2025年DeepSeek如一枚重磅炸弹，在IT从业者的职业版图中引爆了全新格局。
阿里云已全面将核心业务融入Agent体系；字节跳动30%的后端岗位明确要求具备大模型开发能力；
腾讯、京东、百度等头部企业也纷纷加码AI布局，其招聘岗位中高达80%与人工智能密切相关。
这可不仅仅是技术上的小波动，对于很多程序员来说，这就是一场职业生存危机！
- 公司业务全面转向AI，领导让你用RAG优化知识库检索，你却一头雾水、无从下手；
- 渴望带队攻坚AI项目，却连大模型微调到底需要多少高质量数据都说不清楚；
- 想转型成为炙手可热的大模型应用开发工程师，却发现自己的简历里连一个拿得出手的实战项目都没有。
📈 未来3年，【大模型应用开发】岗位将迎来集中爆发。如果你也想转行AI大模型应用开发，学习顺利千万别弄反了！！学AI大模型应用开发！这顺序一定要看！！
阶段1:大模型基础
1.了解大模型的概念和背景、国内外最新进展，从简单的例子入手比如看看Deepseek是怎么输出的。
2.深入学习生成式模型、大语言模型及Transformer架构，掌握预训练、推理规划、强化学习等关键技术。
3.了解Prompt的概念、作用，如何通过设计有效的提示词来引导大美型生成预期输出，动手实践调试。
4.了解大模型APL的输入输出参数，调用方法，学习token概念。
阶段2:RAG应用开发工程
1.了解RAG的概念、流程，着重理解RAG的应用场景和它在实际项目中的工作原理。
2.深入学习RAG的一些优化技术和设计，如三大范式等，重点关注RAG的核心机制。
3.掌握质量指标、能力指标以及评估工具的使用方法。
4.深入实践RAG项目，通过实际的开源项目，深化对RAG技术的理解。
阶段3:大模型Agent应用架构
1.了解LangChain的核心概念，深入学习其核心组件，能独立用LangChain接API、处理数据、搭出可用的AI工具。
2.了解Llamalndex的基本概念和使用模式，尝试搭建一个简单的文档问答系统。
3.能独立设计一个能自动完成任务的Agent。
4.了解GPTS、Coze、Dify这3个框架的特点，使用它们搭建个A应用。
阶段4:大模型微调与私有化部署
1.搞懂Transformer的3个核心:自注意力机制、编码器-解码器结构位置编码，能自己调通一个微调任务。
2.了解几个主流模型的特点，尝试本地部署。
3.学习开源模型的微调，重点了解选基座模型、处理数据、跑通微调流程
配套学习资源：
