完整课程 · 应用 LLM 工程师 · 从零到专业

不堆理论。
从零做出能跑的 AI。

浅入深、严格递进的自学路线:每课都用到上一课,先知道造什么/为什么,再学怎么造。学完你能独立做出这三样东西——也是面试真正值钱的:

◆
RAG 知识问答用私有数据问答,答案带出处、不瞎编
◆
Agent 智能体会调工具、多步自主完成任务
◆
微调 + 私有部署开源模型本地跑起来,按需 LoRA 微调
学习路径 · 浅 → 深
入门
专业
资料

推荐课程 · 官方资料

配合上面的路线一起用 —— 全部一手、真实可访问的资源。别只看这一个页面。

入门 · 打基础
Karpathy · Zero to Hero从零手搓神经网络到 GPT,理解原理最佳起点 karpathy.ai Prompt Engineering Guide(中文)提示工程系统教程,对应第一部分 promptingguide.ai Anthropic 官方文档Claude API / 消息数组 / 工具调用一手参考 docs.anthropic.com
从头理解模型
nanoGPT300 行训练一个 GPT,跑通它=真懂 Transformer github.com/karpathy LLMs from scratch(Sebastian Raschka)逐步从零实现一个 LLM,配书 github.com/rasbt
RAG · 用上你的数据
LlamaIndex 文档检索增强/索引/查询,对应第二部分 docs.llamaindex.ai LangChain 文档RAG + Agent 链式编排一手文档 python.langchain.com
微调 + 工程化
mlabonne · LLM Course路线图 + 微调/量化/部署 notebook,对应第四五部分 github.com/mlabonne Hugging Face · LLM Course官方系统课,从 Transformer 到微调部署 huggingface.co/learn Full Stack Deep Learning把模型做成产品的工程化课 fullstackdeeplearning.com
短课 · 快速补齐
DeepLearning.AI · Short Courses1-2 小时专题短课(RAG/Agent/评估),免费 deeplearning.ai Hugging Face · NLP CourseNLP + Transformers 基础系统课 huggingface.co/learn
毕业

实战项目 · 检验唯一标准

做 2–3 个,每个都写文档:目标 / 技术选型理由 / 踩的坑 / 怎么解决 / 评估结果——这才是面试硬通货。

节奏

16 周计划

按投入可压缩或拉长;关键是每阶段都有一个能拿出手的产出。