AI 学习
零基础到能落地:我的 AI 学习路线图(2026 版)
很多人学 AI 的方式是"收藏一堆教程,然后从头到尾看一遍"。这条路走不通。这篇讲我踩了两年坑之后总结出的四阶段路线,以及每个阶段该做什么、不该做什么。
4 分钟
共 6 篇。按标签筛选,或直接搜索关键词—— 搜索会同时匹配标题、简介和标签。
共 6 篇
很多人学 AI 的方式是"收藏一堆教程,然后从头到尾看一遍"。这条路走不通。这篇讲我踩了两年坑之后总结出的四阶段路线,以及每个阶段该做什么、不该做什么。
写了几十个 Skill 之后我发现,Skill 的质量瓶颈从来不是 Prompt 写得好不好,而是它的边界清不清楚。这篇讲如何像写库一样写 Skill:单一职责、显式契约、可回归测试。
做了一年 RAG 项目之后,我把反复用到的检索、重排、评测模块抽成了开源库。这篇讲它的设计取舍,以及为什么我把"可评测"放在"功能多"之前。
从模型 API 到 GPU 算力再到学习资料,整理一份我亲自验证过可用性的免费清单。附每个资源的真实额度和隐藏限制——免费午餐确实存在,但都写在细则里。
给 Agent 加记忆,大部分人的第一反应是"把所有历史丢进上下文"。这个方案在小规模下有效,规模化后必然崩溃。这篇讲三层记忆架构和什么时候该主动遗忘。
大部分 Prompt 技巧在模型升级后会失效。这篇只讲那些我用了两年、跨了四代模型仍然有效的模式——它们的共同点是约束结构而非利用漏洞。