AI实践(0)学习路线
AI实践(0)学习路线
Author: Once Day Date: 2026年2月28日
一位热衷于Linux学习和开发的菜鸟，试图谱写一场冒险之旅，也许终点只是一场白日梦…
漫漫长路，有人对你微笑过嘛…
全系列文章可参考专栏: AI实践成长_Once-Day的博客-ZEEKLOG博客
参考文章:文档 – Claude 中文 - Claude AI 开发技术社区从零到专家：普通人学习人工智能的完整指南 - 软件职业规划 - 博客园小白变大神！2025年人工智能（AI）初学者学习路线图，轻松从入门到高手！ - 知乎OpenAI for developers提示工程指南：生成式人工智能终极指南 — Prompt Engineering Guide: The Ultimate Guide to Generative AIOpenAI 文档介绍 | OpenAI 官方帮助文档中文版文本补全（Text completion） | OpenAI 官方帮助文档中文版Home - Docs by LangChainReAct范式全流程详解-ZEEKLOG博客我用 OpenCode 跑 AI 编程工作流——桌面批注、Web UI、手机监工用了 9 个月 AI 编程后，我只推荐这一套工作流——别让 AI 直接写代码
文章目录
1. 为什么学习AI使用方法？
过去十年间，AI 技术经历了从实验室到产业界、再到普通用户桌面的快速迁移。以 ChatGPT 为代表的大语言模型在 2023 年引爆了全民关注，而随后涌现的 Midjourney、Copilot、Sora 等工具进一步将 AI 的能力边界拓展到图像生成、代码辅助和视频创作等领域。AI 已不再是科研论文中的抽象概念，而是触手可及的生产力工具，这意味着"会不会用 AI"正在成为一种新的基础素养。
从职业发展的角度看，AI 正在重塑几乎所有行业的工作流程。程序员借助 GitHub Copilot 提升编码效率，设计师通过 Stable Diffusion 快速产出概念稿，运营人员利用大模型批量生成营销文案——这些场景的共同特点是：AI 并非替代人类，而是作为"倍增器"放大个体的产出能力。掌握 AI 工具的人与不掌握的人之间，效率差距可能达到数倍甚至数十倍。
更深层的原因在于，AI 的使用本身具有显著的"提示工程"门槛。同样的模型，不同的提问方式会导致截然不同的输出质量。学习 AI 不仅仅是学会点击某个按钮，更核心的是理解模型的能力边界、掌握结构化提示的技巧、建立对生成结果的批判性判断力。这是一套需要刻意练习才能形成的思维方式，而非简单的工具操作。
此外，AI 技术的迭代速度极快，模型能力每隔几个月就会发生质的飞跃。今天的局限可能在下一个版本中被突破，而新的能力又会催生出全新的应用场景。如果不持续学习，就很容易陷入"用旧方法解决新问题"的惯性陷阱。保持对 AI 前沿动态的跟踪和实践，才能在技术浪潮中持续捕获红利。
从社会层面来说，AI 素养的普及也关乎信息安全与认知防线。深度伪造、AI 生成的虚假信息正在侵蚀公共信任，只有理解 AI 的生成机制，才能更好地识别和防范这些风险。学习 AI 不只是为了"用好它"，同样也是为了"不被它误导"。在 AI 渗透日常生活的大趋势下，主动学习远比被动适应更为明智。
2. 核心概念介绍
人工智能（AI）、机器学习（ML）与深度学习（DL）三者之间是逐层包含的关系。
AI是最广义的概念，泛指让机器模拟人类智能的技术体系；ML是实现AI的主流路径，其核心思想是让模型从数据中自动学习规律而非依赖显式编程；DL则是ML的一个子集，通过多层神经网络来提取高层次抽象特征，在图像、语音、文本等领域表现尤为突出。
数据是驱动一切 ML 模型的燃料。按形态可分为结构化数据（如数据库表格）和非结构化数据（如图片、文本、音频）。原始数据往往不能直接输入模型，需要通过特征工程将其转化为模型可理解的数值表示，例如对类别变量做 One-Hot 编码、对文本做 TF-IDF 统计等。特征质量的高低直接决定了模型效果的上限。
根据训练方式的不同，ML 可划分为三大范式：
- 监督学习利用带标签的数据进行训练，适用于分类与回归任务；
- 无监督学习在无标签数据上挖掘隐藏结构，常见于聚类和降维场景；
- 强化学习则让智能体在与环境的交互中通过奖励信号不断优化策略，典型应用包括游戏 AI 和机器人控制。
神经网络是深度学习的基石，其基本单元是模拟生物神经元的感知器。在此基础上衍生出多种经典架构：CNN（卷积神经网络）擅长捕捉空间特征，广泛用于图像任务；RNN/LSTM 适合处理序列数据；Transformer 架构凭借自注意力机制彻底改变了 NLP 领域的格局，并逐步向多模态方向扩展。
自然语言处理（NLP）关注的是让机器理解和生成人类语言。其技术栈从早期的分词、词袋模型，演进到 Word2Vec 词嵌入，再到如今基于 Transformer 的预训练语言模型（如 GPT、BERT）。落地场景涵盖聊天机器人、机器翻译、文本生成以及语义搜索引擎等。
计算机视觉（CV）致力于让机器从图像和视频中提取信息。核心任务包括图像分类、目标检测与图像生成，分别对应 ResNet、YOLO、Diffusion Model 等代表性模型。这些技术已深入自动驾驶、人脸识别和增强现实等实际产品中，是当前商业化程度最高的 AI 分支之一。
模型训练完成后需要通过合理的指标进行评估。分类问题常用准确率、精确率、召回率和 F1-Score，并借助混淆矩阵直观呈现各类别的预测分布；回归问题则通常采用 MAE、MSE 和 R² 等指标衡量预测值与真实值的偏差程度。选择合适的评估指标与业务目标强相关。
随着 AI 系统渗透到社会各层面，伦理问题日益凸显。训练数据中的偏差可能导致模型输出带有歧视性结论；深度模型的"黑箱"特性使得决策过程难以解释，在医疗、司法等高风险场景中尤为棘手；此外，大规模数据采集引发的隐私风险也亟需通过差分隐私、联邦学习等技术手段加以缓解。
3. AI核心技能
检索增强生成（RAG）是当前大模型落地的关键技术之一。其核心思路是在模型生成回答之前，先从外部知识库中检索相关文档片段，再将检索结果作为上下文注入 Prompt，从而缓解大模型的"幻觉"问题并实现知识的实时更新。LangChain 和 LlamaIndex 是构建 RAG 管线的两大主流框架，前者侧重通用编排能力，提供灵活的链式调用接口；后者专注于数据索引与检索优化，在文档问答场景中开箱即用。
AI Agent（智能代理）代表了大模型应用的下一个演进方向。与传统的单轮问答不同，代理能够自主规划任务、调用外部工具、在多步推理中持续迭代直至达成目标。早期探索如 AutoGPT、BabyAGI 验证了"大模型驱动自主循环"的可行性，而 LangGraph agents 和 CrewAI 等框架则将代理开发推向了工程化阶段。构建一个可靠的代理系统，需要掌握以下几项核心能力：
- 决策循环理解：代理通常遵循"感知→规划→执行→观察"的循环架构，理解这一闭环是调试和优化代理行为的前提。
- 工具调用与插件编排：代理的能力边界取决于它可以调用的工具集，包括搜索引擎、代码解释器、数据库查询等。
- 记忆管理：短期记忆用于维持当前任务上下文，长期记忆则通过向量数据库等方式实现持久化，两者协同决定了代理在复杂任务中的连贯性。
- Prompt 链与任务拆解：将复杂目标分解为可执行的子任务，并通过
Prompt链串联每个步骤的输入输出，是代理可靠运行的关键设计模式。
代理架构突破了单轮对话的天花板，正在成为自动化工作流、深度研究和企业级 AI 应用的核心载体。
模型上下文协议（MCP）是 Anthropic 于 2024 年发布的开源标准，旨在为 AI 模型与外部数据源、工具之间建立统一的连接规范。可以将其类比为 AI 领域的"USB-C 接口"——无论底层模型是什么，只要工具侧实现了 MCP 协议，就可以即插即用地完成数据读取、API 调用等操作。这一标准大幅降低了代理系统的集成成本，推动了工具生态的标准化发展。
提示词工程（Prompt Engineering）是所有 AI 技能的基础。通过精心设计指令结构、提供少样本示例、设定角色与约束条件，用户可以显著提升模型输出的准确性和可控性。在开发侧，OpenCode 和 Claude Code 等终端编程工具将大模型能力直接嵌入开发者的命令行工作流，支持代码生成、调试、重构等操作，使 AI 辅助编程从 IDE 插件进一步延伸到更灵活的终端场景。这些技能点相互交织，共同构成了当下 AI 实践者的核心能力栈。
3.1 提示词与交互层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 提示词 | Prompt | 用户输入给模型的自然语言指令 | 所有大模型交互的基础 |
| 系统提示词 | System Prompt | 预设模型角色、行为边界的隐藏指令 | ChatGPT 自定义指令、API 调用 |
| 提示词工程 | Prompt Engineering | 通过设计提示结构优化模型输出质量的技术 | 少样本示例、角色设定、约束条件 |
| 提示词模板 | Prompt Template | 可复用的参数化提示词结构 | LangChain PromptTemplate |
| 思维链 | Chain of Thought (CoT) | 引导模型逐步推理而非直接输出答案 | 复杂数学题、逻辑推理任务 |
| 少样本/零样本 | Few-shot / Zero-shot | 在提示中提供示例（或不提供）引导输出格式 | 分类、格式化输出 |
| 结构化输出 | Structured Output | 约束模型按指定格式（如 JSON）返回结果 | JSON Mode、Function Calling |
3.2 模型与参数层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 令牌 | Token | 模型处理文本的最小单元 | 计费、上下文长度计算 |
| 上下文窗口 | Context Window | 模型单次可处理的最大 Token 数 | GPT-4o 128K、Claude 200K |
| 温度 | Temperature | 控制输出随机性的采样参数，越高越发散 | 创意写作高温，代码生成低温 |
| Top-p / Top-k | Nucleus / Top-k Sampling | 控制候选词概率分布的采样策略 | API 参数调优 |
| 流式输出 | Streaming | 模型逐 Token 返回结果而非等待完整生成 | 聊天界面实时显示 |
| 多模态 | Multimodal | 模型同时处理文本、图像、音频、视频等 | GPT-4o、Gemini |
| 幻觉 | Hallucination | 模型生成看似合理但事实错误的内容 | 所有生成式模型的固有风险 |
3.3 模型优化与训练层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 微调 | Fine-tuning | 在预训练模型基础上用特定数据继续训练 | 垂直领域模型定制 |
| 低秩适配 | LoRA / QLoRA | 通过低秩矩阵高效微调大模型的参数子集 | 消费级 GPU 上微调 LLaMA |
| 量化 | Quantization | 降低模型参数精度以减少显存占用和推理成本 | GGUF、GPTQ、AWQ |
| 蒸馏 | Distillation | 用大模型的输出训练小模型以迁移能力 | 边缘端部署、降本 |
| 对齐 | Alignment | 使模型输出符合人类价值观和意图 | RLHF、DPO、Constitutional AI |
| 人类反馈强化学习 | RLHF | 通过人类偏好标注训练奖励模型来优化生成 | ChatGPT 训练流程核心环节 |
| 嵌入 | Embedding | 将文本/图像映射为高维向量表示 | 语义搜索、RAG 检索 |
3.4 检索与知识层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 检索增强生成 | RAG | 检索外部知识注入上下文后再生成回答 | LlamaIndex、LangChain |
| 向量数据库 | Vector Database | 专门存储和检索向量嵌入的数据库 | Pinecone、Milvus、Chroma |
| 知识库 | Knowledge Base | 供模型检索的结构化/非结构化文档集合 | 企业内部文档问答系统 |
| 事实锚定 | Grounding | 将模型输出与可验证的外部信息源关联 | Google Grounding、引用标注 |
| 联网搜索 | Web Search | 模型实时调用搜索引擎获取最新信息 | ChatGPT Browse、Perplexity |
| 深度研究 | Deep Research | 代理自动多轮检索、整合并生成研究报告 | Gemini Deep Research、OpenAI Deep Research |
3.5 Agent 与编排层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 智能代理 | AI Agent | 能自主规划、决策、执行任务的 AI 系统 | AutoGPT、LangGraph Agents |
| 多代理 | Multi-Agent | 多个代理协作完成复杂任务 | CrewAI、AutoGen、MetaGPT |
| 推理与行动 | ReAct | 交替进行推理（Reason）和行动（Act）的代理范式 | LangChain ReAct Agent |
| 规划 | Planning | 代理将复杂目标拆解为子任务序列的能力 | 任务分解、执行计划生成 |
| 记忆 | Memory | 代理维护短期/长期上下文信息的机制 | 对话历史、向量化长期记忆 |
| 工作流 | Workflow | 预定义步骤的自动化执行流程 | Dify、Coze、n8n |
| 编排 | Orchestration | 协调模型、工具、数据源之间调用顺序的逻辑层 | LangChain、LangGraph |
| 链 | Chain | 将多个处理步骤串联的调用模式 | LangChain LCEL |
3.6 工具与协议层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 工具调用 | Tool Use/Tool Calling | 模型识别意图并调用外部函数或 API | Function Calling、Tool Use API |
| 函数调用 | Function Calling | 模型按 Schema 生成函数参数由程序执行 | OpenAI Function Calling |
| 插件 | Plugin | 为模型扩展特定能力的可插拔模块 | ChatGPT Plugins（已演进为 GPTs） |
| 模型上下文协议 | MCP | Anthropic 发布的 AI 与工具连接的开源标准 | 类比"USB-C 接口"，标准化工具集成 |
| 代理间协议 | A2A | Google 提出的代理之间通信与协作的协议 | 跨平台多代理互操作 |
| 代码解释器 | Code Interpreter | 模型在沙箱中编写并执行代码 | ChatGPT Code Interpreter |
| 沙箱 | Sandbox | 隔离运行代码/工具的安全环境 | 代码执行、文件处理 |
3.7 技能与产品层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 技能 | Skills | 封装特定能力的可复用提示词或工具组合 | Copilot Skills、Coze 插件 |
| 自定义助手 | Custom GPT / GPTs | 用户自定义角色、知识和工具的专属 AI 助手 | OpenAI GPT Store |
| 画布 | Canvas / Artifacts | 模型输出可交互编辑的独立内容面板 | Claude Artifacts、ChatGPT Canvas |
| AI 编程助手 | AI Coding Assistant | 在 IDE 或终端中辅助代码生成与调试 | Copilot、Cursor、Claude Code |
| 终端编程工具 | CLI Coding Tool | 命令行环境下的 AI 编程交互工具 | OpenCode、Claude Code、Aider |
| 护栏 | Guardrails | 对模型输入输出进行安全过滤和格式校验的机制 | Guardrails AI、NeMo Guardrails |
3.8 安全与治理层
| 概念 | 英文 | 简要说明 | 典型场景/工具 |
|---|---|---|---|
| 越狱 | Jailbreak | 绕过模型安全限制使其输出违规内容的攻击手法 | 提示注入、角色扮演绕过 |
| 提示注入 | Prompt Injection | 通过恶意输入劫持模型行为的攻击方式 | 间接注入、指令覆盖 |
| 红队测试 | Red Teaming | 主动探测模型安全漏洞的对抗性评估 | 模型发布前的安全审计 |
| 可解释性 | Explainability / XAI | 让模型决策过程可被人类理解的技术 | SHAP、LIME、注意力可视化 |
| 数据偏差 | Data Bias | 训练数据中的偏见导致模型输出歧视性结果 | 公平性审计、去偏训练 |
4. 学习路线
在当前阶段，优先学习应用能力，包括提示词、Token、上下文窗口、幻觉、知识库、联网搜索、代理、工作流、工具、函数调用、模型上下文协议、技能、编程助手、终端工具等方面。
以下学习路线按"认知→增强→编排→实践"四个阶段递进展开，每个阶段的知识都是下一阶段的前置依赖。
基础认知
知识增强
智能编排
开发实践
提示词 / Token / 上下文窗口 / 幻觉
知识库 / 联网搜索
代理 / 工作流 / 工具 / 函数调用 / MCP
技能 / 编程助手 / 终端工具
4.1 第一阶段：基础认知
这一阶段的核心目标是建立与大模型交互的正确心智模型。建议先通读一遍 OpenAI 官方文档，再结合提示词工程指南反复练习，重点体会 Token 计量与上下文窗口对实际对话质量的影响。
| 知识点 | 学习建议 | 参考资料 |
|---|---|---|
| 提示词 | 从零样本、少样本、思维链三种范式入手，在 ChatGPT 或 Claude 中反复对比不同写法的输出差异 | Prompt Engineering Guide |
| Token | 使用 OpenAI 的 Tokenizer 工具实际拆解中英文文本，观察分词结果和计数规律 | OpenAI Tokenizer |
| 上下文窗口 | 尝试在长对话中观察模型"遗忘"现象，理解滑动窗口截断机制 | OpenAI Models 文档 |
| 幻觉 | 收集真实幻觉案例进行归因分析，了解常见缓解策略如引用溯源、置信度标注等 | Survey of Hallucination in LLMs |
关键词解释：
Prompt（提示词）是与大模型交互的核心手段，掌握角色设定、少样本示例、思维链等技巧是一切应用的起点。Token是模型处理文本的最小单元，中文一个汉字通常被切分为 1～2 个Token，它直接决定了调用成本和输入上限。Context Window（上下文窗口）定义了模型单次对话能"看到"的Token总量，超出窗口的信息会被截断，因此理解其边界对长文本任务至关重要。Hallucination（幻觉）指模型生成看似合理但事实错误的内容，认识幻觉的成因才能在后续阶段有针对性地缓解它。
4.2 第二阶段：知识增强
知识库和联网搜索是当前落地最广泛的增强手段。建议先用 Dify 或 FastGPT 等平台快速搭建一个端到端的 RAG 应用，获得直观体感后再深入 Embedding、向量检索和 Chunk 策略等底层细节。
| 知识点 | 学习建议 | 参考资料 |
|---|---|---|
| 知识库（RAG） | 选一份自己熟悉的文档作为语料，走通"切片→向量化→检索→生成"全流程，重点关注切片粒度对召回质量的影响 | LangChain RAG 教程、Dify 官方文档 |
| 联网搜索 | 体验 Perplexity、ChatGPT Browse 等产品的搜索增强效果，再通过 API 集成 Tavily 等搜索工具自行实现 | Tavily API 文档 |
关键词解释：
- 知识库通常基于
RAG（检索增强生成）架构实现：先将私有文档切片并通过Embedding模型向量化，存入向量数据库，查询时检索最相关片段注入上下文，从而让模型回答"它未曾训练过"的领域问题，是抑制幻觉最直接的手段。 - 联网搜索则是另一条增强路径，它允许模型在推理前实时检索互联网信息，解决知识时效性问题，二者经常组合使用以兼顾私域深度和公域广度。
4.3 第三阶段：智能编排
这一阶段概念密度最高，建议以 Dify 或 Coze 作为可视化实验平台，先拖拽搭建一个包含工具调用的 Agent，再阅读源码理解底层的 Function Calling 协议。MCP 作为新兴标准，重点关注其"统一工具接入"的设计思想。
| 知识点 | 学习建议 | 参考资料 |
|---|---|---|
| 代理（Agent） | 从 ReAct 范式入手，理解"推理→行动→观察"循环，再扩展到多 Agent 协作场景 | LangChain Agents 文档 |
| 工作流 | 在 Dify 或 Coze 中搭建一个包含条件分支和循环的工作流，对比与 Agent 自主决策的差异 | Dify Workflow 文档 |
| 工具 / 函数调用 | 手动编写一个天气查询 Function，通过 OpenAI API 的 tools 参数完成端到端调用 | OpenAI Function Calling 指南 |
| MCP | 阅读协议规范，理解 Resource、Tool、Prompt 三种原语，尝试用官方 SDK 实现一个简单的 MCP Server | MCP 官方文档 |
关键词解释：
Agent（代理）是具备自主规划与工具调用能力的智能体，能将复杂任务拆解为多步执行。Workflow（工作流）则以显式的有向图定义执行流程，确定性更强，适合对可控性要求高的场景。二者的行动能力都依赖于Tool（工具）和Function Calling（函数调用）——模型输出结构化的函数名与参数，由宿主程序执行真实操作后将结果回传。MCP（模型上下文协议）是 Anthropic 提出的开放标准，它为模型与外部工具/数据源之间定义了统一的通信协议，使不同工具的接入像 USB 一样即插即用，正在成为Agent生态的重要基础设施。
4.4 第四阶段：开发实践
最后一个阶段重在"用起来"。建议将 Cursor 或 Claude Code 融入日常开发流程，从代码补全、单元测试生成等小任务开始，逐步过渡到用自然语言驱动完整功能开发，在实践中串联前三阶段的所有知识。
| 知识点 | 学习建议 | 参考资料 |
|---|---|---|
| 技能封装 | 在 Coze 或 Dify 中将一组工具和提示词封装为可复用的技能插件，理解技能的输入输出契约设计 | Coze 技能文档 |
| 编程助手 | 以 Cursor 为主力工具，重点掌握 Tab 补全、Cmd+K 编辑和 Chat 三种交互模式的适用场景 | Cursor 官方文档 |
| 终端工具 | 安装 Claude Code，从文件操作和脚本执行等基础任务入手，逐步尝试让它独立完成项目级别的代码重构 | Claude Code 文档 |
关键词解释：
Skill（技能）是对一组提示词、工具调用和工作流的封装，可以理解为Agent的"可复用能力模块"。- 编程助手如
Cursor、GitHub Copilot将上述能力深度集成进 IDE，实现代码补全、跨文件重构和自然语言驱动开发。 - 终端工具如
Claude Code则将Agent能力延伸到命令行环境，可直接操作文件系统、执行脚本，是当前 AI 辅助开发的前沿方向。建议在此阶段选择一个实际项目，串联前三阶段知识进行端到端实践。
Once Day
也信美人终作土，不堪幽梦太匆匆......
如果这篇文章为您带来了帮助或启发，不妨点个赞👍和关注！
(｡◕‿◕｡)感谢您的阅读与支持~~~
