AI · LEARNING NOTES

AI 学习手记¶

从 Python 基础，
到大模型应用。

整理学习中的概念、代码与实践，把零散的理解连接成可以反复查阅的知识。

浏览学习笔记查看学习路线

个人笔记 / 概念梳理 / 代码与实践

按主题阅读¶

沿着知识之间的联系，找到这次想了解的内容。

编程与服务开发 ¶

从语法与开发环境入手，理解程序如何运行，搭建可调用的服务。

Python · Linux · FastAPI

数据存储与分析 ¶

连接数据库、缓存与数据分析，梳理从存储到可视化的处理过程。

MySQL · Redis · Pandas

机器学习与 NLP ¶

理解模型的学习方式，串起机器学习、深度学习与自然语言处理。

机器学习 · 深度学习 · NLP

大模型与提示词 ¶

回顾大模型的发展脉络，整理提示词方法、示例与项目案例。

大模型发展 · 提示词 · 案例

AI 应用平台 ¶

通过知识库与工作流，理解私有数据如何接入 AI 应用。

Coze · Dify · 知识库

RAG 工程实践 ¶

沿着检索、生成与服务化，逐步理解一个 RAG 系统的组成。

检索 · 生成 · 数据治理

从哪里开始？¶

根据已有基础，选择一个适合自己的入口。

补开发基础¶

先熟悉 Python、Linux 和接口开发，再向数据与模型延伸。

从编程与服务开发开始 →

先体验 AI 应用¶

从 Coze、Dify 的知识库与工作流入手，建立对应用的直观认识。

从 AI 应用平台开始 →

深入 RAG¶

已有开发基础时，沿着检索、生成、服务与治理继续探索。

从 RAG 专题开始 →

专题推荐 / RAG

企业级 RAG 系统¶

把分散的知识放回系统中理解：数据如何进入知识库，检索如何找到上下文，模型如何生成回答，服务如何验证和交付。

基础与环境
检索与生成
服务与治理
验证与交付

进入 RAG 专题 →

关于这些笔记¶

记录个人学习中的理解与实践，保留值得反复阅读的概念、代码和问题。内容会随着新的认识持续修订。

了解这个笔记本 →