共 6 篇文章
7 天吃透 Claude｜20 份核心学习资源
本文是「7 天吃透 Claude」学习路线图，反对只收藏不应用。汇总 10 门 Anthropic 免费官方课程与 14 篇实操指南，按「基础→应用→系统」三层编排，覆盖 Prompt、MCP、Agent Skills、API、上下文工程、Loops、Artifacts、第二大脑等主题，附 10 天计划。面向想掌握 Claude 的开发者，助其零成本建立从入门到构建系统的完整能力体系。
「万字总结」- 我偷来了一份成为 Agent 工程师的学习线路
一份成为 Agent 工程师的完整学习线路，把知识、文档、项目与验收标准绑在一起。路线从 LLM 基础、Prompt 到 RAG，再到 Agent 应用与后端工程，每块配文档、可实测项目和验收要求，如 API Playground、RAG 加工具、简化 Coding Agent 与 AI 服务后端；结尾给出 Pi、OpenBot 等开源项目作实战入口和求职建议。
如何在 8 个月内成为一名机器学习工程师（完整路线图）
面向零基础读者的机器学习工程师8个月完整路线图：前两月打基础（Python、数学与斯坦福CS229/MIT课程），三四月并行学fast.ai与MIT 6.S191深度学习，五六月进入生产级ML工程（云平台、MLOps与Kaggle实战），末两月专精方向并打造两个已部署的作品集项目。核心是以每个阶段交付一个部署项目为节点坚持执行，并附已验证的免费资源清单与2026年付费墙变化说明。
如何在 2026 年成为一名 AI 工程师（路线图）
本文是一份面向想在2026年成为智能体工程师的学习路线图，提出以智能体与支撑工程为核心的六阶段路径。文章主张不必学遍十二个框架，而应在真实编排运行时上构建智能体，把前沿模型当作参考支撑，用写入、选择、压缩、隔离做好上下文工程，编写模型能正确调用的工具，并补齐记忆、持久化与沙箱。还强调用评估、轨迹检查与持续集成门禁保障质量，约十七周即可独立交付生产级智能体功能。
AI Engineer 学习路径（译）
本文翻译并整理了一份 AI Engineer 学习路径，基于约 2000 份真实岗位描述总结。核心强调围绕 LLM 构建系统，覆盖 RAG、AI Agents（工具调用、Agent Loop、MCP、多智能体）、系统测试、监控可观测、评测与生产部署；并列出 Python、Web、云、数据库等支撑技能与典型技术栈。适合想从 ML 理论走向生产级 AI 系统开发的工程师。