一、写在前面先搞懂 3 个核心问题1. 零基础真的能学大模型吗能但别走错路。很多人一上来就死磕 Transformer 公式、推导反向传播学了半个月还没写过一行 AI 代码直接劝退。零基础学大模型分两条路应用开发路线90% 的人选这个不用懂复杂数学会 Python 基础就能学主打调用 API、搭框架、做项目2-3 个月就能上岗做 AI 应用开发。算法研究路线需要扎实的数学、深度学习基础适合科班出身、想做模型训练 / 微调的人。本文主讲应用开发路线也是普通人入行最快的路径。2. 学完能做什么岗位有哪些岗位AI 应用开发工程师、大模型应用工程师、智能体开发工程师、AI 产品经理产出企业知识库问答系统、智能客服、自动化办公 Agent、行业数据分析助手薪资一线城市应届生 10-20K1-3 年经验 20-40K3. 学习前需要什么基础最低要求会 Python 基础语法变量、循环、函数、类加分项懂 HTTP 接口、JSON 数据格式、Git 基本操作完全不会 Python先花 1 周补基础文末有推荐课程。二、3 个月系统学习路线按阶段执行阶段一基础筑基期第 1-4 周—— 建立认知摸透核心概念目标搞懂大模型是什么、能做什么、核心技术有哪些会调用 API 做简单应用表格学习模块核心内容学习时长掌握标准大模型基础认知什么是大模型、LLM、NLP主流模型对比GPT、Claude、文心一言、通义千问、Llama大模型能做什么、不能做什么3 天能给外行讲清楚大模型的原理和边界Prompt 工程重中之重提示词核心原则结构化提示词思维链 (CoT)少样本提示角色设定提示词优化技巧常见坑与避坑7 天写的提示词能让 AI 稳定输出符合要求的内容不胡说八道Python 与工具基础Python 进阶requests 库、json 处理虚拟环境搭建API 调用原理Postman 接口调试10 天能独立调用 OpenAI / 通义千问 API实现对话、翻译、总结等功能核心概念扫盲Token、上下文窗口、Embedding、向量、微调、RAG、Agent 分别是什么有什么用3 天看到技术术语不发懵知道各自的应用场景✅阶段产出一个基于 API 的智能对话助手、10 个常用场景的高质量提示词模板阶段二核心技术期第 5-8 周—— 攻克 RAG 与 Agent 两大核心目标掌握大模型应用最核心的两大技术能独立搭建可落地的应用模块 1RAG 检索增强生成企业需求最高RAG 就是让大模型 “看” 你的私有文档再回答解决大模型 “胡说八道、知识过时、没有内部数据” 的问题是目前企业落地最多的技术。核心学习内容RAG 完整工作流程数据加载 → 文本切分 → 向量化 → 存入向量库 → 检索 → 重排序 → 生成回答关键技术点文本切分策略固定长度切分、语义切分、重叠窗口向量数据库Chroma入门、Milvus企业级检索优化关键词检索 向量检索混合、Top-K 调优、Rerank 重排序效果评估怎么判断 RAG 回答准不准常见问题怎么优化实战搭建个人知识库问答系统模块 2Agent 智能体未来趋势Agent 就是让大模型 “自主思考、调用工具、完成任务”比如自动查资料、写代码、发邮件、走流程。核心学习内容Agent 核心原理ReAct 模式思考→行动→观察、规划、记忆、工具调用核心能力Function Calling函数调用、工具注册、多轮对话记忆主流框架LangChain最流行、LlamaIndexRAG 专精实战做一个能自动查天气、搜资料、算数学的任务助手✅阶段产出企业文档知识库系统、自动化任务 Agent 各一个阶段三进阶实战期第 9-12 周—— 深化能力打造作品集目标掌握轻量化微调、模型部署完成 2-3 个完整项目准备求职模块 1大模型微调入门不用从零训练模型用 LoRA 轻量化微调技术用少量数据就能定制专属模型。学习内容LoRA/QLoRA 原理、微调数据集准备、基于 LLaMA-Factory 微调、效果评估目标能针对特定场景比如客服话术、法律问答微调一个小模型模块 2部署与工程化模型本地部署Ollama 一键部署开源模型服务化部署FastAPI 封装接口、Docker 容器化性能优化流式输出、并发处理、缓存策略模块 3项目整合与作品集把之前的技术整合做 2-3 个完整的项目写好 README上传 GitHub基于 RAG 的企业内部知识库问答系统多工具调用的办公自动化 Agent可选微调后的行业专属问答模型✅阶段产出3 个可展示的完整项目、GitHub 作品集、面试准备三、零基础最容易踩的 6 个坑避坑指南死磕理论不写代码大模型是工程学科看 10 遍教程不如亲手跑一遍代码。很多人学了一堆概念连 API 都没调用过等于白学。上来就学 Transformer 公式做应用开发不需要推导公式知道 Transformer 是大模型的基础架构、注意力机制是什么意思就行等做深了再补也不迟。收藏一堆教程从不执行教程不在多一套系统的跟着学完就行。收藏 100 篇不如踏踏实实走完一条路线。追求大而全每个点都深挖零基础先抓主干Prompt → API 调用 → RAG → Agent → 微调。边角知识用到再查别一开始就钻牛角尖。只学框架不懂原理LangChain 等框架只是工具核心是理解 RAG 和 Agent 的逻辑。不然换个框架你就不会了遇到问题也不知道怎么排查。不做项目光学知识点面试看的是你做过什么不是你知道什么。每学完一个模块一定要做对应的小项目攒成作品集。四、免费学习资源汇总直接拿去用1. Python 基础视频B 站【黑马程序员 Python 教程】入门首选讲得细文档Python 官方中文文档、菜鸟教程2. Prompt 工程教程OpenAI 官方提示词工程指南、B 站【李沐老师提示工程课】练习PromptPerfect、ChatGPT 自己多写多试3. RAG 与 Agent官方文档LangChain 中文文档、LlamaIndex 官方文档视频B 站【AI 大模型应用开发实战】、【王树义老师 RAG 教程】开源项目LangChain-Chatchat国产开源 RAG 项目适合学习4. 模型微调与部署工具LLaMA-Factory一站式微调框架、Ollama本地部署教程B 站【同济子豪兄大模型微调教程】5. 社区与资讯技术社区CSDN、GitHub、HuggingFace资讯平台机器之心、量子位、新智元五、最后想说的话AI 大模型不是什么遥不可及的黑科技它更像当年的移动互联网是一个能让普通人弯道超车的机会。你不需要成为算法专家也不需要精通高等数学只要你会用 Python愿意动手实践3 个月完全可以入门并做出能落地的项目。别等 “准备好” 再开始最好的学习方式就是边做边学遇到问题解决问题。