【AI辅助创作】学习路径科普，已人工审核
这两年“大模型应用”热度很高，但很多人学歪了：课买了一堆，还是写不出一个能用的系统。
问题不在不努力，在顺序错了。
一、先搞清楚：你学的是“应用层”还是“算法层”
算法层：训练、微调、模型结构
应用层：API调用、RAG、Agent、业务集成
公开岗位数据里，AIGC相关职位数同比曾大幅增长，企业缺的是能把模型接进系统的人，不是每人都去发论文。
应用层对数学门槛没那么恐怖，但对“工程闭环”要求高。
二、零基础路径（3个月能出小项目）
第1阶段：跑通API
调一次大模型
传系统提示词
返回JSON
第2阶段：做知识库
读PDF/Excel
切分文本
存向量库
问问题看答案来源
第3阶段：加工具
第一次搜索
调一次数据库
让模型决定先查哪个
第4阶段：写评估
10条问题起步
记录对不对、贵不贵、慢不慢
三、有开发基础路径
直接做三个项目：
内部文档问答
日志故障初判
多智能体分工（一个查、一个写、一个审）
参考工业侧做法：单个Agent别硬撑，复杂任务拆开协同。
四、常见坑
❌ 提示词抄一堆，不懂为什么生效
❌ RAG只接一个txt，就宣称“企业级”
❌ Agent不设甲方式，死循环烧钱
❌ 只看demo截图，不测边缘情况
五、怎么判断一门内容值不值
看它有没有这些，而不是看头衔：
给源码还是只给PPT
讲评估还是只讲“效果惊艳”
讲权限/敏感词还是只讲“全自动”
用真实业务文档还是用玩具例子
学习建议：先自己搭一个“能查自己笔记”的bot，比听十节概念课有用。
EEC工信教考中心，AI大模型应用工程师 聚鑫汇
马老师13391509126
丁老师13522094648
六、适合分批学的人群
在校生：先做知识库项目再投简历
后端：补RAG + Agent编排
产品：重点学边界和评估，别深抠向量
运营/数据分析：从“报表问答”切入最顺
