开始学习

学习路线

系统化的成长路径，从基础到进阶，一步一个脚印。

全部路线 Web 全栈开发路线 嵌入式开发路线 AI 大模型开发路线 AI 应用与智能体开发路线 AI 具身智能机器人开发路线 AI 鸿蒙开发路线
LLM

AI 大模型开发路线

从深度学习基础到大模型训练、微调与推理部署，掌握大模型工程化全流程。

6 个阶段
01
阶段 1 · STEP 01
Python 与深度学习基础
扎实 Python 与 NumPy 基础，理解梯度下降、反向传播与神经网络核心原理，会用 PyTorch 完成张量运算与简单模型训练。
预计 约 2 周 相关教程 →
02
阶段 2 · STEP 02
神经网络与 PyTorch 实战
系统掌握 PyTorch：数据加载、网络构建、训练循环与 GPU 加速，独立实现 CNN / RNN / Transformer 等经典结构。
预计 约 3 周 相关教程 →
03
阶段 3 · STEP 03
Transformer 与大模型原理
深入注意力机制与 Transformer 架构，理解预训练、自回归生成、上下文窗口等大模型关键技术。
预计 约 5 周 相关教程 →
04
阶段 4 · STEP 04
大模型微调与对齐
掌握 LoRA、QLoRA 等高效微调方法与指令微调流程，了解 RLHF / DPO 等对齐技术的基本原理。
预计 约 4 周 相关教程 →
05
阶段 5 · STEP 05
推理部署与性能优化
使用 vLLM、llama.cpp 等完成推理部署，掌握量化、KV Cache、流式输出与 GPU 显存优化手段。
预计 约 4 周 相关教程 →
06
阶段 6 · STEP 06
RAG 与智能体工程实践
基于向量数据库搭建 RAG 应用，结合 Function Calling 与 Agent 框架完成可上线的 AI 应用项目。
预计 约 3 周 相关教程 →