AI 工程主课程¶
从 LLM 到生产级 Agent，不按文章总量推进，而按能力闭环推进。
学习方式¶
本课程从 wiki 的 5,000+ 篇当前文章中，为每个模块挑选 3 篇入口材料：
- 核心原理：建立概念模型。
- 工程案例：观察真实系统如何取舍。
- 延伸阅读：把概念放进更大的技术谱系。
每个模块都有一个动手任务和验收标准。16 个模块共用一个毕业项目：Wiki Research Agent。它会逐步获得检索、工具调用、记忆、评测、引用和部署能力。
16 个模块¶
| 阶段 | 模块 | 结果 |
|---|---|---|
| 基础认知 | M01–M02 | 能解释 LLM，并稳定设计上下文 |
| Agent 原理 | M03–M07 | 能构建带工具、记忆和 RAG 的 Agent |
| 工程实现 | M08–M12 | 能设计框架、协作、评测和 Data Agent |
| 生产落地 | M13 | 能处理安全、部署、成本与降级 |
| 进阶视野 | M14 | 能判断问题应该由模型还是系统解决 |
| 综合案例 | M15–M16 | 能交付 Deep Research Agent 与毕业项目 |
独立学习网站会根据你的文章阅读、动手任务和验收记录计算模块进度；完整提炼结果由构建脚本生成到 learn/course.json。
推荐节奏¶
- 每周完成 1 个模块，不追求一天刷完几十篇文章。
- 入口文章只做建模；遇到项目中的具体问题，再回到资料库深挖。
- 每篇入口文章读完后，至少留下一个判断、一个反例或一段代码。
- 进入下一个模块前，先完成当前模块的动手任务和验收标准。
完整的精选文章、精华摘要和进度记录，请从独立的 AI 工程学习网站 开始。原有 知识 dashboard 保持不变，继续用于资料库检索和个人知识管理。