Learn AI Engineering

一个工程师的 AI 学习手账 — 保留困惑、保留追问、保留误解。

这本书给谁看

"刚从传统后端/前端转向 AI 的工程师，0-6 个月经验。"

更具体地说，你可能是这样的人：

• 你会写代码（Python / JS / Go 都行），懂 API 调用、知道 HTTP、用过数据库
• 你想理解 AI 应用层（RAG、Agent、MCP、Prompt Engineering），但被术语淹没
• 你试过看论文，但卡在数学公式和英文术语上；试过看教程，但总觉得"跳了一步"
• 你不需要训练模型，你需要用模型构建产品

如果你是 ML 研究者 —— 这里没有数学推导，可能太浅。 如果你完全不会编程 —— 这里的代码假设你能读懂 Python，可能太快。

看什么

这不是一本"AI 教程"。教程告诉你正确答案；这里告诉你我是怎么从错误答案走到正确答案的。

为什么看这里

市面上不缺 AI 教程。你来这里的理由只有一个：

"我不是专家在教你，我是同路人在分享笔记。每一篇都是我真正搞不懂、查了很久、跑通了之后写的。"

专家写的教程跳步 —— 他觉得你应该知道的，你不知道。 这里的笔记不跳步 —— 因为我自己刚学会，还记得哪里卡住了。

三个承诺

1. 每篇都有出处 —— 引用的论文、代码、文档都给链接，你可以验证
2. 每篇都能跑 —— 代码示例给完整命令，不给伪代码
3. 每篇都说"我不确定" —— 遇到我没搞清楚的地方，我会标注，而不是糊弄过去

阅读路线

详见 Learning Path · 阅读路线图。

目录结构

content/
├── 00-guide/        ← 你在这里
│   ├── README.md         序言 + 定位
│   └── learning-path.md  阅读路线图
├── 01-mcp/          MCP · 模型上下文协议
├── 02-agent/        Agent · 智能体架构
├── 03-rag/          RAG · 检索增强生成
└── 04-ai-programming/  AI 编程实战