大模型开发小白必看：从Python到Langchain，我的一周自学路线图

本文作者分享了自己在学习大模型应用开发过程中的自学路线图，重点讲解了Python工程能力、调用模型能力和组织复杂流程能力的重要性，以及LLM、Prompt工程、RAG、Agent和Langchain等核心概念的学习方法和使用场景。文章适合想做应用开发而非模型训练的工程师，提供了具体的学习内容和推荐学习资料，旨在帮助读者快速入门并掌握大模型应用开发的核心技能。

拥抱AGI

92人浏览 · 2026-02-27 11:37:38

拥抱AGI · 2026-02-27 11:37:38 发布

最初了解大模型应用开发的时候对各种术语很模糊，LLM是什么？RAG是什么？LLM，RAG与Agent是什么关系？Langchain又是什么？很混乱，于是我花了一周的时间去了解学习。

本文是我在自学大模型应用开发过程中，一边实践、一边修正后整理出的学习路线。目标不是“学全概念”，而是知道哪些必须学、哪些了解即可、哪些可以暂时不碰。

这份路线适合谁 / 不适合谁

适合：想做大模型应用开发（而不是训练模型）；偏工程、系统、业务场景（如接口、日志、数据处理）

不适合：想从零训练大模型;走算法 / 学术研究路线;以数学推导为主要目标

整体学习思路

大模型应用开发 = Python 工程能力 + 调用模型的能力 + 组织复杂流程的能力

不是：堆数学; 死磕底层原理; 从 Transformer 推公式

下面是个人自学摸索后，规划的学习路线图，因为是个人摸索的可能有遗漏，如有不对的，希望大家可以给出指点


学习内容	介绍	备注
python	是一种高级编程语言，学习大模型应用开发是 Python 是必须学习的。学习基础内容，函数，包的调用即可。无需研究深度学习与机器学习。对于大模型应用开发，python的角色是：胶水语言+工程语言，而不是算法语言	必须学习
LLM	大语言模型（英文：Large Language Model，缩写LLM）也称大型语言模型,是一种人工智能模型，旨在理解和生成人类语言。	必须理解概念不需要自己训练
Prompt 与 Prompt Engineering	Prompt 提示词 (一次对模型的具体输入） Prompt Engineering 提示词工程（系统性的具体输入）	必须掌握使用方法工程能力不是理论
RAG	RAG全称是Retrieval-Augmented Generation，中文叫"检索增强生成"。	必须理解并能实践（常见应用模式）不是每个项目都需要
Agent	把大模型和一堆工具组装起来，变成一个能感知和改变外界环境的智能程序，称之为Agent	复杂场景下需要（会用是加分项）不是每个项目都需要
Langchain	(进阶学习) LangChain是一种创新性的框架，是语言模型驱动的应用程序的开发方式。	进阶学学，不建议一开始学复杂项目使用
pytorch	(进阶学习) 深度学习框架，用来实现和训练Transformer等模型	了解即可，不建议一开始学
Transformer	(进阶学习) 一种神经网络架构，广泛应用于NLP(自然语言处理) ,大多数模型基于它

学习推荐顺序：

python基础+API调用
LLM概念（知道能干什么）
Prompt/Prompr Engineering
RAG(解决"查资料不准")
Agnet（复杂流程自动化）
LangChain（当项目复杂时）
pyTorch/Transformer （了解，不急）

下面内容为各核心概念的补充说明与学习资料，可按需阅读

Python

定义：是一种高级编程语言

Python 在这里扮演什么角色？

Python 是胶水语言 + 工程语言，而不是算法语言。

在大模型应用开发中python的主要作用以及不需要做什么？


python主要作用	调接口处理数据组织流程写日志、查问题
不需要做什么	深度学习训练复杂数学推导

学习范围：

针对于学习大模型应用开发，只需要学习Python的基础内容即可，不需要学习机器学习与深度学习。

我让deepseek给过我一个学习路线，我个人感觉东西可能有点多，所以没有全部采用，准备在日后学习实践中逐渐记录

python学习视频推荐黑马课程，简单易懂，小白也可很快上手学习，B站就有课程，可以直接搜索学习。


必学（基础生存能力）	基本语法、数据结构(字符串、数字、列表、元组、字典、集合）条件语句（if/elif/else）循环（for/while）函数、模块文件读写异常处理 logging 日志 JSON 处理 requests 调用接口
进阶（可后面再补）	虚拟环境（venv / conda）配置管理简单异步（asyncio）
可暂时不学	装饰器 / 元类深度学习框架细节数学原理推导

LLM（补充理解与参考资料）

定义：大语言模型（英文：Large Language Model，缩写LLM）也称大型语言模型,是一种人工智能模型，旨在理解和生成人类语言。

LLM 是“已经训练好的语言模型”

能做什么：理解、生成、总结、推理文本

有那些LLM: 国外的GPT、LLaMA、 Gemini；国内的DeepSeek、文心一言(百度)、通义千问(阿里) 都属于 LLM

在应用开发中，你只负责调用模型，不负责训练模型。

Prompt / Prompt Engineering

注：必须掌握使用方式

Prompt：一次对模型的具体输入（一段文字）

Prompt Engineering：系统性设计 Prompt 的方法

日常在大模型应用开发的学习中说"学Prompt"，实际上指的是

“Prompt Engineering” ，而不是背几句话术。

核心目标：让模型输出稳定，让结果可控、可解析

RAG（进阶理解与推荐资料）

RAG全称是Retrieval-Augmented Generation，中文叫"检索增强生成"。

RAG = 检索 + 大模型生成

解决的问题：模型不知道你的私有数据,模型容易胡编

适合场景：文档问答;日志分析;知识库查询

不是每个项目都必须用 RAG，但一旦涉及“查资料”，它非常常见。

Agent（进一步了解）

Agent = 用大模型“规划 + 调用工具 + 执行步骤”

本质上仍然是程序逻辑+模型调用，并不是"有自主意识的系统"

适合：多步骤、条件判断、自动化流程

注意：Agent 不是必须项，很多需求用普通 Python 逻辑就能解决。

Langchain【工程辅助工具】

定义：LangChain是一种创新性的框架，是语言模型驱动的应用程序的开发方式。LangChain 是基于大模型的应用开发框架，是一个开源的Python库，旨在通过以下方式更轻松地构建基于LLM的应用程序

LangChain 是一个框架 / 工具集

用来：

组织 Prompt

组合 RAG

构建 Agent

它不是大模型本身，也不是必须掌握的前置条件。项目复杂时再用即可。

PyTorch 与 Transformer

PyTorch：主流深度学习框架之一，用于训练神经网络模型，很多大模型（如 DeepSeek-V3）基于它进行训练。

Transformer：一种神经网络架构，广泛应用于自然语言处理（NLP）任务，是 GPT 等大模型的核心结构。

要不要学？

对应用开发者来说：知道Pytorch与Transformer它们是什么即可，不是学习重点。

如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

在这里插入图片描述