数学基础
线代 + 概率 + 优化
机器学习
经典算法 + Scikit-learn
深度学习
PyTorch + Transformer
领域专精
NLP / CV / 多模态
系统与伦理
部署 + 评测 + 治理
前沿追踪
AGI + 对齐 + 绿色 AI
AI 知识体系
六大层级，从地基到前沿，覆盖 AI 完整知识图谱
数学与算法基础
线性代数、概率统计、凸优化、数据结构与算法，构建 AI 的数学思维底座。
机器学习 & 表示学习
从监督/无监督学习到 CNN、RNN、Transformer 架构，理解模型如何从数据中学习表示。
自然语言处理 & Prompt Engineering
语言模型、注意力机制、RLHF，以及 Prompt 设计、CoT、Few-shot 等高效交互策略。
RAG & 知识系统
向量数据库、知识图谱、Embedding 与检索策略，构建企业级知识增强系统。
AI Agent 开发
Function Calling、ReAct、MCP 协议、多 Agent 协作，构建自主智能体系统。
多模态 AI
视觉-语言理解、音频-文本、跨模态检索，拓展 AI 的感知与生成边界。
训练系统 & 推理部署
分布式训练、混合精度、量化蒸馏、TensorRT 部署，将模型能力转化为工程产品。
评测、伦理 & 安全对齐
Benchmark 设计、红队测试、公平性评估、AI 治理与价值对齐。
因果推理 & 可解释性
因果图、反事实推理、SHAP/LIME 归因，让 AI 的决策过程可理解、可信赖。
学习案例
真实项目驱动学习，在实践中理解原理、积累经验
构建知识库问答系统
基于 RAG 技术栈，从零搭建完整的文档问答系统。涵盖文档解析、向量索引、混合检索与答案生成全流程。
学习要点
- 文档智能切分策略
- 混合检索 + Reranker 优化
- 流式输出与引用溯源
Prompt 驱动的自动化工作流
利用 LLM 的 Function Calling 能力，构建可自我纠错的自动化工作流，替代传统 RPA 方案。
学习要点
- 结构化输出设计
- 错误重试与自我修复
- 多步骤任务编排
AI 辅助编程实践
从 Cursor 到 Claude Code，探索 AI 编程助手的最佳实践，掌握 Agent Skills 和 MCP Server 开发。
学习要点
- Agent Skills 体系设计
- MCP Server 开发实战
- 代码审查自动化流水线
多模态内容审核系统
基于 CLIP 零样本分类与多模态融合，构建文本+图像联合审核的 UGC 内容安全防线。
学习要点
- 文本+图像联合审核
- 规则引擎与模型协同
- 多模态特征融合
构建智能客服对话系统
基于意图识别、对话状态管理与 RAG 检索的多轮智能客服，实现可解释、可迭代的对话 AI 系统。
学习要点
- BERT 意图分类
- 对话状态跟踪
- 模板 + LLM 混合回复