学习路线

四条由浅入深的学习路线，每一步都对应资源库中已核验的真实资源。

从 Python 基础到看懂大模型，不追热点，先打牢地基

零基础可学 · 约 3–4 个月（每天 1 小时）

学完后能够用 Python 完成基本的数据处理，理解机器学习与深度学习的基本原理，看懂大模型相关的主流概念与讨论，并独立完成一个小型练习项目。

从调用第一行 API 到上线一个完整的 RAG 应用

需要基础 Python · 约 2–3 个月（每天 1–2 小时）

学完后能够独立调用主流大模型 API，熟练编写提示词，使用 LangChain / LlamaIndex 等框架或 Dify 等低代码平台，搭建带知识库的 RAG 应用，做出可分享的演示界面并完成部署。

从工具调用到多智能体协作，构建会自己干活的 AI

需要应用开发基础 · 约 2 个月（每天 1–2 小时）

学完后能够设计 Agent 的工具集与工作流，熟练使用 LangGraph 等框架编排复杂流程，理解 MCP 协议并搭建带评测与安全意识的 Agent 应用。

从数据处理到 LLMOps，建立完整的生产级工程能力

需要 Python 与机器学习基础 · 约 4–6 个月（每天 1–2 小时）

学完后能够独立完成从数据准备、模型训练/调用、效果评测到部署监控的完整工程闭环，把机器学习或大模型应用可靠地推进到生产环境。