第六章
学习路线与行动清单
行动清单0 / 8
一条主线,而不是十四门课一起上
把 14 份资源看成工具箱。主线是:
会指挥(提示词)→ 会办事(工具与 Agent)→ 会验收(评估与安全)→ 会交付(项目与平台)→ 可选地会看懂引擎(Karpathy)。
建议日程(大约 8 周,可按时间折半或加倍)
第 1–2 周:入门认知
- 重读本手册总览,写下 Dario 那句建议对你意味着什么:你要学会指挥 AI 做什么具体工作。
- 选定一个真实场景(必须是你本周就会反复做的事)。
- 完成 Microsoft《Generative AI for Beginners》第 00–07 课,并跑通一个最小程序。
- 选一门 DeepLearning.AI 入门短课作为强化,可选。
- 完成标准:能用自己的话解释模型、提示词、负责任使用,并且已经有一次成功的 API 或应用调用。
第 3–4 周:提示词基本功
- 主课:Anthropic Prompt Engineering Interactive Tutorial,按章做完练习。
- 同步开始 Anthropic API fundamentals。
- 以 DAIR.AI Guide 为词典,给学到的技巧做对照表。
- 做完《Real world prompting》中与你场景相近的部分。
- 完成标准:为你的场景写出可复用的系统提示词,并保存「改前提示词 / 改后结果」记录。
第 5–6 周:工具与 Agent
- 完成 Anthropic Tool use 六课,接上 1–3 个真实工具。
- 主课:Microsoft AI Agents for Beginners 第 1–10 课,把模式加进同一个项目。
- 在 Hugging Face Agents Course 里选一个框架往下做,尽量走到作业。
- 若需要小队协作,再用 CrewAI 做一个最小 Crew。AutoGen 只作概念阅读,实践改走后继框架或其他活着的框架。
- 完成标准:你的项目能完成一个多步骤任务,而不是单轮问答。
第 7–8 周:评估、安全与作品化
- 完成 Anthropic Prompt evaluations 的前几课,至少建立代码或表格评分。
- 从 Anthropic 或 OpenAI Cookbook 各取一道与评测、审核或成本相关的配方。
- 写「允许 / 禁止」清单,做对抗测试。
- 从 Awesome LLM Apps 克隆一个项目并改造,或把现有 Agent 整理成可演示的作品。
- 若要上云,再进入 Google Cloud 示例;否则先把本地交付打磨好。
- 完成标准:有 20 条以上回归测试、有成本与耗时记录、有一个别人能看懂的演示。
持续加餐(与主线并行,不要抢主线)
- Karpathy:每周一讲,优先 1、7、8 讲。
- DeepLearning.AI:每个阶段最多一门短课。
- Cookbook:带着问题查,不通读。
每日与每周行动清单
每天(30–90 分钟)
每周
不要做的事
- 同时注册所有课程却一个练习都不做。
- 把收藏夹里的模板当成已经学会。
- 在没有评测的情况下不断更换框架和模型。
- 把已归档的 AutoGen 当作新项目的技术起点。
- 把本手册的精读当成原文替代。遇到要动手的细节,必须打开原文。
学成的工作标准
如果你能同时做到下面五条,就可以说这条学习路径「入门毕业」了:
- 能把一个真实工作拆成清晰指令,并写成可复用提示词。
- 能给模型接上工具,完成多步骤任务。
- 有一套会回归的评测,而不是靠印象。
- 对越权、幻觉和敏感操作有明确限制。
- 有一个可以演示、可以修改、可以讲清设计取舍的小项目。
帖子里的那句对照仍然成立:大多数人会带着旧技能去和 AI 竞争同一个初级岗位;少数今年学会驾驶 AI 的人,会开始管理那些完成初级工作的 Agent。本手册只帮你开始。真正的功课,是今天就让 AI 去做一件具体的事。