。好处就一句话每一步都可控、可查、可回滚。企业要上生产要的就是这个可控。做什么把第 2 周的天气/问答逻辑用 LangGraph 重写一遍画出你的状态流转图。不用贪多重写一遍就够。面试加分项能说清为什么不用裸 LangChain 上生产——因为不可控、难插桩、难排查。这句话在面试里值钱。通关标准画出自己 Agent 的 state 流转图一句话说清 LangGraph 和 LangChain 的关系。第 4 周RAG Agent——你的吃饭本事本周目标做一个 PDF 问答 Agent——这是你的作品 1 号也是企业落地大模型 80% 的场景文档问答/知识库。RAG 全流程本周的命根子文档 → 切片chunking→ 向量化embedding→ 存向量库Chroma→ 检索top-k→ 拼进 prompt → 模型生成带引用出处。做什么找一份你熟悉的技术文档喂进去做一个能回答文档内问题、并给出处的问答 Agent。必须摸过的旋钮后面优化全靠它们切块大小/重叠、embedding 模型选择、top-k、是否加重排rerank。先跑通再一个个调记录每次调整前后效果——从现在开始你的每次改动都要能说清为什么。别踩的坑检索不准是常态不是失败。别一上来就追求完美先跑通闭环。通关标准对一份陌生PDF能答对 80% 的文档内事实题能说出为什么切块不能一刀切、重叠有什么用。产品期第 5-8 周把 demo 变成作品把作品变成敲门砖第 5 周FastAPI 包接口 Vue 搓界面——全链路的含金量本周目标把第 4 周的 PDF 问答从脚本升级成产品。做什么FastAPI 把问答逻辑包成POST /ask接口接收 PDF/问题 → 返回答案 出处Vue 搓一个极简界面上传区 对话区能传 PDF、能提问、能看回答为什么这步是分水岭会调 API、会跑 demo 的人一抓一大把能交付前端 后端 AI完整 Web 产品的人不多。作品 1 号从这一刻起可以写进简历了。你的前端底子在这Vue 是你主场别人要学一周的界面你一天就够——这就是 2 年前端经验在 AI 应用时代的溢价。别在这步省时间但也别过度雕花重点在接口设计、异步处理、报错兜底不在 UI 炫技。通关标准浏览器里能传 PDF → 提问 → 拿到带出处的回答模型接口挂了前端有友好提示而不是白屏。第 6 周自动化任务 Agent——你的作品 2 号本周目标做一个能自己干活的 Agent让它自主规划 多工具调用完成一件真实任务。做什么给 Agent 一个目标比如查今天北京天气和明天温差生成一页简报存到本地它自己拆步骤、依次调工具、完成。难点不是跑通是让它中途失败时自己重试或兜底。这周开始把代码当作品养代码传 GitHub仓库结构干净README 写清楚项目是干嘛的 / 架构图 / 怎么跑起来 / 你解决了什么难点为什么面试官筛简历看 GitHub**“能让陌生人 clone 下来跑通”**和一堆没注释的散代码是两个世界。日志、超时、重试、工具失败兜底——这些工程细节正是面试最爱问的线上问题第 6 周开始你就有真实案例可讲了。通关标准Agent 能完整跑通一个多步任务中途失败能自己重试或明确求助GitHub 仓库经得起别人 clone 下来跑。第 7 周多 Agent 协作——给面试官的眼睛加个亮本周目标让多个 Agent 分工干活并配一个看得见的工作流展示。做什么规划 Agent拆任务→ 检索/执行 Agent找资料、调工具→ 总结 Agent汇总输出三个 Agent 分工协作。再用 Vue 简单做个面板实时显示当前哪个 Agent 在干什么——面试演示时看得见比讲得清更有冲击力。必须想清楚的一件事为什么拆成三个而不是一个 Agent 干完——能讲清职责边界和协作方式比喊我会多 Agent值钱得多。别踩的坑重要多 Agent 是加分项不是必选项。别为了炫技硬上——面试官一旦深挖消息怎么传、状态怎么同步、死锁怎么防你答不上来反而扣分。时间紧就把这周的成果并入作品 2 号做增强不必单独开项目。通关标准跑通协作流水线 画出工作流图 能讲 3 分钟为什么这么拆、消息怎么传、失败怎么办。第 8 周项目打磨、简历整理、面试准备——最后一公里本周目标手里 2 个作品从能跑变成扛得住问。1. 优化两个主打项目作品 1 号 PDF 问答 Web 应用作品 2 号 自动化多工具 Agent补注释、补 README、删掉调试垃圾代码每个项目给自己写一份讲解稿为什么这么设计 / 最大的坑是什么 / 线上真实场景出问题怎么定位2. 简历怎么写直接给口径一句话定位“2 年前端经验 Agent 大模型应用开发能独立完成 Web 端 AI 产品”每个项目三行做了什么一句话背景/ 技术栈用了什么/ 难点与解法卡在哪、怎么解决——难点与解法是面试官唯一会追问的部分别写熟悉 LangChain这种空话要写用 LangGraph 把 XX 流程做成可控状态机解决了 XX 问题3. 高频面试题速答三题骨架Agent 工作流程是什么——答感知 → 规划 → 工具调用 → 反思迭代四段式再用你的项目串一遍别背定义讲你项目里 Agent 实际怎么走的记忆怎么实现——分场景答短期记忆 上下文窗口/滑动截断长期记忆 向量库/外部存储。答我把多轮历史截断存上下文、把用户画像存向量库比背概念强RAG 检索优化思路——分两层答召回层切块策略 / embedding 选择 / 混合检索 / 重排→ 生成层prompt 约束 / 引用溯源最后补一句所有改动都要建评估集回归不能靠感觉调——这句是加分项如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】混进去之后怎么站稳当然混进去只是第一步。进去之后站不站得住看的是补课速度。分享我自己验证过的三条1. 抓住「最小闭环」别贪全。别想着把 LLM 全栈知识都学一遍。先把你负责的那条链路完整跑通——哪怕就是「一个提示词调一个模型存一个结果」。跑通之后你就在团队里有了立足点剩下的按需补。我第一周干的事就是把我们的 Agent 主循环用 200 行代码重写了一遍从此开会我敢说话了。2. 把 80% 的旧能力用足。Agent 开发里大部分活是工程活接口设计、状态管理、异常处理、部署监控。这些后端老本行直接用。你的差异化不是「比同事更懂模型」而是「比同事更能把系统做稳」。前一点你短期追不上后一点你天生就有。3. 每天输出一点东西。我开始做「30 天挑战」之后发现写下来是最好的补课方式——写不出来的地方就是没学懂的地方。而且记录本身会让你在团队里快速建立「这个人很懂」的错觉好吧也不全是错觉。