AI工程学习路线图 (AI Engineering Learning Roadmap)
从编程基础到AI工程师的完整学习路径，涵盖LLM APIs、AI代理、RAG技术、基础设施部署等核心技能，专注于AI工程化实践。
结构化学习
共包含 5 个阶段、12 个知识点，循序渐进掌握核心技能。
学习建议
推荐学习时长约为 8-16 个月，可根据自身节奏灵活调整。
关键能力
AI工程 · LLM · AI代理
循序渐进的学习计划
按阶段结构化的学习路径，帮助你系统掌握核心技能。每个阶段都有明确的学习目标和配套资源。
阶段 1
编码与基础
编程基础和机器学习基础
START
入门AI工程学习之旅开始
编码与机器学习基础
入门掌握Python编程、Bash脚本、TypeScript基础、统计学和机器学习模型类型
阶段 2
核心技术
LLM相关技术和工具
LLM APIs
中级学习不同类型的LLM、结构化输出、提示词缓存、多模态模型的使用
模型适配
中级掌握提示词工程、工具使用、微调技术来优化模型性能
RAG与代理RAG
高级掌握数据准备、检索生成、重排序、MCP协议、LLM编排框架
阶段 3
代理系统
AI代理和智能系统
AI代理
高级学习AI代理设计模式、多代理系统、记忆管理、人机协作、代理编排框架
前瞻性元素
高级探索语音和视觉代理、机器人代理、计算机使用、CLI代理、自动化提示词工程
阶段 4
基础设施与运维
存储、基础设施和部署
存储与检索
中级学习向量数据库、图数据库、混合检索、元数据处理技术
基础设施
高级掌握云服务、CI/CD、模型路由、LLM部署等基础设施技能
阶段 5
安全与质量
安全防护和质量保证
安全
中级学习防护栏设置、LLM应用测试、伦理考虑等安全措施
可观测性与评估
中级掌握代理仪表化、可观测性平台、评估技术、AI代理评估方法
📚 配套学习资源
精选课程、文章、工具等资源，帮助你在每个阶段深入学习
The State of AI Coding 2025
🔗 编码与机器学习基础
来自斯坦福CS146S课程的AI编码现状报告，基于11000+开发者的数据。包含AI工具采用情况（Claude Code、Cursor等）、不同领域的生产力指标（1-2x提升为主，前端可达2x+）、主要挑战（幻觉、定制化）等数据驱动洞察
Cursor - AI-First Code Editor
🔗 编码与机器学习基础
新一代AI原生代码编辑器，CS146S课程推荐的核心开发工具。支持AI辅助编码、智能代码补全、上下文感知对话
Claude Code
🔗 编码与机器学习基础
Anthropic的AI编码助手，The State of AI Coding 2025报告中开发者最常用的AI工具之一。与Cursor并列主导AI编码工具市场
OpenAI API Documentation
🔗 LLM APIs
OpenAI官方API文档，包含详细的使用指南、代码示例和API参考
CS146S Course Assignments (GitHub)
🔗 LLM APIs
斯坦福CS146S课程的8周作业集合，包含实战编程任务。使用Python 3.12、Poetry依赖管理，涵盖AI辅助开发的各个方面。511+ stars，活跃的学习社区
Prompt Engineering Guide
🔗 模型适配
全面的提示词工程指南
CS146S: The Modern Software Developer
🔗 模型适配
斯坦福大学2025年新课程，探讨AI如何改变软件开发全生命周期。从Cursor、Warp等新一代IDE到Coderabbit等代码审查平台，学习人机协作编程而非简单的vibe coding，掌握如何管理AI代理实习生团队
AI Software Development: From First Prompt to Production Code
🔗 模型适配
Mihail Eric（CS146S讲师）在Maven平台的深度课程。4周13节课+4个项目：构建编码Agent、MCP服务器、REPIT开发循环、AI优先开发环境。每周3-4小时，小班教学
CrewAI
🔗 AI代理
多代理AI系统框架
AI Agent Design Patterns
🔗 AI代理
AI代理设计模式详细解析
MCP (Model Context Protocol)
🔗 RAG与代理RAG
Anthropic推出的模型上下文协议，用于AI代理与外部工具和数据源的标准化集成。CS146S课程重点教授的核心技术