Learning Paths

学习路线

不必从第一页顺序读到最后。先确定当前目标，再沿一条主线进入对应笔记；遇到概念缺口时，再转入理论支线补齐。

3 条目标路线 8 份完整笔记 32 个 RAG 阅读页面

先选择一个起点

PATH 01

补开发基础

适合先建立 Python、Linux、数据库与接口开发基础，再进入大模型应用。

目标：看懂代码并能完成基础服务开发

PATH 02

先体验 AI 应用

从本地模型、提示词和知识库平台入手，先理解模型如何被组织成应用。

目标：快速建立大模型应用全貌

PATH 03

深入工程实现

围绕企业级 RAG，继续学习检索、生成、服务治理、测试和交付。

目标：理解完整 RAG 工程链路

路线一：补开发基础

这条路线先解决“代码为什么这样写”，适合作为后续两条路线的基础。

1. 01

   掌握 Python 基础语法

   从变量、运算、流程控制开始，建立最基本的代码阅读能力。

   进入 Python 基础语法

02

理解容器、函数与面向对象

继续学习常用数据结构、函数组织方式和对象模型。

学习 Python 常用容器学习面向对象

03

补齐系统与网络知识

认识 Linux 命令、网络编程、进程、线程和协程。

查看 Linux 常用命令进入网络编程

04

建立数据存储基础

用 MySQL 理解结构化数据，用 Redis 理解缓存与键值存储。

学习 MySQL学习 Redis

05

进入 API 服务开发

将前面的 Python 与数据库知识放进 FastAPI 服务中理解。

进入 FastAPI 基础入门

路线二：先体验 AI 应用

这条路线先回答“模型怎样变成可使用的应用”，适合快速建立直观认识。

1. 01

   体验本地模型

   先通过本地智能聊天机器人认识模型调用与交互过程。

   体验本地智能聊天机器人
2. 02

   学习提示词组织方法

   理解提示词结构、常见技巧以及项目案例中的使用方式。

   阅读提示词工程指南查看提示词项目案例
3. 03

   认识知识库应用

   分别观察 Coze 和 Dify 中知识库、数据库与工作流的组织方式。

   查看 Coze 知识库查看 Dify 知识库
4. 04

   建立 RAG 系统视角

   从专题概览和业务流程开始，将前面的模型、提示词和知识库概念连接起来。

   阅读 RAG 系统概览查看核心业务流程

路线三：深入工程实现

这条路线以企业级 RAG 为主轴，重点关注系统如何开发、验证和交付。

1. 01

   准备服务与数据基础

   复习 FastAPI 进阶功能、ORM、MySQL 和 Redis。

   FastAPI 进阶功能SQLAlchemy ORM
2. 02

   搭建项目并理解核心概念

   从工程环境、RAG 概念、LangChain 和 Milvus 索引开始。

   从第 1 章开始定位 Milvus 索引
3. 03

   完成检索与生成链路

   依次理解意图路由、查询改写、混合检索、问答服务和 RAG Pipeline。

   进入第 5 章：意图分类与路由定位 RAG Pipeline
4. 04

   补齐服务与治理

   继续学习异步 Web、前置校验、版本管理、多租户和文档入库。

   进入第 12 章：FastAPI 与异步 Web
5. 05

   完成验证与交付

   用回归验收、接口测试、可观测性和 Docker 交付闭合工程链路。

   进入第 17 章：回归与质量定位 Docker 交付

理论支线：需要时再补

01机器学习监督学习、无监督学习与常见算法 02深度学习神经网络、训练过程与常见架构 03自然语言处理文本表示、语言模型与 NLP 任务 04大模型发展史把当前技术放回模型演进脉络中理解

浏览全部学习笔记 进入 RAG 专题