• PyTorch 深度学习：张量运算、自动求导 (Autograd)、自定义 nn.Module、损失函数与优化器 (AdamW)
XGBoost
• 多模态工作流：Midjourney / FLUX 商业生图、ComfyUI 节点式生图、Suno 音乐与音视频生成
建议耗时: 6~8周
• 直观数学几何直觉：向量余弦相似度、矩阵空间变换、微积分求导与梯度下降直观理解（不钻死牛角尖）
LangSmith
🌟 【核心通关大作业】独立从零交付两大企业级实战系统：
交付目标：利用 Cursor+Claude 独立实现日常复杂代码开发与长文调研总结，达成个人 10x 产出效率飞跃。
ComfyUI
交付目标：在 PyTorch 中独立实现数据预处理、模型搭建、反向传播与过拟合抑制 (Dropout/BatchNorm)。
Kubernetes
编程筑基与核心数据实战
Seaborn
🏆 阶段实战大作业：搭建生产级高可用、低延迟的私有大模型 API 服务集群
• 生产级工程化与监控：FastAPI 异步微服务封装、Docker 容器化、Ragas 自动化评测、LangSmith 链路追踪
📘 筑基篇 · 从工具提效到模型底座 (Fundamentals)
建议耗时: 4~6周
目标: Python数据工程师
建议耗时: 3~4周
1. 企业级私域 RAG 知识库系统：支持多格式文档上传、混合检索、Rerank重排与可追溯引用出处溯源；2. 多智能体自主协同工作流系统：基于 CrewAI 实现包含研究员、代码生成员、质检员的完全自主任务规划与协同闭环。
• 核心网络架构：CNN 图像特征提取、RNN/LSTM 时序序列分析、注意力机制 (Attention) 原理初探
🎯 AI 高效学习第一性原理：坚持「以项目产出为导向 (Project-Based Learning)」，60% 实战编写代码 + 30% 核心原理解构 + 10% 紧跟前沿论文，持续沉淀个人的 AI 武器库！
机器学习与深度学习底座
STAGE 03
🚀 跃升篇 · 大模型工程与商业落地 (LLM & MLOps)
Matplotlib
JupyterLab
• 核心概念：Function Calling 工具函数调用、短期/长期向量记忆 (Memory)、计划与反思 (Reflection)；• 架构开发：熟练运用 LangChain、LlamaIndex、CrewAI 与 AutoGen 构建多 Agent 复杂协作工作流。
AI 认知与超级个体提效
🛠️ 核心技术栈：
• 经典机器学习：逻辑回归、决策树、随机森林、XGBoost、模型评价指标 (AUC / F1 / ROC曲线)
📚 ② 企业级 RAG 检索增强系统 (企业落地王牌)：向量数据库实战、文档切片策略与精准召回
STAGE 04 · 黄金核心区⭐
Docker
Claude 3.5 Sonnet
⚡ 算法底座 ➔ 大模型工程范式跃迁 (Paradigm Shift) ➔
NumPy
AutoGen
Python 3.11+
• 向量索引 (HNSW/IVF) 与向量数据库 (Milvus / Chroma / Qdrant) 选型；• 密集与稀疏混合检索 (Dense + BM25)、重排模型 (Cross-Encoder Rerank)、Query 改写与语义分块 (Chunking) 优化。
🏆 阶段实战大作业：从零实现端到端神经网络分类器与全流程超参调优
• AI 编程跃升：熟练使用 Cursor / GitHub Copilot 深度辅助编程，掌握 v0 快速原型生成
🤖 ④ AI 智能体与多智能体协同开发 (AI Agents)：ReAct 思考流、工具调用与自主规划
Milvus
vLLM
大模型与智能体应用开发
🔧 ③ 大模型高效微调 (Fine-Tuning)：预训练 vs SFT 指令微调、LoRA / QLoRA 参数高效微调实战
🏆 阶段实战大作业：真实行业数据集全流程清洗与探索性数据分析 (EDA)
• Python 核心：现代 Python 语法进阶、列表推导、函数式编程、装饰器、异步 I/O (asyncio)
v0.dev
CrewAI
PyTorch
🧠 ① Transformer 架构精粹：自注意力 (Self-Attention) 机制、多头注意、Encoder 与 Decoder-Only 演进
🛠️ 核心工具链：
ChatGPT
• 数据科学三剑客：NumPy 广播与高效矩阵运算、Pandas 数据清洗与聚合分组、Matplotlib 可视化
• 模型量化压缩：AWQ、GPTQ、GGUF 低比特量化原理，实现消费级显卡极低显存稳定运行开源大模型
GGUF
目标: 深度学习算法工程师
MLOps 与生产级高并发部署
STAGE 02
LangChain
目标: 10x 生产力个体
LlamaIndex
交付目标：编写完整数据抓取与预处理管道，产出包含多维交叉分析与专业图表的业务数据洞察报告。
Ragas
TorchVision
• 提示词法则：掌握 CRISPE 结构化提示词框架、Zero/Few-Shot 少样本示范、CoT 思维链引导
Scikit-Learn
交付目标：使用 Docker + vLLM 封装 API，集成完整安全鉴权、限流熔断、链路追踪与 Token 消耗监控看板。
STAGE 01
Hugging Face
FastAPI
Cursor
🏆 阶段实战大作业：搭建个人日常工作流自动化 AI 生产力引擎
Midjourney
从 AI 工具使用者 ➔ 编程数据筑基 ➔ 机器学习理论 ➔ 大模型&智能体落地 (核心!) ➔ 商业级部署运维
LoRA
STAGE 05
TensorBoard
• 高并发推理加速：vLLM (PagedAttention显存管理)、Ollama 私有化本地部署、TensorRT-LLM 极致推理优化
掌握行业垂直领域指令数据集构建、数据去重清洗清洗、基于 Unsloth / LLaMA-Factory 的轻量化微调全流程。
深入理解词向量 (Embedding)、位置编码 (RoPE)、注意力矩阵计算及大模型幻觉与上下文长度限制的根本机理。
Ollama
建议耗时: 2~3周
Chroma
🚀 2026 现代实用型 AI 学习全景路线图 (Practical AI Roadmap)
目标: AI Infra / 落地专家
目标: 大模型应用架构师
Pandas
LightGBM
