大模型学习路线图与资源推荐

一、先建立整体认知

不要一上来就啃论文和代码。先理解几个核心概念：什么是 LLM、Token、Transformer、预训练/微调、Prompt、RAG、Agent。这些概念构成了大模型的「骨架」，本系列前面的文章就是为此准备的。

二、推荐学习路线

1. 会用：熟练使用主流模型，掌握 Prompt 技巧。
2. 会调：搞懂温度、上下文、Token 计费等参数与机制。
3. 会接：学会用 API 开发，写几个小应用。
4. 会装：用 Ollama 本地部署，理解量化。
5. 会改：学习 RAG、微调（LoRA）。
6. 会造：搭建 Agent，做端到端产品。

三、优质学习资源

• 入门：吴恩达的《ChatGPT Prompt Engineering》《Building Systems with LLM》系列短课。
• 理论：李沐的《动手学深度学习》、Andrej Karpathy 的《Neural Networks: Zero to Hero》视频。
• 框架：Hugging Face 官方文档与课程、LangChain 文档。
• 社区：Hugging Face、GitHub Trending、相关公众号与知乎专栏。

四、最重要的建议

• 动手优先：光看不练等于没学，跑通一个 RAG 比读十篇文章有用。
• 从需求出发：带着真实问题学，效率最高。
• 关注变化：这个领域月月更新，保持信息输入。

五、小结

大模型是「学」出来的，更是「用」出来的。沿着「会用 → 会调 → 会接 → 会装 → 会改 → 会造」的路径走，每一步都动手，很快就能建立自己的竞争力。