前言

很多同学说想学习AI，但是不知道从哪里开始，学习路线是什么。我学习AI已经有一段时间了，这篇文章来聊聊我是如何学习AI的，欢迎各位大佬补充和指点。

我是怎么开始的

16年的时候我是零基础自学前端，所以开始学习AI的时候我想将自学前端的那一套搬过来使用。

以前我是这样自学前端的：

• 知乎上面搜索前端学习路线和入门经典书

• 淘宝上面9.9元买培训班的前端视频

• 看视频、跟着视频敲代码、看书、跟着视频写项目、找工作

按照这个套路去学AI，结果把我搞得很迷茫。

先去知乎上面去搜索AI学习路线，基本得到的都是这种回答：

1. 学习python

2. 学习高数

3. 学习机器学习

4. 学习深度学习

5. 大模型训练

6. 大模型应用

看的我一脸蒙蔽，直接劝退。

【首先说明】不是这种路线不好，而是不适合我们这种工程师去学习（不管是前端工程师还是后端工程师）。

我们工程师擅长的是在技术更上层去做更贴近用户的产品，而不是去研究底层原理。当然你想要在技术上面有更大的突破，研究原理肯定是需要的。但是不应该在连hello world都还没写出来的情况下去学习底层原理。

刚刚接触AI，上面的学习路径里面除了python之外，其他每个字我都认识，但是连起来我就不认识了（高数也早就还给老师了）。

知乎的学习路线图看来是行不通了（我没有在知乎找到适合工程师的AI学习路线图），然后我就想到了B站，毕竟B站号称“B站大学”。

B站上面各种搜，最后找到看着播放量和评论都不错的系列视频。

bilibili

这个视频是培训机构发的，是往期的培训视频录播，看着播放量和评论都不错。

初看感觉干货挺多的，讲的内容我都能听懂。

现在回过头来看，里面主要就是在讲一些大模型概念和如何调用接口和框架API。在前端深耕多年，我最擅长的就是调接口和使用框架API了。。。。。

所以现在回过头来看，这个算是踩坑了，浪费了不少时间。这个视频适合那种纯小白，不适合我们这种工程师。

油管学习

看完B站的视频后对AI的基础概念和langchain开发有了一定的了解，但是仅停留在表面。

之前关注了不少大厂的技术公众号:

我发现今年他们都只发AI相关的内容了，这也算是一个风向标，我也跟着这些公众号学习。但是有个问题，知识都太零散了，我现在需要的是一个有深度的成体系的小册或者系列视频。

日常学习，刷到一篇关于Transformer和大模型底层原理的文章：

说实话，那会儿看不懂这篇文章。于是去看这篇文章的参考资料，看到一篇很牛逼的参考文章：

从知乎的1.5万点赞量就可以看出来这篇文章不一般了，文章开头就推荐去看李宏毅老师的视频，作者还觉得李老师关于Transformer的讲解是史上最强的！

跳过文章，直接去油管上面看李宏毅老师的视频：

youtube

李宏毅老师是台湾大学的老师，油管上面每一年的系列视频都是他那一年在台大开设的课程，这刚好就是我苦苦寻找的，还是免费的。

他的讲课风格非常有趣，不会看着想睡觉。面向的是小白，但是内容很有深度。课程中的内容我基本都看懂了，之前那些大模型原理文章我看不懂可能真不是我的问题。

我看完了他的2024年和2025年的课程，基本对大模型的底层原理有了系统性的认知，还有一个2021年机器学习课程还没看，准备过段时间来看。

真的很推荐大家去油管看看李宏毅老师的课程！！！！ 油管上面有很多免费课程比国内的那些付费课程甩了可能有几百个太阳系的距离吧。

从开源项目中学习

光看理论知识还是不够的，还是得做项目才行。要做项目肯定需要学习一个大模型的开发框架，我选择了langchain这个最流行的框架。

将langchain的文档全部看了一遍，并且也跟着文档中的例子写了一些demo。

在看langchain文档的时候，发现他推荐agent开发使用langgraph，所以又将langgraph也学了一遍。

学习完langchain和langgraph后，并且也写了一些代码。

但是总感觉自己很“虚”，因为我一直都在研究理论和写demo级别的代码，不虚才有鬼了。

如何破局呢？

付费加入AI项目训练营？靠忽悠去找一份agent开发的工作？

这两个方案我觉得都不怎么靠谱。

回想一下自己入行前端的经历或许可以参考，那会儿行情不错，我入职第一家公司的时候其实和现在一样也很“虚”。

那会儿入职后领导就给我加了一个代码仓库的权限，然后就安排开发新需求。

从没做过真实项目的我，迫于压力硬着头皮啃代码，看不懂就问隔壁的大佬，那段时间是我技术成长最快的时候。

那么如何找一个AI的真实项目呢？

今年国内死命卷开源大模型，那么开源AI项目是不是也应该有不少呢？

上GitHub上面一顿搜索，还真让我找到很多优秀的开源项目。

研究的第一个项目是字节开源的deer-flow，这是一个基于langgraph开发的深度研究agent项目。将项目搞懂，差不多能够达到初中级的程度。

这个项目是python开发的，在研究的过程中我复刻了一个nodejs版本，基本就将项目掌握的七七八八了。

还有一个这个月开源的清华大学教授团队的深度研究项目（我还没细看）：

MiroMind

今天，经过一个季度的努力，MiroMind正式亮相并发布我们重磅开源项目，MiroMind Open Deep Research (Miro ODR)。MiroODR是当前开源最强Deep Research模型，真全开源且可复现，核心模型、数据、训练流程、AI Infra、DR Agent框架统统开源，复现无压力。我们将以每月一次开源更新的速度，同社区一起创作最强Deep Research模型。

这个是真开源，基本将所有东西都开源了，很适合学习。

还有一个vibe coding的开源项目值得推荐去看：

这个项目中包含了前端和后端的所有代码，原名为“OpenDevin”。从名字你应该就能看出来这个是Devin的开源版本，里面的项目代码复杂度很高，适合进阶学习。

总结

从现在的视角来看我之前的学习路线是有问题的，如果让我给学习路线的建议，我觉得应该是这样的：

1. 注册大模型平台账号获取自己的token

2. 看langchain文档和langgraph文档，跟着文档写demo，并且使用自己的token将demo跑起来

3. 研究GitHub字节开源的deer-flow项目，复刻一个js版本

4. 看油管上面李宏毅老师的大模型底层原理课程

5. 研究GitHub上面企业级复杂度的agent项目

6. 做一个自己的AI agent产品

7. 期待各位大佬补充

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。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

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。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

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】