0.1 从零理解大语言模型#

定位：零基础入门 · 开发者友好

内容：面向开发工程师的大语言模型系统入门课程。从 AI 历史讲起，覆盖 Token 原理、模型选型、Prompt 工程、RAG、Function Calling、Agent、微调等核心技能。

适合人群：

• 想了解 LLM 原理的开发者
• 需要在工作中应用 AI 的工程师
• 对 AI 技术感兴趣的技术管理者

文章数量：11 篇

阅读入口：从零理解大语言模型

0.2 AI Agent 实战指南#

定位：实战导向 · 工程深入

内容：从基础概念到项目实战，深入讲解 Agent 的规划架构、记忆系统、工具调用、多智能体协作。紧跟前沿进展，涵盖 Kimi 注意力残差、OpenAI o 系列、DeepSeek R1 等最新技术。

适合人群：

• 想构建 AI Agent 应用的开发者
• 需要设计智能体系统的架构师
• 关注 AI 前沿技术的研究者

文章数量：20 篇

阅读入口：AI Agent 实战指南

0.3 LLM 论文发展史#

定位：历史视角 · 深度解读

内容：按时间线系统梳理 LLM 发展的关键论文。从 2017 年 Transformer 到 2026 年 Attention Residuals，深入解读每篇论文的核心贡献与技术影响。

适合人群：

• 想深入理解 LLM 技术演进的学习者
• 需要技术选型依据的决策者
• 准备面试 AI 岗位的求职者

文章数量：60 篇

阅读入口：LLM 论文发展史

0.4 LLM 安全漏洞发展史#

定位：安全专题 · 攻防实战

内容：从 2022 年 DAN 越狱攻击到 2025 年 AI 驱动自动化攻击，系统梳理 LLM 安全领域的关键漏洞。帮助读者理解攻击原理、危害程度与防御策略。

适合人群：

• 关注 AI 安全的开发者
• 负责系统安全的工程师
• 想了解 LLM 风险的技术管理者

文章数量：7 篇

阅读入口：LLM 安全漏洞发展史

0.5 路径一：零基础入门#

1
第1步：机器学习实战入门（了解 ML 是什么）
2
第2步：从零理解大语言模型（系统学习 LLM）
3
第3步：选择感兴趣的方向深入

0.6 路径二：开发者进阶#

1
第1步：从零理解大语言模型（快速入门）
2
第2步：AI Agent 实战指南（动手实践）
3
第3步：构建自己的 AI 应用

0.7 路径三：深度研究#

1
第1步：LLM 论文发展史（理解技术演进）
2
第2步：AI Agent 实战指南（掌握前沿应用）
3
第3步：LLM 安全漏洞发展史（全面视角）

0.8 路径四：架构师视角#

1
第1步：从零理解大语言模型（建立认知）
2
第2步：机器学习系统设计（系统架构）
3
第3步：LLM 安全漏洞发展史（安全视角）

0.9 官方文档#

• OpenAI API 文档
• Anthropic Claude 文档
• Google Gemini 文档
• LangChain 文档
• Hugging Face 文档

0.10 经典论文#

• Attention Is All You Need - Transformer 开山之作
• GPT-3 - Few-Shot Learning 里程碑
• InstructGPT - RLHF 训练方法
• Chain of Thought - 推理能力突破
• DeepSeek R1 - 开源推理模型

0.11 学习资源#

• Jay Alammar: The Illustrated Transformer - 可视化讲解 Transformer
• Lil’Log: Attention? Attention! - 注意力机制详解
• Stanford CS224N - NLP 课程
• Fast.ai - 实践导向的 ML 课程

0.12 开源项目#

• LangChain - LLM 应用开发框架
• AutoGen - 微软多 Agent 框架
• LlamaIndex - RAG 数据框架
• Hugging Face Transformers - 模型库