AI 学习路线视觉图，展示 Prompt、API、RAG、Agent、评测和部署节点

从只会问 AI，到能做真实应用

AI 大模型应用学习路线图

这不是一篇资料堆叠，而是一张行动地图。你要按顺序掌握提示词、API、结构化输出、RAG、Agent、评测、部署和作品集，边做项目边补知识。

开始今天任务查看 6 个月路线

8核心能力

24周执行

3代表作品

马上开始

今天先做这 5 件事

资料很多，但第一步必须短、清楚、能完成。今天只做下面 5 项，做完就算开局成功。

01 用 AI 总结一篇文章 随便选一篇你最近看过的文章，让 AI 输出 100 字摘要和 3 个要点。具体怎么做

找一篇 800 到 2000 字的文章，可以是公众号、博客、课程笔记或新闻。
复制文章正文到 ChatGPT，要求它输出：100 字摘要、3 个要点、1 个你应该继续追问的问题。
对照原文检查 AI 有没有编造，没有依据的内容直接删掉或要求重写。

交付物 一份 100 字摘要 + 3 个要点。 检查标准 你能在 30 秒内讲清文章讲了什么。 02 把总结提示词改成模板 加入角色、背景、约束、输出格式，不要只写“帮我总结”。具体怎么做

把普通提示词升级成专业模板：角色、任务、背景、约束、输出格式都写进去。
加入“不确定请标注，不要编造事实”的限制。
让 AI 自检一次：是否遗漏重点、是否有未经证实的事实、是否符合格式。

交付物 一个可重复使用的文章总结提示词模板。 检查标准 换一篇文章也能稳定输出同样结构。 03 安装 Python 确认能运行 `python --version`，准备进入 API 和文件处理阶段。具体怎么做

打开终端，运行 python3 --version，确认能看到版本号。
创建一个学习文件夹，例如 ai-practice，之后所有小脚本都放这里。
运行 python3 -m venv .venv，先知道虚拟环境是项目专用工具箱。

交付物 一个能运行 Python 的本地练习目录。 检查标准 终端能输出 Python 版本号，不报 command not found。 04 写一个读取 txt 文件的小脚本 读取文本、统计字数、截取前 500 字，这是文档总结器的地基。具体怎么做

创建 input.txt，粘贴一段中文文章或会议记录。
创建 read_text.py，读取文件内容，打印总字数和前 500 字。
故意把文件名写错一次，观察报错，记下错误原因。

交付物 input.txt 和 read_text.py 两个文件。 检查标准 脚本能输出字数和前 500 字。 05 规划第一个项目：AI 文档总结器 写清楚输入、输出、用户、限制和验收标准。具体怎么做

写出输入、输出、用户、限制、验收标准这 5 项，不要先写代码。
输入先只支持 txt，输出先只做摘要、关键词、行动项。
列出 3 个失败场景：空文件、超长文件、AI 没按 JSON 输出。

交付物 一页《AI 文档总结器 MVP 说明》。 检查标准 你能用这页说明直接开始写第一个版本。

今日进度

0 / 5

能力地图

你真正要掌握的 8 项能力

先别去啃大模型算法。做应用的主线是把模型接进软件和业务流程，并且能稳定评估效果。

提示词

角色、任务、背景、约束、示例和输出格式。

API 调用

Python/JavaScript、HTTP、JSON、流式输出和错误处理。

结构化输出

让模型稳定输出 JSON，方便程序读取和校验。

RAG 知识库

文档切分、Embedding、检索、引用和资料不足时拒答。

Agent 和工具调用

让模型调用函数、查询系统、生成草稿，并对高风险动作加确认。

评测

用测试集看准确率、幻觉率、拒答正确率、成本和延迟。

部署

环境变量、日志、限流、HTTPS、数据库和 API Key 安全。

运营迭代

记录用户问题、分析失败案例，持续优化提示词和知识库。

主路线

6 个月路线

如果每周学 8 到 12 小时，按这个节奏走。每天 3 到 5 小时可以压缩到 3 个月。

第 1 个月

第 1 个月：提示词 + Python + API

做提示词库、文本批处理脚本、第一次模型 API 调用。

第 2 个月

Web 小应用

用 Streamlit 或简单前端做 AI 文档总结器。

第 3 个月

RAG 知识库

做个人知识库问答，支持引用来源和资料不足拒答。

第 4 个月

Agent 和工具调用

让模型调用 3 个工具，记录每一步执行日志。

第 5 个月

评测、监控、成本优化

准备 100 条测试集，统计正确率、成本和耗时。

第 6 个月

部署上线和作品集

把一个应用部署到公网，整理 README、截图和演示。

阶段卡片

每个阶段，你应该做哪些东西

每一阶段都必须有产出。没有产出，就只是看过资料，不算真正学会。

阶段 0

认知入门

理解大模型能做什么、不能做什么。

产出：《AI 能力边界笔记》

阶段 1

提示词工程

写 30 条提示词，把 10 个普通提示词改成专业模板。

产出：个人提示词库 v1

阶段 2

Python 和 API

读取文件、解析 JSON、调用模型 API、处理失败重试。

产出：AI 文本处理命令行工具

阶段 3

第一个 Web 应用

上传文档、总结、提取观点、生成行动项并下载结果。

产出：AI 文档总结器

阶段 4

RAG 知识库

切分文档、建立向量索引、检索片段、回答并显示引用。

产出：个人知识库问答机器人

阶段 5

工具调用 Agent

从单工具调用开始，逐步做到多工具选择和人工确认。

产出：能调用 3 个工具的 Agent

阶段 6

评测和监控

建立测试集，记录回答、检索内容、成本、耗时和错误类型。

产出：项目评测报告

阶段 7

部署上线

学习环境变量、日志、限流、文件大小限制和 API Key 安全。

产出：公网可访问应用

学习节奏

本周行动表

选择你每天能投入的时间，页面会给出最适合的学习节奏。先稳定，再加速。

20 分钟学概念，30 分钟动手，10 分钟复盘

适合下班后保持连续性。每天必须留下一个可见产出：一条提示词、一个脚本、一页笔记或一个测试问题。

周一理解 Prompt、Token、上下文、幻觉。
周二写 5 条专业提示词，并做一次自检。
周三安装 Python，完成 txt 读取脚本。
周四学习 JSON，让 AI 按固定字段输出。
周五调用一次模型 API，保存结果到本地。
周末写 200 字复盘，规划 AI 文档总结器。

作品集

最值得做的 3 个代表作品

不要收藏十几个教程。把这 3 个作品做出来，已经足够证明你从入门走到中级。

作品 A：AI 文档总结器

证明你会提示词、API、文件处理和基础界面

上传文档，生成摘要、关键词、待办事项。
输出 Markdown，支持复制和下载。
长文档要分块总结，不能一股脑塞进模型。

作品 B：RAG 知识库机器人

证明你会 Embedding、向量数据库、引用和拒答

上传 PDF 或 Markdown，自动切分并建立索引。
回答时显示引用来源。
资料不足时明确拒答，不编造。

作品 C：工具调用 Agent

证明你会函数调用、参数提取、多步骤执行和人工确认

能调用 3 个工具，例如查询、写表格、生成邮件草稿。
高风险动作先生成草稿，再人工确认。
记录每一步工具调用日志。

验收标准

做到这些，才算真正学会

大模型应用不是“能聊两句”就结束。你要能解释、能实现、能测试、能上线。

能写出普通提示词和专业提示词，并稳定控制输出格式。能读取文件、调用 API、解析 JSON、保存结果。能做一个可演示的 AI 文档总结器。能做 RAG 问答，回答显示引用来源，资料不足时拒答。能写工具函数给模型调用，并限制高风险动作。能建立测试集，统计正确率、拒答正确率、成本和延迟。能把应用部署到公网，并知道 API Key 泄露风险。能整理 README、截图、演示视频和项目复盘。

避坑

不要只看视频，要用项目逼自己前进

小白最容易卡住的地方不是智商，而是路线太散。固定主线，少换工具，多做产出。

不要只看视频

每学一个知识点，必须做一个小功能。

不要疯狂收藏工具

先固定一个主模型、一个开发语言、一个框架。

不要一上来微调

先学 RAG，多数知识库问答场景更适合它。

不要迷信复杂 Agent

能用规则解决的不用 Agent，能单工具解决的不用多 Agent。

不要忽视评测

从第一个项目开始，就保留测试问题和错误案例。

不要脱离业务

AI 应用不是炫技，必须解决真实问题。

下一步

今天完成 5 个动作，明天开始 API。

你的正确路径是：先会用，再会调，再会接 API，再会做知识库，再会做 Agent，再会评测，再会上线。

回到今日任务