生成式AI学习规划师

为什么系统学习这么难

生成式AI的资料从不缺，GitHub、论文、付费专栏几乎每天更新。问题不是找不到资源，而是资源太多：收藏夹堆了50篇"必看"教程，真正读完并跑通的不到三篇。更常见的是从 transformers 的示例代码直接入手，改两行参数就报错，回头补原理又发现时间不够。

这个技能要解决的，就是把这些零散资料变成一条能持续推进的路径。

五阶段递进路线

技能把学习拆成五个阶段，每阶段有明确的产出目标：

• 基础层：Transformer 自注意力、分词、预训练/微调概念，目标是能讲清 prompt 为什么有效
• 应用层：Prompt 工程、RAG、函数调用，动手做 1 个小项目
• 多模态层：图文/语音/视频模型原理与 API 调用
• 智能体层：Agent 规划、工具调用、记忆、多智能体协作
• 工程层：评估、部署、成本优化、可观测

资料筛选四问

每拿到一个资源，先问自己四个问题：

• 它教的是概念还是照抄代码？概念优先
• 是否 2023 年后且与当前模型对齐？过期 API 慎学
• 是否有可运行的 Notebook？没有则降级为参考
• 学完能否产出 1 件作品？不能则标记"闲读"

适用边界

这个技能是学习方法建议，不是技术文档替代品。AI 领域变化极快，路线图需要每季度根据最新论文和官方文档调整。它适合想系统入门或准备面试的工程师，不适合只想快速调通某个 API 的场景。

后记：与其囤积100篇教程，不如每周完成一个可演示的作品。