真正从只会“调用模型 API” 晋升到“全栈产品级工程化” —— 把数据、训练、部署、监控、Agent 与商业闭环串成一条生产线，才算真正的 AI Engineering 落地。
下面这 9 本书，我把 PDF 或在线阅读地址都贴出来了：
-
AI Engineering – Chip Huyen 把 LLM 当核心服务，讲透从数据到在线推理、评估与持续迭代的云原生工程范式。 huyenchip.com/books/ books.google.com/books/about…
-
Designing Machine Learning Systems – Chip Huyen
用“系统思维”拆解业务目标→数据→模型→监控的循环，教你设计能随业务演进的 ML 架构。 32931414.s21i.faiusr.com/61/ABUIABA9… oreilly.com/library/vie… -
Build a Large Language Model from Scratch – Sebastian Raschka
一行行代码带你复现 GPT，从嵌入、注意力到预训练、RLHF，彻底拆掉 LLM 的黑盒。 github.com/rasbt/LLMs-… -
LLM Engineer’s Handbook – Paul Iusztin & Maxime Labonne 以“生产级 RAG+微调流水线”为实战主线，给你可复制的 MLOps 模板与行业级代码库。 github.com/PacktPublis… packtpub.com/en-us/produ…
-
Building LLMs for Production – Louis-François Bouchard & Louie Peters 聚焦“事后优化”：蒸馏、量化、LoRA、RLHF、推理加速，让大模型便宜又快速地跑在真实环境。 github.com/Jason2Brown… goodreads.com/book/show/2…
-
Hands-On Large Language Models – Jay Alammar & Maarten Grootendorst
用可视化+ Jupyter 的方式带你跑通 RAG、摘要、对话、微调，把论文里的 trick 变成可执行 notebook。 github.com/HandsOnLLM/… oreilly.com/library/vie… -
Prompt Engineering for LLMs – John Thickett & Albert Webson
把“提示”当 DSL 来设计：拆解少样本、CoT、ToT、ReAct 等模式，给出可落地的模板与评估框架。 oreilly.com/library/vie… -
Building Agentic AI Systems – Anjanava Biswas & Wrick Talukdar
用“规划-工具-记忆-协作”四层架构，手把手搭出会自己调用 API、写代码、并行拆解任务的 AI Agent 集群。 github.com/PacktPublis… oreilly.com/library/vie… -
The AI Engineering Bible – Thomas Caldwell
用“全栈交付”视角整合数据工程、MLOps、云原生、安全与治理，给技术管理者一张 AI 产品化作战地图。 amazon.com/Engineering… gmbinder.com/share/-OUsy…
