Sunqy 文档库

主题

AI 知识图谱 ​

一份按"从底层到应用"分层组织的 AI 全景文档，覆盖基础概念、模型、Agent、工程化、算力、应用、合规与学习路径。

最后更新：2026-09

在本知识库中的位置：AI/ 是顶层主题区（与 flutter/ 等语言目录并列），因为 AI 不属于某种语言。 编号 00～13 表示阅读顺序；易变的版本与产品事实集中在 附录。 上层索引见 ../README.md。

使用说明 ​

这套文档的设计原则 ​

原则说明
知识骨架优先正文写"三五年内不会变"的原理、权衡与判断框架；版本号、排名、价格这类易变信息统一放进 附录
速览卡打头每篇开头一张卡片，30 秒判断"这篇跟我有没有关系"，不必通读
面向决策不只解释"是什么"，重点回答"怎么选""代价是什么""什么情况下别用"
标注不确定性涉及未证实传闻、快速变化的事实，一律注明 [待核实]，不把猜测写成结论

时效性声明 ​

AI 领域迭代极快。本文档的结构性内容（分层、权衡、方法论）有效期较长；事实性内容（模型版本、榜单排名、价格）请以官方发布为准。

建议做法：正文当作地图，附录当作快照——附录需要定期刷新。

文档地图 ​

AI/
├── 00-基础概念与术语谱系     概念地基，术语对齐全靠它
├── 01-基础模型层             有哪些模型、怎么选
├── 02-模型能力增强技术        Prompt / RAG / 微调 三选一
├── 03-Agent智能体与协议生态   从对话到自主执行
├── 04-AI编程与研发提效        离开发者最近的一层
├── 05-工程化与LLMOps         从 Demo 到生产的鸿沟
├── 06-多模态与AIGC           内容生成的产业现状
├── 07-算力与硬件底座         成本与供给的物理约束
├── 08-应用形态与行业落地      钱在哪里、坑在哪里
├── 09-安全治理与合规         红线与代价
├── 10-学习路径与资源索引      从哪开始学
├── 11-趋势与前沿展望         下一个拐点
├── 12-上下文工程             决定模型"看什么"的那层
├── 13-成本与模型路由         把每一笔 token 花在刀刃上
├── 附录-版本与产品速查表      易变信息集中区
└── practice/                 实操系列：可运行代码，与正文分离
    ├── 01-LLM-API实操入门        从第一条请求到生产级调用
    ├── 02-RAG实战-可溯源问答系统   文档 → 带引用来源的问答系统
    ├── 03-模型本地部署与推理优化   Ollama / vLLM / 显存估算 / 量化
    ├── 04-MCP实战-Server开发与调试 协议机制、三原语、自己写 Server
    ├── 05-评测集构建与回归实操     评分器、退化清单、接入 CI
    ├── 06-Agent实战-循环到多智能体 手写循环、三道闸、Supervisor
    ├── 07-微调实战-LoRA从数据到部署 数据构造、训练、效果判定、部署
    └── 08-检索进阶-混合检索与重排 ANN 索引选型、融合边界、GraphRAG 判断、RAG 评测

分层关系 ​

        ┌──────────────────────────────────────┐
  应用层 │  08 应用形态与行业落地                │  用户直接感知
        ├──────────────────────────────────────┤
        │  04 AI编程  06 多模态AIGC             │  垂直能力
        ├──────────────────────────────────────┤
 Agent层 │  03 Agent 与协议生态                  │  自主规划 + 工具调用
        ├──────────────────────────────────────┤
 增强层  │  02 Prompt / RAG / 微调              │  让模型适配场景
        ├──────────────────────────────────────┤
 模型层  │  01 基础模型（Foundation Models）      │  通用能力来源
        ├──────────────────────────────────────┤
 底座    │  07 算力与硬件                        │  物理约束
        └──────────────────────────────────────┘
  横向贯穿：05 工程化与LLMOps ｜ 09 安全治理与合规 ｜ 00 基础概念

按角色推荐的阅读路线 ​

我想了解 AI 是什么（零基础） ​

00 基础概念 → 01 基础模型 → 08 应用形态 → 10 学习路径

先建立术语体系，再认识模型，接着看它能干什么，最后决定要不要深学。

我是开发者，想用 AI 写代码 / 做产品 ​

00 基础概念 → 01 基础模型 → 04 AI编程 → 03 Agent → 05 工程化

重点在 04 和 05：前者决定你每天的效率，后者决定你的东西能不能上线。

我是技术负责人，要选型 / 立项 ​

01 基础模型 → 02 增强技术 → 03 Agent → 05 工程化 → 07 算力 → 09 合规

先判断"要不要做"，再判断"怎么做"，最后算清成本和合规代价。

我要做合规 / 风险评估 ​

09 安全治理与合规 → 01 基础模型 → 05 工程化 → 08 应用落地

我只想查某个东西 ​

直接翻 附录-版本与产品速查表。

能力分级（初中高资深） ​

面向读者是应用开发者 / AI 全栈工程师，等级对应"能独立交付什么"， 与 C 后端域 同一套四级标准。实操（GP*）与正文（G*）按主题合并到同一等级。

等级能力标准对应文章
初级会用 AI 工具、能看懂术语，能调用 LLM API 做简单应用（命令行问答/流式/参数控制）G00 概念 · G01 基础模型 · G04 AI 编程 · G10 学习路径 · G11 趋势 · GP01 API 实操
中级能独立交付 AI 应用：RAG、Agent、MCP、上下文工程，检索能调优G02 增强技术 · G08 应用落地 · G12 上下文工程 · GP02 RAG 实战 · GP04 MCP 实战 · GP08 检索进阶
高级能工程化落地：LLMOps、评测、本地部署、多智能体、多模态、成本与模型路由，能权衡方案代价G03 Agent · G05 工程化与 LLMOps · G06 多模态 · G13 成本与模型路由 · GP03 本地部署 · GP05 评测集 · GP06 Agent 实战
资深能做架构取舍与治理：算力与成本、安全合规、微调优化、版本与产品事实G07 算力与硬件 · G09 安全合规 · GP07 微调 LoRA · GX00 附录

与"从底层到应用"分层图的关系：分层图讲知识组织（按模型 → 应用纵向切）， 本表讲学习进度（按你现在能交付什么横向切），两者互补不冲突。

阅读约定 ​

标记含义
[待核实]来源于二手报道、泄露或未官方确认的信息，使用前请自行验证
[易变]当下有效但变化极快，通常三个月内就会过期
[有争议]业内尚未形成共识，本文档只呈现分歧本身

维护建议 ​

内容类型建议刷新频率
附录（版本、价格、榜单）每月
01 / 03 / 04（模型、Agent、编程工具）每季度
02 / 05 / 09（方法论、工程、合规）每半年
00 / 07 / 10 / 11（概念、算力、学习、趋势）每年