把 AI 学习顺序理清了：20 个专题，4 条路线，一张学习地图
范冰的二次学习 · 学习与成长
范冰的二次学习 2026-11-05 08:58 上海 20 个专题、4 条路线，帮你从学 AI 走到做出项目。 学 AI 最让人头疼的，可能不是资料太少。 而是资料实在 太多了 。 今天收藏 1 套 Agent 教程，又想起昨天看到的 Embedding、MCP、Skills、Harness、Loop…… 每个词好像都认识一点，但真要把它们连起来，又找不到清楚的顺序。 直接做项目，遇到报错又不知道该补哪部分基础。 想把 Agent 用进真实工作，最后还是停在聊天、复制代码、手动检查这几步。 所以，我整合出了这张学习地图—— 「AI 工程师知识库」 20 个知识库专题，4 类学习方向。 从理解 AI、开发你的应用，到搭建可靠的 Agent，最后，带你完成真实项目。 是一套可以按问题查找，也可以沿着主线学习的 AI 工程资料库 。 扫描下方二维码，领取 AI 工程师知识库 为什么值得学？ 因为 AI 时代，真正让能力发生变化的，是打完一个闭环，并沉淀为你的 AI 工程能力。 这份知识库的 理论部分 帮助你判断技术路线； 开发部分 带你处理错误、数据和验收； 工具教程 则用真实项目练习规划、修改、测试和交付。 你读到的是一条从「理解模型」到「做出应用」，再到 「让 Agent 可靠工作」 的连续路径。 4 条路线，找找和你有关的内容 想补齐基础？ 👉 看 「AI 理论基础」「大模型理论基础」和「大模型发展史」 。 前两套从机器学习和神经网络，讲到 Token、Transformer、RAG、微调、多模态与 Agent。 「大模型发展史」 则串起 ChatGPT、开放模型、推理模型、Vibe Coding、Coding Agent 和个人 Agent。 想亲手做一个 AI 应用？ 👉 看 「大模型应用开发基础」「大模型应用工程」和「150 道 AI 面试题」 。 「大模型应用开发基础」 用 DeepSeek API 做个人笔记助手，从第一次调用，逐步做到结构化输出、错误重试、RAG、网页界面和数据保存。 「大模型应用工程」 继续解决需求拆分、Git、上下文、测试、日志、权限、长任务与发布，让项目不只是能运行，还能验证和交付。 「150 道 AI 面试题」 覆盖大模型、提示工程、RAG、Agent、部署、评测、安全和成本。既能准备面试，也能用来查漏补缺。 想让 Agent 更可靠地工作？ 👉 看 「DeepSeek Harness」「Harness Engineering」「Loop Engineering」和「Jev」 。 「DeepSeek Harness」 从安装配置讲到 Skills、MCP、子智能体、长目标和自动化。 「Harness Engineering」 研究怎样让 Agent 读懂仓库、启动项目、查看日志并验证结果。 「Loop Engineering 」 解决暂停恢复、重试、求助和停止条件。「Jev」则把分类、评分、不确定性和人工复核放进应用流程。 它们共同回答一个问题： 模型已经会做很多事之后，怎样给它环境、边界和反馈，让它把事情做完？ 想真正用好 Coding Agent？ 👉 从 8 套实战教程里，选择你正在使用的工具。 「Claude Code 实战入门」 围绕 MealCraft，覆盖 CLAUDE.md、Skills、Hooks、MCP、Subagents 和自动化。 「Codex 极简入门」 用 TaskFlow 串起 AGENTS.md、Skills、Plugins、MCP、Apps 与多 Agent 协作。 「Kimi Code 教程」 从体重管理小助手出发，练习权限、上下文、多模态、目标模式和定时任务。 另外还有 MiniMax Code 的 habitlog、Qoder 的记账小管家、TraeCode 的家庭账本，以及 ZCode 的今日专注清单。CodeBuddy 则用接手仓库、补测试、修 Bug、重构和部署等七个场景，带你走完开发流程 。 先选你正在使用的那一个，完整做完一个项目。 怎么读？带着这 3 个问题 打开知识库时，可以带着三个问题。 我现在遇到的，究竟是知识问题、工具问题，还是工程环境问题？ 这套方法成立，需要哪些条件，放到我的项目里是否适用？ 读完这一节，我今天可以完成哪个能够验证的小任务？ 真正让能力发生变化的，是是否能打完一个闭环。这套知识库想做的，就是把原本散落的步骤接起来。 先找到眼下最相关的一套，做完一个小项目，解决一个真实问题。让零散的概念，慢慢变成你的工程能力。 扫描下方二维码，领取 AI 工程师知识库 跳转微信打开