✍️
敬请期待
这部分笔记还在撰写中
感谢你的关注～
📚 AI 应用岗位学习路线
非 CS 背景 → 从事 AI 应用开发的自学路线图
按优先级分层，从底向上逐步建立知识体系
🟡 撰写中 | ⬜ 未开始 | 🟢 已完成
1
Tier 1 — 先学（工具基础）
未开始
Python
函数、循环、文件、API 调用
✓ 已完成
APIs & HTTP
REST, JSON, 调用 LLM API
未开始
Git 基础
commit, branch, push, pull
✓ 已完成
Linux / Shell
命令行、bash 脚本、SSH、服务管理
2
Tier 2 — AI 核心技能
✓ 已完成
LLM 原理
Transformer, attention, tokenization
撰写中
LLM APIs
tokens, context window, tool use
未开始
Prompt Engineering
few-shot, chain-of-thought, RAG
未开始
Vector DBs & RAG
embeddings, retrieval, search
撰写中
Agent 工作流
tools, memory, orchestration
撰写中
开源 Agent 框架
LangGraph, CrewAI, AutoGen 等
未开始
Eval & Testing
accuracy, hallucination, evals
撰写中
Deployment 基础
Docker, cloud, env variables
3
Tier 3 — CS 基础（边学边补）
未开始
数据结构
lists, dicts, trees — 够用就好
✓ 已完成
Databases & SQL
关系模型, SQL语法, NoSQL, Redis
✓ 已完成
网络基础
HTTP/HTTPS, latency, auth tokens
✓ 已完成
Rust 基础
ownership, borrowing, 并发安全
✓ 已完成
并行计算
多线程、进程、协程、asyncio
4
Tier 4 — 非 CS 优势
未开始
领域知识
知道要解决什么问题
未开始
产品思维
用户需求, UX, business value
未开始
沟通表达
向团队解释 AI 输出
+
Extra — 额外积累
撰写中
AI Inference
ONNX, 边缘推理, NVIDIA 设备
未开始
系统设计基础
API 设计, 缓存, 异步队列
未开始
安全基础
API key 管理, auth, 数据隐私