采用「自顶向下」学习法 —— 先上手做生产级应用，再深挖底层原理。从 Prompt 工程到数学基础，构建完整的 AI 工程师知识图谱。
先做应用建立直觉，再深入原理。避免「学了不会用」的困境。
覆盖应用、工具、理论、数学全栈，一图全览 LLM 技能树。
每章配可运行代码，结合 Ollama / Dify / Cursor 等主流工具。
涵盖 MCP / Vibe Coding / 多模态等最新方向，持续跟踪。
全中文原创，针对中文学习者认知习惯组织，术语精准对照。
欢迎 PR 补充内容、纠错或新增章节，共同完善路线图。
直接开始开发，快速跑出能落地的 MVP，建立对大模型能力的直觉认知。
掌握主流大模型工具和平台，覆盖本地部署到低代码全场景。
将应用能力延伸至 Vibe Coding 开发范式，探索教育、企业等行业场景。
深入 NLP 核心、强化学习对齐、模型微调、多模态技术。
按需补充机器学习和深度学习基础，理解 CNN / RNN / Attention 的演进脉络。
按需补充微积分、线性代数、概率统计，以及算法与系统设计基础。
从 Prompt 出发，掌握 Function Call、RAG、MCP、Skills、Agent 等核心应用技术。
全面解析 AI 辅助编程范式，涵盖 Cursor / Claude Code 等主流工具的实战。
本地部署到低代码平台，Ollama / Dify / Coze / Cursor 的实际使用。
探索 AI 在教育、企业内部系统等真实场景的落地方法。
从词向量到 Transformer，深入理解自然语言处理核心技术演进。
理解大模型如何通过 RLHF、DPO 等技术与人类偏好对齐。
视觉语言模型、音频处理和视频理解的核心能力与应用。
从神经网络基础到 CNN、RNN、Attention 等核心架构。
机器学习概述与核心概念，为深度学习提供统计学习理论基础。
算法基础、数据结构与系统设计，工程化落地的能力储备。
微积分、线性代数、概率统计精要，AI 背后数学原理的直觉化讲解。
精选数据集、开源模型、开发工具，以及章节规划 Roadmap。