🎯 技术学习记录 — AI/CS 系统学习体系¶
目标：围绕 AI/CS 岗位构建系统知识、项目经验与工程能力 体系版本： v5.4 （ 2026-04-04 导航复核版） 最后更新： 2026-04-04 质量说明：全量文档持续接受自动化扫描与人工复核，分批修正事实性、时效性、工程性与表述严谨性问题
更新摘要¶
v5.4 （ 2026-04-04 导航复核版 ） - ✅ 逐文档复核首页、学习路线、知识图谱、分类导航与机器学习索引页，统一尾注日期与核验说明 - ✅ 修正首页分类入口与交叉引用中的失效路径，统一顶层导航先进入分类总览页的跳转口径 - ✅ 收紧“必修 / 速成 / 唯一路径”类表达，把推荐顺序明确为参考路线而非唯一标准答案
v5.4 （ 2026-04-03 深审续推版 ） - ✅ 继续对 LLM学习 / LLM应用 / AI Agent开发实战 / 自然语言处理 / 计算机视觉 / 具身智能 做第二轮深审，收紧前沿模型、产品能力、排名式结论与快照化年份表述 - ✅ 修正应用开发中的失效锚点链接，并再次通过严格构建与线上部署验证 - ✅ 将首页、学习路线、知识导航页中的过强承诺式口径继续收稳为学习导向表达
v5.4 （ 2026-04-02 持续核验版 ） - ✅ 补扫并修正首页与高波动章节中的静态价格写法，统一改为“以官方价格页为准”的稳态表述 - ✅ 同步修订网络教程、Linux 云服务器建议、前沿模型横评中的易漂移信息 - ✅ 重新构建并刷新 yz520gzy.top 站点内容，确保 MkDocs 首页与本地仓库状态一致
v5.4 （ 2026 年 3 月 26 日就业升级版 ） - ✅ 新增 2028就业升级导航，把站内内容按 AI4SE / Agent / AI Infra / 搜推+LLM / 具身与工业智能体 五条主线重排 - ✅ AI Coding工具链 升级为 15 章：补齐 Agentic Software Engineering / 上下文工程 / MCP+Skills / 评测治理 - ✅ AI编程实战 升级为 9 章：新增项目交付模板，强调 需求 -> 计划 -> 编码 -> 审查 -> 测试 -> 交付 - ✅ 推荐系统 明确升级为 搜索推荐 + LLM + RL 路线，新增岗位导航页 - ✅ 具身智能与机器人AI 新增工业机器人与制造智能体路线页，补产业落地方向 - 📊 文档规模：1500+ 篇（持续更新，以仓库实际统计为准）
v5.3 （ 2026-03-25 维护更新 ） - ✅ 完成手机 / iPad / 电脑三端回归，修复首页顶层分类与分类总览页的跳转一致性 - ✅ 收口移动端主侧栏关闭态交互，避免屏外导航链接误命中 - ✅ 持续优化 AI 助手、公式渲染与浮动按钮安全区，减少移动端正文遮挡 - 📊 文档规模：1500+ 篇（持续更新，以仓库实际统计为准）
v5.3 （ 2026-03-25 ） - ✅ 新增 TypeScript 开发 完整独立模块（ 9 章 + 实战项目，含 Next.js 当前稳定版 / tRPC / AI SDK / Hono ） - ✅ Rust 开发扩展至 15 章：新增 AI 推理引擎实战（ Candle/Burn ） - 📊 文档规模：920+ 篇（持续更新，以仓库实际统计为准） - 🔢 编程语言模块由 5 个扩展至 6 个（新增 TypeScript ）
v5.2 （ 2026-03-25 ） - ✅ 新增 AI Coding 工具链 教程（ 11 章， Cursor/Copilot/Claude Code 深度使用） - 📊 文档规模：900+ 篇（持续更新，以仓库实际统计为准） - 📝 就业战略文档新增：就业目标明确化，腾讯为首选，华为仅实习 - 🔗 修复 全栈学习路线 内链大小写错误
v5.1 （ 2026 年 3 月 26 日全量核验优化版） - 🔍 首批 857 篇文档完成联网核验 + 自动化扫描，修正 12 处事实性错误 - 🔗 修复 44 条断裂内部链接， URL 编码路径全部规范化 - 🧹 清理 31,559 行多余空白，统一代码格式 - 📝 14 个 README 升级为带链接章节表的标准格式
v5.0 主要变更 - 具身智能： 1 章→6 章（感知/控制/VLA/仿真/面试全覆盖） - AI Agent ： 4 章→16 章（+评估测试/生产部署/企业级案例/OpenClaw实战） - MLOps ： 4 章→6 章（+ML 流水线 CI/CD/FeatureStore ） - 深度学习：+分布式训练专题（ DDP/FSDP/3D 并行） - LLM 学习：+SFT 数据工程专题（ Self-Instruct/对齐数据） - LangChain ：全面迁移至LCEL/LangGraph（清除所有废弃 API ） - 重复内容：模型优化 ↔ LLM 应用交叉引用标注完成
📊 体系总览（ 9 大类别 · 多教程持续更新）¶
建议先进入对应的分类总览页，再按自己的岗位目标和基础选择教程，不必机械照搬同一条顺序。
| # | 分类 | 教程数 | 核心方向 | 优先级 |
|---|---|---|---|---|
| 🧠 | AI 核心理论 | 10 个 | ML/DL/LLM/CV/NLP/推荐/RL/扩散模型/具身智能 | ⭐⭐⭐⭐⭐ |
| 🔧 | AI 工程与工具 | 7 个 | Agent(16 章)/MLOps(6 章)/模型优化/AI4SE / AI Coding 2.0/ComfyUI/Dify | ⭐⭐⭐⭐⭐ |
| 📐 | 数学与算法 | 2 个 | AI 数学(SVD→LoRA)/算法(DP 完整版) | ⭐⭐⭐⭐⭐ |
| 💻 | 编程语言 | 6 个 | Python/C++/Java·Go·Rust·TypeScript(按目标选修) | ⭐⭐⭐⭐ |
| 🏗️ | 系统与架构 | 8 个 | 后端/DB/系统设计/OS/网络/底层/设计模式/数据工程 | ⭐⭐⭐⭐ |
| ☁️ | 工程实践 | 3 个 | 云原生 DevOps/Linux Shell/Git | ⭐⭐⭐ |
| 🎓 | 求职面试 | 5 个 | 面试题库/简历求职/AI 系统设计面试/科研/全栈路线 | ⭐⭐⭐⭐⭐ |
| 🌐 | 应用开发（按需） | 3 个 | Web 开发(Flask+FastAPI)/前端(按需)/应用(按需) | ⭐⭐ |
| 📦 | 选修精简 | 3 个 | 测试(AI 模型测试)/安全(AI 安全)/产品(AI 产品) | ⭐⭐ |
🧠 第一类： AI 核心理论（建议优先完成）¶
这是多数 AI 岗位都绕不开的核心基础，至少应建立成体系的理解与可验证项目经验 快速入口：机器学习 · 深度学习 · LLM 学习
| 序号 | 教程 | 章节数 | 关键技术 |
|---|---|---|---|
| 1 | 机器学习 | 30 章（含 00 ） | 监督/无监督/集成学习/概率图模型/现代表格方法 |
| 2 | 深度学习 | 6 大模块(含分布式训练) | CNN/RNN/Transformer/GNN/GAN/DDP/FSDP/3D 并行 |
| 3 | LLM 学习 | 4 大模块(含 SFT 数据工程) | 基础巩固/核心技术/系统工程(+数据工程)/前沿探索 |
| 4 | LLM 应用 | 25 章（含 LCEL/LangGraph ） | Prompt/RAG/Agent/微调/部署/LangChain LCEL/LangGraph |
| 5 | 计算机视觉 | 18 章 | 图像分类/检测/分割/ViT/多模态/SAM/世界模型 |
| 6 | 自然语言处理 | 15 章 | 词向量/BERT/生成式 NLP/对话系统/Agent 化 NLP |
| 7 | 推荐系统 | 23 章 | 召回/排序/长序列/生成式推荐/搜索推荐+LLM |
| 8 | 强化学习 | 6 大模块 | DQN/Policy Gradient/RLHF/RL for Reasoning |
| 9 | 扩散模型学习 | 多章 | DDPM/Stable Diffusion/ControlNet/视频生成代表性路线 |
| 10 | 具身智能与机器人 AI | 7 章 | 感知/控制/VLA/仿真 Sim2Real/工业机器人与制造智能体 |
🔧 第二类： AI 工程与工具¶
Agent 与 MLOps 是
2026-2028期间非常值得优先投入的工程方向，但具体权重仍应结合你的岗位目标决定
| 序号 | 教程 | 章节数 | 关键技术 |
|---|---|---|---|
| 1 | AI Agent 开发实战 | 16 章 | ReAct/LangGraph/Deep Agents/Agno/MCP/Context Engineering（上下文压缩/长上下文）/Agent Memory（Mem0/Checkpointer/MemGPT）/多 Agent/评估/生产部署/企业案例/OpenClaw+ClawHub |
| 2 | MLOps 与 AI 工程化 | 6 章 | MLflow/Triton/监控/LLMOps/Kubeflow CI-CD/FeatureStore |
| 3 | 模型优化 | 14 章 | 量化/剪枝/蒸馏/推理优化/FlashAttention/Speculative Decoding （→LLM 应用交叉引用标注） |
| 4 | AI 编程实战 | 9 章 | 需求拆解/代码生成/审查/测试/文档/AI 协作开发/项目交付模板 |
| 5 | AI Coding 工具链 | 15 章 | Agentic Software Engineering/上下文工程/MCP/Skills/评测/治理 |
| 6 | ComfyUI 实战 | 9 章 | 工作流/模型加载/自定义节点/FLUX/视频生成 |
| 7 | Dify 实战 | 8 章 | 应用构建/工作流/RAG 集成/Agent/MCP |
📐 第三类：数学与算法基础¶
数学与算法基础是 AI 学习和技术评估中的高频核心能力。
| 序号 | 教程 | 章节数 | 关键内容 |
|---|---|---|---|
| 1 | AI 数学基础 | 4 章(深度扩充) | 线性代数(SVD+LoRA)/概率统计(EM+VAE)/优化理论(Adam+分布式)/信息论(InfoNCE+扩散) |
| 2 | 算法 | 多章 | 数据结构/动态规划/图论/贪心 |
💻 第四类：编程语言¶
Python 通常建议优先完成；C++在推理、系统和高性能方向更值得补齐；Java/Go/Rust/TypeScript 按目标岗位选择即可
| 序号 | 教程 | 章节数 | 定位 |
|---|---|---|---|
| 1 | Python 开发 | 6 大部分 | 建议优先 · AI 主力语言/Python 3.14/Polars |
| 2 | C++开发 | 18 章 | 方向强化 · 推理框架/高性能计算/C++26 前瞻 |
| 3 | Java 开发 | 18 章 | 按需选修 · Spring Boot/微服务/Java 26 （后端岗需要） |
| 4 | Go 语言开发 | 16 章 | 按需选修 · 云原生/gRPC 微服务/Go 1.26+（基础设施岗需要） |
| 5 | Rust 开发 | 15 章 | 按需选修 · 系统编程/Candle/Burn/AI 推理引擎 （ HPC/推理框架岗） |
| 6 | TypeScript 开发 | 9 章 + 实战 | 按需选修 · 类型系统/Node.js 后端/Next.js 16 全栈/AI SDK/Hono Edge （全栈/前端岗） |
🏗️ 第五类：系统与架构¶
| 序号 | 教程 | 章节数 | 关键内容 |
|---|---|---|---|
| 1 | 后端架构 | 17 章 | 微服务/分布式/DDD/消息队列 |
| 2 | 数据库 | 12 章 | MySQL/Redis/MongoDB/向量数据库 |
| 3 | 系统设计 | 8 章 | 高并发/高可用/AI 系统设计/ML Pipeline |
| 4 | 操作系统 | 多章 | 进程/内存/文件系统/调度 |
| 5 | 网络 | 多章 | TCP/IP/HTTP/网络编程 |
| 6 | 底层系统 | 7 模块 | 编译原理/程序运行/GPU 计算 |
| 7 | 设计模式 | 多章 | 23 种 GoF 模式/架构模式 |
| 8 | 数据工程 | 18 章 | Spark/Flink/Kafka/Lakehouse/dbt |
☁️ 第六类：工程实践¶
| 序号 | 教程 | 章节数 | 关键内容 |
|---|---|---|---|
| 1 | 云原生与 DevOps | 20 章 | Docker/K8s/CI-CD/GitOps/Terraform |
| 2 | Linux 与 Shell | 12 章 | 文件管理/Shell 脚本/系统管理 |
| 3 | Git 与版本控制 | 6 章 | 分支管理/远程协作/高级技巧 |
🌐 第七类：应用开发（按需选修）¶
AI 工程师通常不需要深入前端/移动端，按岗位需要选学
| 序号 | 教程 | 章节数 | 关键内容 |
|---|---|---|---|
| 1 | Web 开发 | 精简版 | Flask/FastAPI （AI 模型服务方向常见补充） |
| 2 | 前端进阶 | 多章 | React/Vue/TypeScript （全栈岗按需） |
| 3 | 应用开发 | 多章 | Android/Flutter （端侧 AI 按需） |
🎓 第八类：求职与复盘（重要）¶
| 序号 | 教程 | 关键内容 |
|---|---|---|
| 1 | 面试题库 | 22 题库： AI/CS/Agent+RAG/系统设计 |
| 2 | 简历与求职 | AI 算法岗简历模板/薪资地图/实习规划/竞赛指南 |
| 3 | AI 系统设计面试 | AI-RESHADED 框架/10 题详解/核心组件 |
| 4 | 科研方法与论文写作 | AI 论文写作/Rebuttal/顶会投稿策略 |
| 5 | 全栈学习路线 | 12/15/18 月三条差异化路线 |
📦 第九类：选修精简¶
已精简至 AI 相关核心内容，基础部分已归档
| 序号 | 教程 | 保留内容 | 归档说明 |
|---|---|---|---|
| 1 | 测试与质量保证 | AI 模型测试与评估 | 通用测试 7 章→归档 |
| 2 | 网络安全 | 网络安全基础/威胁防护/AI 安全/Web 安全/API 安全 | 已整合为 5 章核心内容 |
| 3 | 产品管理 | AI 产品管理 | 通用产品 2 章→归档 |
🔗 交叉引用指南¶
为避免重复内容,相关教程之间存在交叉引用关系:
| 主题 | 主教程 | 交叉引用 |
|---|---|---|
| 模型优化 | 模型优化/ | 量化/剪枝技术 → 参见 LLM 应用/12-推理优化.md |
| Agent 基础 | LLM 应用/07-Agent 开发基础.md | Agent 实战 → 参见 AI Agent 开发实战/ |
| Transformer | 深度学习/04-Transformer/ | LLM 理论基础 → 参见 LLM 学习/01-基础巩固/ |
| 微调技术 | LLM 应用/09-大模型微调技术.md | LoRA 实现 → 参见 LLM 学习/02-大模型核心技术/06-LoRA 从零实现.md |
| 分布式训练 | 深度学习/06-高级主题/09-分布式训练.md | 训练基础设施 → 参见 LLM 学习/03-系统与工程/ |
📚 苏剑林 / 科学空间：方法论启发¶
我把他的博客当作“如何写 AI 教程”的模板，而不是只当作“某几篇论文解读”。真正值得迁移的不是某个 trick，而是他处理问题的方式：先统一框架，再拆边界；先给几何直觉，再给公式；先讲训练/推理代价，再讲模型结构。
对我们的教程最有价值的 5 个启发¶
- 统一视角优先：把
DDPM / SDE / ODE、MHA / MQA / GQA / MLA、SFT / RLHF / GRPO / Agentic RL放到同一框架里看，读者更容易建立心智模型。 - 几何直觉优先：矩阵、SVD、伪逆、RoPE、Residual、MoE 路由、Muon，先解释“它在几何上是什么”，再解释实现。
- 训练与推理一起讲：很多技术的关键并不在“能不能训”，而在
KV Cache、长度外推、采样步数、显存、并行和吞吐。 - 把约束显式化：哪些假设成立、哪些条件下失效、代价是什么，要明确写出来，避免把 trick 包装成银弹。
- 工程与理论合流：当一个方法真有价值，它通常会同时改善稳定性、效率、可扩展性和可复现性。
代表性阅读与对应章节¶
| 苏剑林主线 | 迁移到教程里的写法 | 对应章节 |
|---|---|---|
| 新理解矩阵2:矩阵是什么? / 从几何角度理解矩阵 | 先讲线性变换、基、秩、SVD，再讲低秩近似和伪逆 | AI数学基础 |
| 浅谈Transformer的初始化、参数化与标准化 / Transformer升级之路:8、长度外推性与位置鲁棒性 / Bias项的神奇作用:RoPE Bias 更好的长度外推性 / Transformer升级之路:20、MLA好在哪里?(上) | 把初始化、Norm、位置编码、长度外推、KV Cache、注意力变体放在一条主线上讲 | 深度学习 / LLM学习 / AI Agent开发实战/08-上下文工程.md |
| 让炼丹更科学一些(一):SGD的平均损失收敛 / 为什么Adam的Update RMS是0.2? / Muon is Scalable for LLM Training | 学习率、权重衰减、更新尺度、Muon 这类内容要讲清“为什么这样调能 scale” | 模型优化 / LLM学习 |
| MoE环游记:1、从几何意义出发 / Attention Residuals 回忆录 | 架构演化不要只列论文，要讲“为什么这条路更优雅、更稳、更能 scale” | 深度学习 / LLM学习 |
| 生成扩散模型漫谈(五):一般框架之SDE篇 / 生成扩散模型漫谈(十):统一扩散模型(理论篇) | 扩散模型应该从统一框架、采样加速、训练/推理约束三层来讲 | 扩散模型学习 |
Agentic RL 相关结论 | 奖励函数、轨迹、可验证信号、环境交互、分布式后训练要一起设计 | AI Agent开发实战/09-Agent强化学习.md |
一句话总结：苏剑林博客最值得我们借鉴的，不是某个特定 trick，而是“从第一性原理统一问题，再把工程边界写清楚”的讲法。我们这次补进去的
统一架构总览、Agentic RL 训练闭环、分布式训练底座、上下文工程这些图，基本就是沿着这个思路做的。
🚀 推荐学习路线¶
📌 详细版请看 → 学习路线-就业导向.md 包含： 6 大阶段详细规划 / 4 条专业方向 Track / 每日时间表 / 项目清单 / 各岗位最短路径 / 复盘问题同步安排
📌 新增：先读 → 2028就业升级导航.md
如果你想直接按岗位主线选内容，而不是在目录里盲走，先看这一页。以下 3 条路线是常见节奏示例，更适合作为起点而非唯一标准答案；你可以按已有基础、导师方向、实习节奏和目标岗位做前后调整。
路线 A ： AI 工程师（ 12 个月参考节奏）¶
月1-2: AI数学基础 → Python → 机器学习
月3-4: 深度学习(+分布式训练) → LLM应用(前半)
月5-6: LLM应用(后半) → AI Agent开发(含评估/部署)
月7-8: MLOps(含CI/CD+FeatureStore) → 算法刷题
月9-10: 系统设计 → 面试题库
月11-12: 简历准备 → 模拟问答 → 求职
路线 B ： AI 算法岗（ 15 个月标准）¶
月1-3: 数学 → ML → DL(+分布式训练)
月4-6: CV/NLP选一个深耕 → LLM应用(LCEL/LangGraph)
月7-9: Agent(16章) → 推荐系统/强化学习/具身智能 → 论文复现
月10-12: MLOps(6章) → 系统设计 → 实习
月13-15: 秋招冲刺 → 面试题库 → 拿 offer
路线 C ： AI 研究（ 18 个月深耕）¶
月1-4: 数学 → ML → DL → 论文阅读
月5-8: LLM(含SFT数据工程) → 前沿探索 → 论文写作 → 投稿
月9-12: Agent/多模态/扩散模型/具身智能 → 竞赛
月13-15: 实习 → 研究成果整理
月16-18: 秋招 → 面试准备 → 拿 offer
📖 如何使用本仓库¶
1. 选择路线 → 根据目标岗位选择路线A/B/C（见上方）
2. 按序学习 → 每个教程的 README.md 是入口，含章节链接 + 学时估算
3. 动手实践 → 每章代码均可直接运行，实战项目在 实战项目/ 子目录
4. 复习与面试准备 → 部分教程提供 面试准备/ 子目录，用于集中复盘常见问题
5. 查漏补缺 → 使用 面试题库/ 做最终冲刺
提示：带有
⚠️ 时效性说明标记的章节涉及快速变化的前沿内容，请结合官方文档使用。
📊 维护信息¶
| 项目 | 说明 |
|---|---|
| 学习路线 | 参见 学习路线-就业导向.md（详细版就业学习规划） |
| 专项规划案例 | 参见 plans/清华专硕·AI高薪就业执行版 2026-2028（个体化样例，不代表统一路径） |
| 知识图谱 | 参见 知识图谱.md（ 48 个知识领域全景导航） |
| 最后更新 | 2026-04-04 |
| 版本 | v5.4 - 2026-04-04 导航复核版 |
| 文件总数 | 持续更新（以仓库实际统计为准） |
⚠️ 核验说明（2026-04-04）：本页已按 2026-04-04 对首页导航、分类入口、交叉引用与推荐措辞做逐段人工复核；路线顺序仅作为参考起点，不应理解为唯一标准答案，涉及版本、外部工具、岗位热度与专项规划时仍请结合官方资料和个人目标判断。
最后更新日期： 2026-04-04