> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/ai_beginner_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/ai_beginner_guide/fu-lu/appendix_d_learning_path.md).

# 附录 D：AI 学习路线图

> 种一棵树最好的时间是十年前，其次是现在。

***

本书先用 A/B 双轨学习契约定义“从哪里开始、交付什么、怎样算完成”，再用三个阶段描述长期成长方向。

## A/B 双轨学习契约

### A 轨：基础使用者

**前置条件**

* 无需编程或高等数学基础
* 可使用浏览器和任一对话式 AI 工具
* 准备一个不含敏感信息的真实任务

**可交付物**

* 一份三轮提示词迭代记录
* 一份事实核验清单
* 一张个人场景工作流卡

**验收标准**

* 能用自己的话区分 AI、机器学习与深度学习
* 能比较三轮输出并说明改动理由
* 能为关键事实给出来源，并标出不确定项
* 能识别隐私、幻觉与自动化越权风险

### B 轨：工程师增强

**前置条件**

* 达到 A 轨验收标准或具备同等基础
* Python 3.11+
* 会在命令行运行 Python 文件
* 一台可进行 CPU 计算的电脑

**可交付物**

* 五份实验结果字典与自评记录
* 一份失败案例与排障记录
* 一份最小 AI 工作流设计

**验收标准**

* 能复现实验的固定输入与预期范围
* 能解释每项评估为何通过或失败
* 能在不使用在线 API 和密钥的情况下完成五个实验
* 能把评估结果映射回对应章节的核心概念

### B 轨五个实验映射

| 实验                        | 对应章节     | 必交结果         | 机器验收                          |
| ------------------------- | -------- | ------------ | ----------------------------- |
| `01_ml_basics.py`         | 第 4 章    | 线性回归指标报告     | `evaluate()` 返回 `passed=True` |
| `02_structured_output.py` | 第 12.2 节 | 三个结构化输出校验结果  | `evaluate()` 返回 `passed=True` |
| `03_dl_overfitting.py`    | 第 5 章    | 训练/验证损失与早停点  | `evaluate()` 返回 `passed=True` |
| `04_rag_minimal.py`       | 第 12.5 节 | 检索命中、上下文与回答  | `evaluate()` 返回 `passed=True` |
| `05_agent_evals.py`       | 第 14 章   | 两个案例的智能体评估报告 | `evaluate()` 返回 `passed=True` |

五个实验均使用固定输入、仅在本地 CPU 运行。具体预期范围、排障方法和自评量表见 [`labs/README.md`](/ai_beginner_guide/fu-lu/labs.md)。

## 三阶段成长路线

## 第一阶段：AI 使用者

**目标**：熟练掌握主流 AI 工具，提升工作生活效率。 **耗时**：1-2 周 **内容**：

1. **工具掌握**：注册并熟练使用 ChatGPT、Claude、Kimi 等对话式 AI。
2. **提示词入门**：学会“人设+背景+约束”的基本提问法。
3. **场景应用**：尝试用 AI 写周报、翻译文章、做旅行计划。
4. **多模态体验**：试着生成几张图片（Midjourney/可灵），体验 AI 绘画。

**标志性里程碑**：你遇到问题时，第一反应不是“百度一下”，而是“问问 AI”。

## 第二阶段：AI 驾驭者

**目标**：理解 AI 原理，能解决复杂问题，构建自动化工作流。 **耗时**：1-3 个月 **内容**：

1. **提示词进阶**：掌握 [思维链（CoT）](/ai_beginner_guide/di-san-bu-fen-shi-zhan-ying-yong-ji-qiao/12_prompt_advanced/12.1_chain_of_thought.md)、指定输出格式（见第 11 章）、迭代优化等高级技巧。
2. **知识库构建**：学会使用 [检索增强生成（RAG）工具](/ai_beginner_guide/di-si-bu-fen-jin-jie-yu-zhan-wang/14_agents/14.3_no_code_platform.md)（可理解为“先查你给的资料，再回答”），让 AI 基于你的私有数据回答问题。
3. **工作流自动化**：开始玩 Coze、Zapier，把 AI 串联到你的日常工作流里（例如：自动抓取新闻 -> AI 总结 -> 发送到手机）。
4. **原理理解**：阅读本书的前半部分，理解什么是 [Transformer](/ai_beginner_guide/di-er-bu-fen-he-xin-ji-shu-jie-xi/05_deep_learning/5.3_architectures.md)，什么是 Token，什么是过拟合。

**标志性里程碑**：你开发了一个自己的 GPT 或智能体，并把它分享给了同事使用。

## 第三阶段：AI 开发者

**目标**：基于 AI 开发产品，或者微调模型。 **耗时**：3-6 个月+ **内容**：

1. **编程基础**：学习 Python（不用太深，会调用 API 即可）。
2. **API 开发**：学会调用 OpenAI API，把 AI 能力集成到你的网页或 App 中。
3. **框架学习**：学习 LangChain、LlamaIndex 等开发框架。
4. **模型微调**：尝试在开源模型（如 LLaMA）基础上，用特定数据进行微调。

**标志性里程碑**：你上线了一个 AI 应用，或者在 GitHub 上贡献了代码。

## 给普通人的建议

绝大多数人 **停留在第二阶段就足够了**。

你不需要成为那 1% 造轮子的人（研发 AI），你只需要成为那 99% 也就是 **用轮子跑得最快的人**。

## 写在最后

《黑客帝国》里，墨菲斯给了尼奥两颗药丸：红色代表残酷的真相，蓝色代表虚幻的美梦。

AI 既不是红色药丸，也不是蓝色药丸。它是你手中的 **魔杖**。

挥动它，你能让枯燥的数据瞬间变成生动的图表。

挥动它，你能让脑海中的火花瞬间变成现实的作品。

本书的终点，就是你旅程的起点。

愿这本小书能帮你找到属于自己的魔杖，学会新世界的咒语。

## 下一步该做什么？

合上这本书后，不妨立刻采取以下行动：

1. **立刻动手**：去附录 B 挑一个你最感兴趣的工具，注册账号，今天就用它帮你完成一项实际工作。
2. **进阶学习**：当你在工作流中遇到生成质量的瓶颈时，可以回头翻阅附录 C 推荐的官方提示词指南，或者去学习基础的 Python 编程以接入 API。
3. **拥抱变化**：AI 的发展日新月异，与其焦虑，不如保持一份好奇心，享受这个一生难遇的技术大航海时代。