从零到AI全栈开发工程师——我的完整学习路线（持续更新）

写在前面：这篇文章记录我从零开始规划成为 AI 全栈开发工程师的完整技术栈与学习路线。既是给自己立的 flag，也希望帮助同样从零起步的朋友少走弯路。本文持续更新，记录真实学习进度。

---

一、为什么写这个博客

AI 大模型技术这两年发展太快了，ChatGPT、通义千问、DeepSeek 层出不穷，各种新框架、新概念每天都在刷新。

但我发现一个问题：网上的信息虽然多，但太碎了。 今天看一篇论文解读，明天刷一个视频教程，学了半天发现根本不成体系，知识全是散的。

所以我换了个思路——边学边写，学一点记一点，把整个学习过程公开化。

这样做有三个好处：

1. 倒逼深度学习 —— 能写清楚才算真学会
2. 沉淀系统笔记 —— 未来自己也能复习
3. 建立个人品牌 —— GitHub 项目 + CSDN 博客，是最有力的求职背书

我的目标：12 个月内成为能独立交付 AI 产品的全栈开发工程师，拥有 3 个上线项目 + 36 篇技术博客。

---

二、为什么选 AI 全栈开发

我对比了目前 AI 领域几个主流方向：

方向	核心工作	核心技能
大模型开发工程师	训练/微调模型	PyTorch / 分布式训练
AI 应用工程师	用模型做应用	LangChain / RAG
AI 全栈开发工程师	用模型做完整产品	RAG + Agent + 前后端 + 部署

我选择 AI 全栈开发，原因很简单：

我喜欢做出能用的东西。

不只是调一个 API 看看输出，而是从 AI 能力到后端服务到前端界面到部署上线，一个人把完整产品做出来。这个方向最看重的是你能交付什么，而不是你背了多少论文。

打个比方：

• 大模型开发 = 造发动机的人
• AI 全栈开发 = 造汽车的人（拿现成的发动机，装到完整的车里）

我选择造汽车 🚗

---

三、技术栈拆解（7 个层次）

从地基到天花板，逐层递进：

📌 第 0 层：编程基础（地基）

技术	说明
Python	绝对主力语言，必须精通
Linux 命令行	服务器操作、部署必备
Git + GitHub	版本控制 + 作品展示

📌 第 1 层：Web 开发基础

技术	说明
FastAPI	Python 后端框架，写 API 服务
Streamlit	30 分钟搭一个 AI 应用前端
HTTP / REST API	理解请求响应、JSON 格式

📌 第 2 层：大模型应用核心

技术	说明
OpenAI / 通义千问 API	大模型 API 调用
Prompt Engineering	提示词工程：CoT / Few-shot / 角色设定
结构化输出	让大模型返回 JSON 数据
Token 管理	上下文窗口、成本控制

📌 第 3 层：RAG 系统（核心中的核心）

技术	说明
LangChain	LLM 应用开发框架
Embedding 模型	bge-large / e5
向量数据库	Chroma / FAISS / Qdrant
文档解析	PDF / Word / 网页分块策略
Reranker	重排序，提升检索精度

📌 第 4 层：Agent 与工具调用

技术	说明
Function Calling	让大模型调用外部工具
ReAct 模式	推理 + 行动的 Agent 框架
LangGraph	Agent 编排工具
CrewAI	多智能体协作

📌 第 5 层：全栈与部署

技术	说明
FastAPI 后端	RESTful API + 鉴权
Streamlit / Gradio	快速搭 AI 应用界面
Docker	容器化部署
云服务	阿里云 / Vercel / Railway

📌 第 6 层：进阶能力

技术	说明
流式输出	SSE / WebSocket 打字机效果
多模态	图像理解（GPT-4V / Qwen-VL）
语音处理	STT / TTS
监控日志	成本追踪、错误监控

---

四、12 周学习时间规划

第 1-4 周    Python Web 基础 + 大模型 API + 第一个 AI 应用上线
第 5-8 周    LangChain + RAG 系统 + 知识库问答项目上线
第 9-12 周   Agent + 全栈部署 + AI 智能体项目上线

---

五、三个阶段项目目标

每个阶段不只是写笔记，而是产出一个 可上线的完整 AI 应用：

阶段	项目	核心功能	预计上线
第 1 阶段	AI 助手 v1.0	API 调用 + Streamlit 界面 + 多轮对话	第 4 周
第 2 阶段	智能知识库 v2.0	文档上传 + 向量检索 + 精准问答	第 8 周
第 3 阶段	AI 智能体 v3.0	工具调用 + 多步推理 + 全栈部署	第 12 周

这三个上线项目，就是我未来简历上的核心内容。

---

六、博客更新计划

平台	频率	内容
CSDN	每周 2-3 篇	技术博文，从基础到进阶
GitHub	每周 1+ commit	配套完整代码，全部开源
项目	每 4 周一个	完整可上线的 AI 应用

12 周主题分布：

时间	方向
第 1-4 周	FastAPI / Streamlit / 大模型 API / Prompt 工程 / AI 助手
第 5-8 周	LangChain / Embedding / 向量数据库 / RAG / 知识库
第 9-12 周	Function Calling / ReAct / Agent / FastAPI 后端 / Docker 部署

我的 GitHub 仓库（持续更新所有笔记和代码）：

👉 ‘LLM学习笔记仓库

---

七、写在最后

技术学习没有捷径，但有方法。方法就是：

学一点、做一点、写一点、发一点，形成闭环。

学到的知识马上写成博客，博客的代码马上推到 GitHub，GitHub 的项目争取上线让别人能用。每一环都产出实际成果，而不是攒了一堆收藏夹里的教程。

如果你也在学习 AI 开发，欢迎一起交流。GitHub 点个 Star，我们一起进步。

这是第一篇，后面每一篇都会比这篇更硬核。下篇见 👋

---

往期文章：

本文是系列第一篇，后续文章发布后会在下方更新链接。

---

本文为原创内容，转载请注明出处。GitHub 同步更新所有代码和笔记。