LEARNING PATH · 07
人工智能与开发工具
关注大模型应用的数据流、工具调用、评估、安全边界与成本。
学习目标
理解大模型应用从输入、检索到工具调用的完整路径，并建立可测试的安全与成本意识。
SYSTEM
核心知识体系
先建立模块内的概念顺序，再通过关联主题连接到完整工程链路。
01大模型基础
02Prompt
03Embedding 与检索
04工具调用
05Agent 与评估
READING ORDER
推荐学习顺序
首篇重点文章可以直接阅读；规划中内容展示摘要与完整大纲，不以薄内容页面冒充已发布文章。
01
已发布中级
24 分钟RAG 应用基础：从检索到生成的完整数据流
把 RAG 拆成文档切分、向量化、召回、重排、上下文组装、生成和评估，说明每一步的质量责任。
前置：了解 Python 与大模型基本概念
查看内容大纲
- 问题背景：模型不知道你的私有知识
- RAG 的完整数据流
- 切分、Embedding 与索引
- 召回、重排与上下文
- 实践：最小检索管线
- 评估、安全与成本
- 常见误区与总结
02
规划中入门
18 分钟大语言模型基础：Token、上下文与生成过程
解释 Token、上下文窗口、概率生成和常见能力边界，建立正确预期。
前置：无需机器学习背景
查看内容大纲
- Token 与表示
- 上下文窗口
- 生成过程
- 幻觉与边界
- 评估意识
03
规划中入门
16 分钟Prompt 工程：把任务约束写成可测试的输入
用角色、上下文、任务、约束、示例和输出格式构造可重复评估的提示。
前置：了解大模型基本使用
查看内容大纲
- 任务定义
- 上下文与约束
- 示例
- 结构化输出
- 测试集
04
规划中中级
22 分钟Embedding 与向量数据库：语义检索如何工作
说明向量表示、相似度、近似最近邻索引、召回率和数据更新。
前置：了解基础线性代数更佳
查看内容大纲
- 向量表示
- 相似度
- ANN 索引
- 召回与过滤
- 更新和删除
05
规划中中级
20 分钟Function Calling：让模型安全调用外部工具
设计严格参数、权限校验、超时、幂等和结果回传，避免把模型输出当作可信指令。
前置：能编写 API
查看内容大纲
- 工具契约
- 参数校验
- 授权与确认
- 执行与超时
- 结果回传
06
规划中高级
24 分钟Agent 应用：任务循环、安全边界与成本控制
讨论计划、工具、记忆、终止条件、人工确认以及令牌和外部操作成本。
前置：了解工具调用与 RAG
查看内容大纲
- 任务循环
- 工具与权限
- 记忆边界
- 终止与人工确认
- 成本和评估
CONNECTIONS
模块关联
PUBLISHED