共 3 条路线

学习路线

不知道该从哪看起的时候，照着路线图的顺序走就行。每个阶段都会指到对应的文章或资源。

从零理解大模型

入门

不写代码也能走完的入门路线。先搞懂注意力机制在做一件什么事，再学会怎么把话说清楚让模型听话。

这条路线是给完全没接触过大模型的人准备的。不需要数学基础，也不需要会写代码。

很多人入门时直接跳去调 API、搭 RAG，结果一遇到「模型不听话」就不知道怎么排查。根因往往是没搞懂底层在做什么。这条路线先把这两件事补上：

走完这两篇，再去看 RAG 和 Agent 会轻松很多，因为你会发现它们本质上都是「怎么把合适的信息放进上下文」的不同答案。

进阶

从会写提示词到能交付应用：选对模型、接上私有数据、再让模型自己调用工具完成任务。

这条路线面向准备把大模型接进真实产品的开发者。

三步的顺序是刻意安排的，每一步都在解决上一阶段的瓶颈：

选型是起点。 很多项目一开始就选错模型——要么杀鸡用牛刀，成本高得离谱；要么用太小的模型，效果不达标反复返工。先建立判断框架，能省下大量试错成本。

RAG 解决「不知道」。 模型不了解你的业务数据，这是做应用时第一个撞上的墙。注意 RAG 的难点不在原理，而在分块、召回和评估这些工程细节。

Agent 解决「不会做」。 当任务需要模型主动查数据、算数、调接口时，单次调用就不够了。理解那个 while 循环之后，你就有了自己判断框架该不该用的能力——而不是被框架牵着走。

走完之后，你应该能独立判断一个需求该用提示工程、RAG、Agent 还是微调来解决。

实战

当数据不能出内网、或者需要模型贴合特定场景时：本地部署、成本评估，以及什么时候真的该上微调。

有些场景下，把数据发给第三方 API 这条路根本走不通：金融、医疗、涉密单位，或者单纯是合规要求。

这条路线讲的是私有化落地的完整判断链：先确认是否真的需要，再解决怎么部署，最后才考虑要不要微调。

顺序很重要，而且绝大多数人搞反了。

正确的顺序是：评估 → 部署 → 微调。

搞反的典型表现是先花几万块买显卡，或者一上来就张罗微调数据集——结果发现用 API 加一套 RAG 就能解决问题，成本还更低。

这篇路线的核心其实是一个决策问题：知识不足用 RAG，行为不对才微调。理解这条分界线，能帮你避开私有化落地里最贵的那几个坑。

如果你还不确定自己的问题属于哪一类，先回到大模型应用开发那条路线把 RAG 和提示工程过一遍，通常就清楚了。