AI 工程师成长路线图

程序员笑武

于 2025-05-27 21:05:10 发布

阅读量550

点赞数 16

文章标签：人工智能自动化运维深度学习机器学习算法

本文链接：https://blog.csdn.net/m0_59164304/article/details/148265040

版权

本文介绍了成为 AI 工程师的详细路线图，包括必要技能、学习资源、项目创意以及如何通过构建实际项目来提升这些技能。原文：Roadmap to Become an AI Engineer[1]

AI 是构建所有技术的新范式。-- Clem Delangue（HuggingFace 联合创始人）

在确定 AI 工程师必将成为下一个重要的技术角色[2]之后，是时候学习如何成为一名 AI 工程师了。

本文将探讨对如下内容：

从软件工程师到 AI 工程师的路线图。
成为 AI 工程师所需的技能。
在发展技能的同时，应该学会使用的工具。
发展这些技能的最佳途径。

让我们先看看路线图！

成为 AI 工程师的路线图 🧭

Harshit Tyagi 的 AI 工程师路线图

先说第一件事！

目标读者

计划提升 AI 工程技能的程序员/软件工程师/分析师/数据科学家。

由于这是一项核心工程技能，因此需要具备以下先决条件：

对 Python / JS 编程的了解达到中级水平。
理想情况下，必须拥有至少 2-3 个中等复杂度应用程序的编码经验，如使用 Flask 或 Rails 或 Node.js 编写博客应用。
至少可以轻松通过阅读文档来构建项目。
可以使用 VS Code 等 IDE 进行编码。
使用 git 和 GitHub 虽然也很重要，不过可以在项目工作中学习。

路线图分解

如图所示，整个 AI 工程的学习分为三个阶段，在路线图中从左到右，即从初级到中级再到高级。

以下是每个阶段所代表的意义：

初学者（<= 1 个月） – 构建基本应用程序，学习使用 LLM API、为应用程序精心设计提示以及使用开源 LLM。
中级（~ 2 个月） – 深入了解如何使用 RAG（Retreival Augmented Generation）构建更多上下文感知高级应用程序，了解并使用向量数据库，学习使用 LLM 和工具构建代理。
高级（~ 3 个月） – 在掌握构建应用程序之后，学习使用 LLMOps 在生产中部署、优化和管理由 LLM 驱动的应用程序，学习微调预训练模型，以便高效、低成本的适配下游应用程序。

初级技能

了解 LLM 基础知识，只需了解 ChatGPT 的高级工作原理。
学习开发人员提示工程，学习如何编写提示来提高 LLM 的响应速度。
学习从 API 获取数据，学习处理 JSON 数据。
学习调用闭源或开源 LLM 模型、函数调用、传递提示和解析响应。
学会在对话中管理上下文。
学习基于 langchain 创建并自动执行一系列操作。
基于 Gradio 或 Streamlit 实现 POC 并演示基本应用开发。
在 HuggingFace Space 或 Streamlit 云上进行基本部署。
基于 HuggingFace transformer 库支持多模态，即支持生成代码、图像和音频。

中级项目需求

了解向量嵌入和向量数据库。
学习如何在应用中使用向量数据库。
构建 RAG 应用，与知识库聊天。
开发先进的 RAG 流水线，如子问题查询引擎，该引擎可在通过多个数据源后提供响应。
构建代理，迭代工作流程，以完成重大任务。
建立多代理应用，让多个代理共同提供更好的解决方案。
多代理自动化 - Autogen 和 Crew AI
评估 RAG/RAGA 框架。
管理数据库，检索，部署完整应用，版本控制，日志记录以及监控模型行为。

高级项目需求

量身定制针对特定领域知识的响应，如医学研究、金融研究和法律分析，对预训练 LLM 进行微调。
整理数据集并设计（ETL 流水线）流水线，以便对模型进行微调。
评估模型性能并设定基准。
LLMOps – 构建包括模型注册、可观测性和自动化测试在内的完整端到端流水线。
构建多模态应用 – 文本和图像混合语义搜索。
构建 SDK、软件包和定制解决方案，以帮助其他开发人员。
基于提示黑客等技术保护 AI 应用，并通过检查漏洞和潜在风险来采取防御措施。

如何学习大模型 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。

在这里插入图片描述