本计划为90天系统学习路线助你从零基础成长为全栈LLM工程师。内容涵盖神经网络原理、Transformer架构、提示工程、RAG系统、模型微调等通过三个阶段的理论结合实践最终完成综合性Agent项目。适合对AI感兴趣的小白和程序员注重动手能力和每日复盘提供清晰可执行的进阶路径。这套90天的学习计划旨在帮助你从零基础成长为一名全栈LLM大型语言模型工程师。我们将从最底层的神经网络原理开始逐步深入到Transformer架构、提示工程、RAG系统、模型微调最终通过一个综合性的Agent项目来巩固所有知识。整个旅程分为三个阶段每个阶段都将理论学习与动手实践紧密结合确保你不仅理解原理更能亲手构建和应用。第一阶段从零到神经网络英雄 (第1-30天)这一阶段是你的基础我们将通过亲手编写代码从最底层的数学原理开始构建神经网络。第1-5天从神经元到反向传播学习内容 Karpathy - “The spelled-out intro to neural networks and backpropagation: building micrograd”。第1天 观看视频前20分钟理解神经元与前向传播实现。第2天 理解损失函数和梯度计算并实现梯度回传。第3天 理解反向传播链式法则并用代码实现。第4天 扩展到小型网络实现完整前向和反向传播。第5天 独立重写代码确保能完整实现微型网络。第6-10天构建多层感知机 (MLP)学习内容 Karpathy - “Let’s build GPT: from scratch” 前置部分。第6-7天 使用 PyTorch 从头构建 MLP理解torch.nn.Module。第8天 实现批量归一化 (Batch Norm) 并理解其作用。第9天 用MLP解决 MNIST 手写数字分类问题。第10天 复盘总结比较手写网络与PyTorch MLP的差异。第11-20天可视化理解与卷积神经网络学习内容 3Blue1Brown《神经网络的本质》系列 《动手学深度学习》(d2l.ai) CNN章节。第11-15天 观看3Blue1Brown系列视频每天理解卷积和池化操作并画示意图。第16-20天 实践CNN章节代码实现 LeNet 或 AlexNet理解每层功能。第21-30天循环神经网络 (RNN) 与序列数据学习内容 《动手学深度学习》RNN章节。第21-25天 学习 RNN、LSTM、GRU 结构与原理理解序列数据处理方式。第26-30天 使用 PyTorch 构建 LSTM/GRU 模型处理文本情感分析或序列预测任务。第二阶段从零到Transformer英雄 (第31-60天)第31-45天亲手构建GPT学习内容 Karpathy - “Let’s build GPT: from scratch”。第31-35天 实现 Bigram Model理解自回归模型概念。第36-40天 理解自注意力机制实现多头注意力及 QKV 概念。第41-45天 完整实现 Transformer Block并堆叠多个Block形成 NanoGPT。第46-50天Prompt Engineering 基础第46天 Zero-Shot 与 Few-Shot Prompting 理论 实践情感分析任务。参考OpenAI Cookbook, IBM Prompt Engineering。第47天 Chain-of-Thought (CoT) 理论 多步推理问题实践。参考Hugging Face CoT教程。第48-50天 构建小型项目如美食评论分析器应用不同Prompt策略并记录结果。第51-55天ReAct Agent 入门第51-52天 理论 ReAct 框架 构建简单Agent调用工具。参考LangChain, Hugging Face Agent示例。第53-55天 将Prompting与Agent结合生成完整小型Agent项目记录行为日志。第56-60天RAG 系统实战第56天 理论 RAG 流程文档加载 - Chunking - Embedding - 检索 - 生成。参考Hugging Face Blog, Mr. Bourque GitHub。第57-58天 文档拆分、Embedding、向量数据库存储FAISS/Milvus。第59天 构建端到端RAG系统将检索内容传入LLM生成答案。第60天 优化与复盘不同分割策略和Embedding模型对结果的影响。第三阶段LLM微调与Agent综合项目 (第61-90天)第61-70天LLM 微调基础与LoRA第61-65天 理论 LoRA 与 PEFT 方法实践 Colab LoRA微调。参考Unsloth文档, Hugging Face PEFT。第66-70天 准备小型数据集加载开源模型如Llama3运行微调训练循环。第71-75天微调优化与评估理论评估指标Perplexity, BLEU, Accuracy实践尝试不同学习率、LoRA参数和微调策略输出微调报告与优化策略总结参考资料Hugging Face 文档, PEFT 示例Notebook第76-85天Agent 构建基础第76-80天 理论 ReAct 框架 实践构建基础Agent调用搜索工具。参考LangChain, Codecademy Agentic AI。第81-85天 理论 LangGraph 状态机概念 实践复杂Agent工作流编排。第86-90天Agent 毕业项目第86-88天 综合Prompting、RAG、微调模型设计Agent处理研究主题任务。第89天 复盘与优化Agent决策流程和生成质量。第90天 总结报告整合90天学习成果包括微调模型、RAG系统、Agent项目形成可运行的最终项目展示。该指南以实践为主导理论紧随其后强调每天动手和复盘的重要性。希望能为学习LLM提供一个清晰可执行的路径。最后2026年技术圈的分化愈发明显降薪裁员潮持续蔓延传统开发、测试等岗位大批缩水不少从业者陷入职业焦虑与之形成鲜明对比的是AI大模型相关岗位迎来疯狂扩招薪资逆势飙升150%大厂更是直接开出70-100W年薪疯抢具备实战能力的大模型人才甚至放宽年龄限制只求能快速落地技术、创造价值很多程序员、职场新人纷纷入局大模型领域绝非盲目跟风而是实实在在看到了不可替代的价值优势这也是2026年最值得抓住的职业风口1、窗口期红利入门门槛友好不同于成熟赛道的“内卷式招聘”2026年大模型人才缺口巨大简历只要达标掌握基础AI应用具备简单项目经验年龄、学历均非硬性要求小白可快速入门转行程序员也能无缝衔接2、技术可复用上手速度翻倍如果你有前后端开发、测试、数据分析等基础在大模型落地、系统部署、Prompt工程等环节会更具优势无需从零开始复用原有技术能力就能快速进阶3、懂业务更吃香竞争力翻倍单纯懂技术已不够2026年大厂更看重“技术业务”的复合型人才有垂直领域金融、医疗、工业等经验者能精准定位模型落地痛点薪资比纯技术岗高出30%以上更重要的是即便没有转型需求用AI大模型工具为工作赋能、提升效率也已经成为80%企业的硬性要求——不会用大模型提效未来很可能被行业淘汰那么2026年小白/程序员该如何高效学习大模型很多人想入门大模型却陷入两大困境要么到处搜集零散资料不成体系越学越懵要么被收费高昂的课程割韭菜花了钱却学不到实战技能白白浪费时间走弯路。今天就给大家精心整理了一份2026年最新、免费、系统化的AI大模型学习资源包覆盖从零基础入门到商业实战、从理论沉淀到面试通关的全流程所有资料均已整理归档无需拼凑直接领取就能上手学习小白可照做程序员可进阶扫码免费领取全部内容1、大模型系统化学习路线这份学习路线结合2026年行业趋势和新手学习规律由行业专家精心设计从零基础到精通每一步都有明确指引帮你节省80%的无效学习时间少走弯路、高效进阶避免踩坑。2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、大模型学习书籍电子文档涵盖2026年最新技术要点包括基础入门、Transformer核心原理、Prompt工程、RAG实战、模型微调与部署等内容4、AI大模型最新行业报告报告包含腾讯、阿里、甲子光年等权威机构发布的核心内容还有2026年中文大模型基准测评报告、AI Agent行业研究报告等帮你站在行业前沿把握技术风口。5、大模型项目实战配套源码项目包含Deepseek R1、GPT项目、MCP项目、RAG实战等热门方向还有视频配套代码手把手教你从0到1完成项目开发既能练手提升技术又能丰富简历为求职和职业发展加分。6、2026大模型大厂面试真题2026年大模型面试已全面升级不再单纯考察基础原理而是转向侧重技术落地和业务结合的综合考察很多程序员和新手因为缺乏针对性准备明明技术不错却在面试中失利。适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容7、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
90天小白进阶大模型工程师：从神经网络到Agent实战（收藏版）
本计划为90天系统学习路线助你从零基础成长为全栈LLM工程师。内容涵盖神经网络原理、Transformer架构、提示工程、RAG系统、模型微调等通过三个阶段的理论结合实践最终完成综合性Agent项目。适合对AI感兴趣的小白和程序员注重动手能力和每日复盘提供清晰可执行的进阶路径。这套90天的学习计划旨在帮助你从零基础成长为一名全栈LLM大型语言模型工程师。我们将从最底层的神经网络原理开始逐步深入到Transformer架构、提示工程、RAG系统、模型微调最终通过一个综合性的Agent项目来巩固所有知识。整个旅程分为三个阶段每个阶段都将理论学习与动手实践紧密结合确保你不仅理解原理更能亲手构建和应用。第一阶段从零到神经网络英雄 (第1-30天)这一阶段是你的基础我们将通过亲手编写代码从最底层的数学原理开始构建神经网络。第1-5天从神经元到反向传播学习内容 Karpathy - “The spelled-out intro to neural networks and backpropagation: building micrograd”。第1天 观看视频前20分钟理解神经元与前向传播实现。第2天 理解损失函数和梯度计算并实现梯度回传。第3天 理解反向传播链式法则并用代码实现。第4天 扩展到小型网络实现完整前向和反向传播。第5天 独立重写代码确保能完整实现微型网络。第6-10天构建多层感知机 (MLP)学习内容 Karpathy - “Let’s build GPT: from scratch” 前置部分。第6-7天 使用 PyTorch 从头构建 MLP理解torch.nn.Module。第8天 实现批量归一化 (Batch Norm) 并理解其作用。第9天 用MLP解决 MNIST 手写数字分类问题。第10天 复盘总结比较手写网络与PyTorch MLP的差异。第11-20天可视化理解与卷积神经网络学习内容 3Blue1Brown《神经网络的本质》系列 《动手学深度学习》(d2l.ai) CNN章节。第11-15天 观看3Blue1Brown系列视频每天理解卷积和池化操作并画示意图。第16-20天 实践CNN章节代码实现 LeNet 或 AlexNet理解每层功能。第21-30天循环神经网络 (RNN) 与序列数据学习内容 《动手学深度学习》RNN章节。第21-25天 学习 RNN、LSTM、GRU 结构与原理理解序列数据处理方式。第26-30天 使用 PyTorch 构建 LSTM/GRU 模型处理文本情感分析或序列预测任务。第二阶段从零到Transformer英雄 (第31-60天)第31-45天亲手构建GPT学习内容 Karpathy - “Let’s build GPT: from scratch”。第31-35天 实现 Bigram Model理解自回归模型概念。第36-40天 理解自注意力机制实现多头注意力及 QKV 概念。第41-45天 完整实现 Transformer Block并堆叠多个Block形成 NanoGPT。第46-50天Prompt Engineering 基础第46天 Zero-Shot 与 Few-Shot Prompting 理论 实践情感分析任务。参考OpenAI Cookbook, IBM Prompt Engineering。第47天 Chain-of-Thought (CoT) 理论 多步推理问题实践。参考Hugging Face CoT教程。第48-50天 构建小型项目如美食评论分析器应用不同Prompt策略并记录结果。第51-55天ReAct Agent 入门第51-52天 理论 ReAct 框架 构建简单Agent调用工具。参考LangChain, Hugging Face Agent示例。第53-55天 将Prompting与Agent结合生成完整小型Agent项目记录行为日志。第56-60天RAG 系统实战第56天 理论 RAG 流程文档加载 - Chunking - Embedding - 检索 - 生成。参考Hugging Face Blog, Mr. Bourque GitHub。第57-58天 文档拆分、Embedding、向量数据库存储FAISS/Milvus。第59天 构建端到端RAG系统将检索内容传入LLM生成答案。第60天 优化与复盘不同分割策略和Embedding模型对结果的影响。第三阶段LLM微调与Agent综合项目 (第61-90天)第61-70天LLM 微调基础与LoRA第61-65天 理论 LoRA 与 PEFT 方法实践 Colab LoRA微调。参考Unsloth文档, Hugging Face PEFT。第66-70天 准备小型数据集加载开源模型如Llama3运行微调训练循环。第71-75天微调优化与评估理论评估指标Perplexity, BLEU, Accuracy实践尝试不同学习率、LoRA参数和微调策略输出微调报告与优化策略总结参考资料Hugging Face 文档, PEFT 示例Notebook第76-85天Agent 构建基础第76-80天 理论 ReAct 框架 实践构建基础Agent调用搜索工具。参考LangChain, Codecademy Agentic AI。第81-85天 理论 LangGraph 状态机概念 实践复杂Agent工作流编排。第86-90天Agent 毕业项目第86-88天 综合Prompting、RAG、微调模型设计Agent处理研究主题任务。第89天 复盘与优化Agent决策流程和生成质量。第90天 总结报告整合90天学习成果包括微调模型、RAG系统、Agent项目形成可运行的最终项目展示。该指南以实践为主导理论紧随其后强调每天动手和复盘的重要性。希望能为学习LLM提供一个清晰可执行的路径。最后2026年技术圈的分化愈发明显降薪裁员潮持续蔓延传统开发、测试等岗位大批缩水不少从业者陷入职业焦虑与之形成鲜明对比的是AI大模型相关岗位迎来疯狂扩招薪资逆势飙升150%大厂更是直接开出70-100W年薪疯抢具备实战能力的大模型人才甚至放宽年龄限制只求能快速落地技术、创造价值很多程序员、职场新人纷纷入局大模型领域绝非盲目跟风而是实实在在看到了不可替代的价值优势这也是2026年最值得抓住的职业风口1、窗口期红利入门门槛友好不同于成熟赛道的“内卷式招聘”2026年大模型人才缺口巨大简历只要达标掌握基础AI应用具备简单项目经验年龄、学历均非硬性要求小白可快速入门转行程序员也能无缝衔接2、技术可复用上手速度翻倍如果你有前后端开发、测试、数据分析等基础在大模型落地、系统部署、Prompt工程等环节会更具优势无需从零开始复用原有技术能力就能快速进阶3、懂业务更吃香竞争力翻倍单纯懂技术已不够2026年大厂更看重“技术业务”的复合型人才有垂直领域金融、医疗、工业等经验者能精准定位模型落地痛点薪资比纯技术岗高出30%以上更重要的是即便没有转型需求用AI大模型工具为工作赋能、提升效率也已经成为80%企业的硬性要求——不会用大模型提效未来很可能被行业淘汰那么2026年小白/程序员该如何高效学习大模型很多人想入门大模型却陷入两大困境要么到处搜集零散资料不成体系越学越懵要么被收费高昂的课程割韭菜花了钱却学不到实战技能白白浪费时间走弯路。今天就给大家精心整理了一份2026年最新、免费、系统化的AI大模型学习资源包覆盖从零基础入门到商业实战、从理论沉淀到面试通关的全流程所有资料均已整理归档无需拼凑直接领取就能上手学习小白可照做程序员可进阶扫码免费领取全部内容1、大模型系统化学习路线这份学习路线结合2026年行业趋势和新手学习规律由行业专家精心设计从零基础到精通每一步都有明确指引帮你节省80%的无效学习时间少走弯路、高效进阶避免踩坑。2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、大模型学习书籍电子文档涵盖2026年最新技术要点包括基础入门、Transformer核心原理、Prompt工程、RAG实战、模型微调与部署等内容4、AI大模型最新行业报告报告包含腾讯、阿里、甲子光年等权威机构发布的核心内容还有2026年中文大模型基准测评报告、AI Agent行业研究报告等帮你站在行业前沿把握技术风口。5、大模型项目实战配套源码项目包含Deepseek R1、GPT项目、MCP项目、RAG实战等热门方向还有视频配套代码手把手教你从0到1完成项目开发既能练手提升技术又能丰富简历为求职和职业发展加分。6、2026大模型大厂面试真题2026年大模型面试已全面升级不再单纯考察基础原理而是转向侧重技术落地和业务结合的综合考察很多程序员和新手因为缺乏针对性准备明明技术不错却在面试中失利。适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容7、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
