如果说 2024 年是 AI 编程元年，那么 2025 年就是各种 AI 编程工具爆发的一年。从 GitHub Copilot 到 Cursor，从 Claude Code 到 Codex，AI 正在重新定义我们写代码的方式。但面对琳琅满目的新技术和新产品，很多人陷入了选择困难症：我该从哪里开始？

今天，我想和大家分享一份务实的 AI 编程学习路线图。

先定位：你是谁？

这份学习路线图的目标读者有三类：

1. 对 AI 编程感兴趣的学生

你们有时间、有精力，但可能缺乏实战经验。

过去，你们通常的职业路径是：毕业以后进入大厂，首先做 junior engineer，会负责开发一些具体的模块和功能，然后随着经验积累慢慢变成 senior engineer 或 architect，开始做更高层次的工作，比如设计较大的系统或模块。

但随着 AI 工具越来越智能，具体代码的编写正在被 AI 替代（根据哈佛大学的[最新研究][1]，AI 导致初级岗位的需求正在快速减少），因此你们需要更快地掌握工程思维，才能成为“指挥 AI”的人，在未来的职场中立足。

2. 有几年工作经验的码农

你们已经形成了自己的编程习惯，可能正在工作中使用 AI 工具，但对 AI 工具是否会取代自己，有些人觉得“杞人忧天”，有些人则感到“如临大敌”。

毋庸置疑，AI 编程已经深刻地改变了软件开发的方式，而且这个过程正在提速。**但是软件工程的本质并没有因此改变。**只要放下戒心，充分运用 AI 工具，反而可以让你工作得更轻松、更高效。

3. 想用 AI 做产品原型的产品经理

如果说 AI 工具的出现，让程序员产生了一丝“生存危机”的话，那么对产品经理来说，AI 工具则是“如虎添翼”。

有了 AI，你就有了你的“专属开发团队”，他不会抱怨你的需求变来变去，也不会因为加班而心生怨恨。你可以任意发挥想象力，快速验证你的创意，做出下一个小猫补光灯。

重要性：习惯 > 思维 > 知识和技巧

学习 AI 编程，很多人上来就安装很多 MCP 服务器，比较 Claude Code 和 Codex 哪个好，或是研究 prompt 技巧，这就像学游泳先研究泳镜的材质——本末倒置了。

首先要学习的是习惯，改变你的习惯：

AI 改变了我的很多习惯。但如果只让我选一个的话，我认为最重要的习惯就是：

做任何事之前都想一想，“这件事情能让 AI 来做吗？”

当你尝试得越多，你就会发现 AI 能做的事情比你想象的更多。

其次要学习的是思维方式：

• 软件工程思维：即使 AI 能生成代码，你仍需要理解模块化、接口设计、代码组织等基本概念，为 AI 设计一个优秀的架构以便它尽情发挥而不影响整体质量。这是用 AI 开发生产级别代码的关键。
• 问题分解思维：AI 不能直接理解“做一个淘宝”，但它能理解“做一个商品列表页，包含商品图片、标题、价格”。学会把复杂的问题拆解成小问题，是高效使用 AI 的秘诀。

最后才是有关工具的知识和技巧，比如：

• 大语言模型的基本工作原理
• Prompt & Context Engineering
• Debug 技巧
• 各种有益的 MCP 服务器

工具选择：适合的才是最好的

1. 如果你是学生党，建议从 Cursor 开始

Cursor 是 VS code 的 fork，用户体验保持了完全一致，相当于是 VS code + 最新的 AI 编程能力，很适合从 VS code 迁移过去。

而且它保留了编辑器的“外壳”，使你在享受 AI 编程能力的同时，不失对代码的完全掌控。

更不用说，在 Cursor 里按 tab 键真的是一种享受（用过的都懂）！

2. 如果你是有工作经验的工程师，可以在 Cursor 和 Claude Code 中选择

在 Cursor 增加了 agent 模式以后，这两者的设计理念就没有“代差”了，主要的差异体现在模型能力上，以及 agent 的实现方法上（例如 Cursor 的 agentic search 用的是自建的符号索引，而 Claude Code 用的是 grep 工具）。

如果你本来就用 VS Code，那迁移到 Cursor 是顺理成章的选择。

如果你有自己熟悉的编辑器（比如 neovim），那么可以选择 编辑器 + Claude Code。

3. 如果你是没写过代码的产品经理，建议从 v0 开始

v0 专注于 UI 组件和页面生成，你描述想要的界面，它直接生成可运行的代码。类似的产品还有 Bolt.new，Lovable 等，也可以一并尝试。

这种"所见即所得"的方式，对非技术背景的人特别友好，用来作为原型演示或者交互设计，非常适合。

必修技能清单（按学习顺序）

1. Prompt：与 AI 对话的艺术

Prompt 相信大家都不陌生，甚至有些“过于熟悉”，但是你仔细想一想：prompt 是你与大语言模型交互的唯一方式，就可以理解它的重要性怎么强调都不过分。

需要理解的核心概念：

• System Prompt：这是给模型设定的默认 prompt，所有的 AI 编程工具的“配置”（比如 Cursor Rules，CLAUDE.md），几乎都是通过 system prompt 实现的。
• 明确性原则：模糊的指令导致模糊的结果。“帮我优化代码"不如"帮我优化这段代码的时间复杂度，目前是 O(n²)，希望优化到 O(n log n)”。
• 上下文的重要性：当你提供越多的上下文（例如，“请帮我实现 xx 功能，参考 abc.py 里的 abc 方法的实现”）时，AI 完成的效果就越好。不要偷懒。

记住 AI 领域的一条金句：Garbage in, garbage out（垃圾输入，垃圾输出）。好的输入才能带来好的结果。

2. Git：你的后悔药

当你用 AI 实现越来越复杂的功能时，几乎一定会遇到“AI 把我的代码改得面目全非，我想回到之前的版本”这种情况，这时候 Git 就派上用场了。

当然，如果你用 Cursor 的话，它自带的 checkpoint 功能就完全够用了，也不需要使用 Git。这也是我推荐用 Cursor 入门的一个原因——它在用户体验上考虑得更多，没有那么”极客“。

3. 问题分解：化繁为简的智慧

AI 很强大，但它不是魔法师。给它一个"做一个淘宝"的需求，它会花费大量时间（以及 token 和你的钱）生成一个似是而非的结果；但如果你说"先做一个商品列表页，包含商品图片、标题、价格"，它能给你完美的实现。把问题拆小，变得可执行，是好的 prompt 的关键。

有效的问题分解方法：

• 从用户故事开始：“作为用户，我想要…”
• 按功能模块拆分：登录模块、商品模块、购物车模块…
• 优先级排序：MVP（最小可行产品）先行

4. 调试：你花费最多时间的地方

很多时候，AI 能够一次输出一个完整的，没有错误的结果。

但更多时候——特别是代码量大，结构复杂的项目——AI 生成的结果并不完美，包含不少错误。这时候你就需要调试。

当然最好的办法，是让 AI 帮你调试。具体怎么做，后续会有专门的文章来讲一讲。

5. 上下文管理：让 AI 更懂你

上下文就像是 AI 的"记忆"。管理好上下文，AI 的表现会有天壤之别。

实用的上下文管理技巧：

• 精准投喂：在 prompt 中包含相关的代码文件、函数签名、数据结构定义
• 及时清理：完成一个功能后清空对话，避免无关信息干扰，也能节省 token 费用
• 文档先行：把架构图、流程图、核心 API 写成 markdown 文档，对话时引用
• 建立知识库：常用的代码片段、配置文件、最佳实践整理成文档，随时调用

6. 进阶技能：从会用到用好

当你掌握了基础技能后，可以探索这些进阶内容：

Cursor Rules / CLAUDE.md：为 Cursor / Claude 提供项目上下文的标准文档格式，包含项目结构、技术栈、编码规范等。

MCP（Model Context Protocol）：为 Agent 扩展更多的能力，例如“获取最新的 API”，“获取 GitHub 的代码示例“。

Subagent 模式：让一个 AI 调用其他 AI 来协作完成特定任务，实现更精细上下文管理，完成复杂的任务。

实战场景预告

当然，学完以上这些，只能算是AI编程"入了门"。真正的挑战在实际项目中。在后续的文章中，在后续的文章中，我会详细讲解：

1. 如何在大型老项目中引入 AI 编程

• 渐进式迁移策略
• 项目知识的构建和使用
• 代码审查和质量控制

2. 如何防止 AI 代码质量失控

• 建立代码质量基准线
• 自动化测试策略
• 让 AI 来做 Code Review

3. 实战项目案例

• 用 AI 开发一个面向海外的电商网站（从 0 到上线）
• 用 AI 开发一个微信小程序（处理各种坑）
• 用 AI 开发一个游戏（是的，它也能做游戏）

写在最后

AI 编程工具正在改变软件开发的游戏规则。它不会让编程变得"不重要"，反而会让编程变得更加"民主化"——更多人能参与其中，创造出有价值的产品。

记住，AI 是工具，不是魔法。它能让你跑得更快，但方向还是要你来把握。

下一篇文章，我会以 Cursor 为例，手把手带你完成第一个 AI 辅助开发的项目。从环境配置到项目部署，每一步都会有详细的截图和说明。

如果你已经迫不及待想要开始，可以先去下载 Cursor，熟悉一下界面。我们下期见！

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！