🧠 AI 大模型学习路线图

从基础到实战,系统化掌握 LLM / RAG / ReAct / Agent · 点击任意卡片直达学习资源

1
基础基石
理解 AI 大模型底层原理,夯实基本功
2
LLM 核心能力
掌握模型的训练、微调和对齐技术
3
RAG 检索增强生成
让模型拥有外部知识,解决幻觉和时效性问题
4
ReAct & Agent 智能体
让模型能推理、能行动、能使用工具
5
工程化与进阶
性能优化、部署、多模态等生产级能力

📚 推荐学习资源

实战框架 & 工具

LangChain / LlamaIndex — RAG & Agent 框架
vLLM — 高性能推理引擎
Hugging Face Transformers + PEFT — 训练微调
Chroma / Milvus — 向量数据库
Unsloth / Axolotl — 高效微调

课程 & 教程

• 李沐《动手学深度学习》
Andrej Karpathy Zero to Hero
DeepLearning.AI LLM 专项课
Hugging Face NLP Course

我的建议

• 先跑通一个 RAG demo(Chroma + 开源模型)
• 再实现一个 ReAct Agent(LangChain 或原生)
• 最后尝试用 LoRA 微调一个模型
• 每一步都:读论文 → 动手写代码 → 对比效果

基础
LLM 核心
RAG
ReAct & Agent
工程与进阶