AI 热门概念手册

外观

学习路径：三条路线

本页速览 本手册 50+ 页不是线性教材，而是可按需组合的路线图。本文为三类读者规划三条路线：2 周求职冲刺、8 周系统精进、随时可用的案头速查，并附全站 51 页的一句话索引。

学习路径：三条路线 ​

一句话定义：本手册的 51 个页面不是要求从头读到尾的线性教材，而是一张可按需组合、随时可跳转的路线图（roadmap）——你只需要知道自己要去哪，然后按下面对应的路线取页即可。所有页面的排序与组织，都服务于"快速建立上下文"而不是"严格按顺序背诵"。

为什么是路线图而不是教材？因为 AI 热门概念这个领域信息密度极高、页面之间耦合松散：你读Transformer 与注意力机制不需要先读完演进简史，你搭一个 RAG 应用也不需要等概念页全部通关。教材假设读者有整块时间、有统一先修；路线图假设读者目标不同、时间不同、已有的知识存量不同。本页就是这张路线图的总览，也是全站页面的统一索引。

下面按"三类读者"给出三条路线：求职冲刺（2 周）、系统精进（8 周）、案头速查（永久）。你可以从任何一条进入，也可以在途中换道——它们共享同一个起点，也收敛到同一个终点。

一、三条路线一览 ​

路线周期适用读者核心目标主打栏目
路线一 · 求职冲刺约 2 周1~3 个月内要面试的人以最小篇幅覆盖高频考点，练出"能讲、能写、能面"概念 → 案例 → 求职
路线二 · 系统精进约 8 周想建立完整知识体系的入门者/转行者概念、案例、实践、论文四位一体导读 → 概念 → 实践 → 论文
路线三 · 案头速查按需（永久）已在做事、遇到问题随手查的人以最快路径到达能解决问题的页面资源 + 概念 + 实践

三条路线的关系可以用一张图表示：

text
            ┌─────────────────────────────────────────┐
            │     共同起点：/guide/what-is-ai          │
            └───────────────────┬─────────────────────┘
                                │
          ┌─────────────────────┼─────────────────────┐
          ▼                     ▼                     ▼
  路线一·求职冲刺         路线二·系统精进        路线三·案头速查
  （2 周，密度优先）     （8 周，体系优先）      （按需，速度优先）
          │                     │                     │
          └─────────────────────┼─────────────────────┘
                                ▼
             共同终点：/practice/pitfalls + /resources/glossary

一句话判断

时间紧选路线一，底子薄选路线二，已经在干活了选路线三。三条路线都不要求把 51 页读完——它们只要求你读"当前目标需要的那部分"，其余页面永远等着你按需取用。

二、路线一：求职冲刺（约 2 周） ​

1. 这条路线给谁 ​

  • 1~3 个月内有大模型算法、AI 应用、AI 产品等岗位面试的人；
  • 已有一定工程/算法底子，但被面试官问到大模型概念时"能跑代码、讲不清原理"的人；
  • 需要快速形成"概念骨架 + 案例弹药 + 答题框架"三个武器的人。

这条路线的逻辑是高频考点优先：先建立概念边界（防止答非所问），再攻 5 个面试出现频率最高的概念页，再用 2 个经典案例撑起论述，最后用题库把知识转化为答题能力。

2. 第 1 周：概念骨架 ​

前 2 天先读什么是 AI 热门概念与AI vs ML vs DL vs GenAI vs Agent，把全站地图和五组概念边界钉进脑子——这是所有后续答案的坐标系；后 5 天按顺序攻克 5 个核心高频考点：

天主题必读页面当日检验标准
D1全景与边界什么是 AI 热门概念、概念边界能用一句话说清 AI/ML/DL/GenAI/Agent 的包含关系；能说出全站 7 大栏目各自装什么
D2大语言模型大语言模型（LLM）能讲清预训练→微调→推理三段式；能报出 2 个主流模型及其参数量级
D3TransformerTransformer 与注意力机制能徒手画出 Self-Attention 结构草图，能说清 Q/K/V 各自的角色
D4提示词工程提示词工程能为一个真实任务写出一条提示词，并逐条解释设计理由
D5RAG检索增强生成（RAG）能画出"检索→增强→生成"流水线；说出幻觉的两个来源与两个缓解手段
D6AgentAI 智能体（Agent）能讲清 Agent 与"会聊天的 LLM"的差别；说出工具调用、规划、记忆三个组件
D7复盘与查漏重读薄弱页 + 术语表5 个考点各能 3 分钟白板复述；术语抽查 10 个答对 8 个

3. 第 2 周：案例与题库 ​

概念骨架有了之后，这一周把"空对空的概念"落成"有名字的案例"，再把案例组织成可复用的面试答案：

天主题必读页面当日检验标准
D8案例拆解：ChatGPTChatGPT 与对话式 AI能用"技术→产品→商业"三段讲清 ChatGPT 为什么能引爆这轮浪潮
D9案例拆解：DeepSeek-R1DeepSeek-R1 与推理模型能讲清推理模型（reasoning model）与普通 LLM 的差别，以及强化学习在其中的作用
D10–11知识点对标JD 知识点拆解对照目标 JD 画出自己的考点覆盖矩阵，标出 3 个薄弱项并逐一补齐
D12–13刷题面试题库每天完成 8~10 题，难题写出完整文字答案而不是只列要点
D14模拟面试与终检全站自查 + 能力对标完整走一遍 45 分钟模拟面试；简历按 JD 逐条对标改完

4. 每天的通用检验标准 ​

无论读哪一页，每天收工前用下面这张表自检——"读过了"不是标准，"能讲出来"才是：

检验项目达标标准自检方式
白板复述用 3 分钟向"非技术朋友"讲清当天主题录音回放，能讲完且不卡壳
结构手绘能徒手画出当天的结构图/流水线图画完对照原页逐处核对
术语过关当天页面所有术语都能用一句话定义随机抽 5 个自问自答
题量打卡完成当天的面试题/练习题记录在打卡表，缺一天当天补

每天 30 分钟的"费曼复述"

第 1 周每天花 30 分钟做一件事：把当天主题讲给一个假想的面试官听，讲完再翻页对照"哪里讲漏了"。这个概念骨架期最忌"眼睛会了、嘴不会"——面试考察的是后者。

三、路线二：系统精进（约 8 周） ​

1. 这条路线给谁 ​

  • 想从零建立完整知识体系的转行者、在校生、刚入行的工程师；
  • 时间相对宽裕（每周约 10~15 小时），愿意"概念 + 案例 + 实践 + 论文"四管齐下的人；
  • 目标是体系完整而非最快上岗的人。

这条路线按"导读建立地图 → 概念打地基 → 生成与优化补深度 → 案例拆解 → 动手实践 → 论文精读"的节奏推进，共 8 周，每周都有明确产出物和检验标准。

2. 8 周排期表 ​

周次阶段必读页面每周检验标准
W1导读·全景什么是 AI 热门概念、概念边界能手绘一张全站地图：7 大栏目、51 页各归其位；能说清五组概念的边界
W2导读·历史与架构演进简史、总体架构解剖能报出简史 5 个里程碑；能画出"数据→训练→推理→应用"的系统架构图
W3概念地基（上）大语言模型、Transformer、多模态模型能画出 Transformer 结构草图；能讲清 LLM 与多模态模型的共性与差异
W4概念地基（下）提示词工程、RAG、AI 智能体能画出 RAG 流水线与 Agent 组件图；能说出三者的分工与配合
W5生成与优化（上）扩散模型、微调与 PEFT能讲清扩散模型的去噪原理；能解释 LoRA 为什么能省算力
W6生成与优化（下）对齐、推理优化能对比 RLHF 与 DPO 的异同；能说出量化的几种典型做法及其代价
W7案例拆解从 ChatGPT、DeepSeek-R1、Perplexity 与 AI 搜索、Manus 与 Agent 应用、GitHub Copilot、Midjourney 与图像生成 中选 4~6 页每个案例写出一张"技术→产品→商业"三段笔记，形成自己的案例库
W8动手实践从零搭建 RAG 应用、从零开发一个 Agent、微调你自己的 LLM至少完成一个可运行项目，并写出可复现的 README
W9论文精读与查漏论文阅读路径、经典论文精读、论文地图精读 2 篇经典论文，各写一张"问题—方法—结论"卡片

注：表格共 9 行是因为"案例拆解"按主题横跨两周的弹性安排；按阶段归类，W1–W2 为导读与概念地基、W3–W4 为概念与生成优化衔接、W5–W6 为案例拆解、W7 动手实践、W8 论文精读与查漏。宁可放慢一两周，也不要跳读——系统精进的价值就在"全链路打通"。

3. 每周固定动作 ​

动作频率说明
概念复述每周 3 次把当周主题讲给别人或录音，10 分钟以上
术语打卡每天用术语表按字母/主题刷 10 个
实践日志每周记录当周产出物，W8 之后可整理进作品集
知识盲区清单每周把"没讲清"的问题记下来，W9 统一补

系统精进最容易犯的错

收藏代替阅读、阅读代替复述、复述代替动手。 8 周路线里，概念页占比过半，但它们只是"原材料"；真正让知识内化的是 W7 的案例笔记和 W8 的可运行项目。如果你发现自己三周只读概念没写一行代码，立即切到动手实践补一轮。

四、路线三：案头速查 ​

1. 这条路线给谁 ​

  • 已经在做 AI 应用、提效、选型、面试准备等工作，遇到具体问题想最快找到答案的人；
  • 不需要按周排期，只想知道"这个问题应该读哪一页"的人。

案头速查没有顺序，只有索引。遇到问题先查下表，命中后直接跳转；如果那一页里又遇到不懂的术语，再顺着链接跳到下一个页面——这正是本手册"密集互链"设计的意义。

2. 问题 → 页面 速查索引 ​

你的问题直达页面为什么读它
模型总是胡说、有幻觉检索增强生成（RAG）RAG 通过外接事实来源压制幻觉
怎么让模型更听话提示词工程、对齐提示设计 + 对齐训练双管齐下
怎么接入自己的私有数据RAG、向量数据库检索 + 向量化的标准组合
怎么搭一个 AgentAI 智能体、从零开发一个 Agent概念框架 + 动手实现
怎么选模型模型与榜单速查主流模型、参数量与榜单对比
面试问什么面试题库高频题与答题框架
想彻底搞懂 TransformerTransformer 与注意力机制所有大模型的地基
模型跑得太慢、太贵推理优化与量化、部署实战优化手段与上线工程
怎么评估模型好不好LLM 评估与基准、搭建 LLM 评估指标 + 评估工程化
想微调自己的模型微调与 PEFT（LoRA）、微调你自己的 LLM概念 + 全流程上手
想给产品加图像/视频生成扩散模型、Midjourney 案例、Sora 案例原理 + 商业案例
想了解 AI 安全与合规AI 安全与治理风险、对齐、治理框架
简历该怎么突出亮点能力对标把知识点翻译成 JD 语言
上哪儿找数据集和工具数据集与工具档案数据与工具索引
从哪篇论文读起论文阅读路径、论文地图分层阅读顺序与论文谱系
现在市场在招什么岗位JD 清单国内外大厂在招岗位
看术语看不懂术语表全站词典，随查随用

速查也讲究"用完闭环"

案头速查的坑是"查到就走、看完就忘"。任何一页读完后，花 3 分钟在本页末尾的延伸阅读小节里顺藤摸瓜点一两个链接——那是作者预埋的"下一站"，通常是解决你更深层问题的入口。

五、三条路线的共同起点与终点 ​

1. 共同起点 ​

无论走哪条路线，第一页都是什么是 AI 热门概念。这不是客套，而是效率问题：

  • 它定义了全站 51 页的坐标：7 大栏目各装什么、概念之间怎么组织；
  • 它决定了你后续所有阅读的"指北针"——知道自己在全图中的位置，才不会在互链里迷路。

读完它之后，三路线分岔：求职冲刺直接跳概念边界建立坐标系；系统精进继续走演进简史与总体架构解剖；案头速查则直接去查上面的速查索引表。

2. 共同终点 ​

三条路线的收尾动作收敛到同一组"防坑 + 长期随身"页面：

收尾项页面作用
防坑总检常见陷阱与反模式所有路线读完概念、写完项目后，用这一页自检最容易犯的错
长期词典术语表永久随身：任何时候遇到生词回这里查
精读压轴经典论文精读求职冲刺可以跳过，但系统精进与深度工作者的收尾都靠它
求职终检模块导读与岗位版图只有求职者需要，作为简历与面试的最终闭环

3. 随时换道 ​

三条路线不是隔离班级，而是同一张地图上的三条常用路线。几个典型换道场景：

  • 案头速查时发现自己连概念都讲不清 → 暂停速查，切到系统精进的 W3–W4 补概念地基；
  • 求职冲刺中面试被追问到"为什么"的深度问题 → 临时切到系统精进的论文周补深度；
  • 系统精进中途拿到面试机会 → 用 2 周把排期压缩成求职冲刺，考完再回来继续。

一句话判断：路线是起点，不是枷锁；能按需组合，才算真正用好了这张路线图。

六、全站页面一句话索引 ​

下面是全站 51 个页面的一句话索引，按 7 大栏目分组。每页一行，既是"每页配一句话说明"，也是速查路线三的延伸——当你不知道某类问题该去哪一页时，先在这里扫一眼。

导读（/guide/） ​

页面一句话说明
学习路径：三条路线本页：你正在读的全站路线图与统一索引
什么是 AI 热门概念全景总览：热门概念版图与全站导航，所有路线的起点
AI vs ML vs DL vs GenAI vs Agent五组高频概念的边界辨析，答面试题的坐标系
演进简史从符号主义到大模型的 70 年时间线
总体架构解剖一个现代 AI 系统由哪些模块构成、如何拼装

核心知识（/concepts/） ​

页面一句话说明
大语言模型（LLM）大模型是什么、能做什么、受什么限制
Transformer 与注意力机制注意力机制与 GPT/BERT 的共同底座
多模态模型文本+图像+音频+视频的统一理解与生成
提示词工程不写代码地驾驭模型：提示设计的方法论
检索增强生成（RAG）给模型外接知识库、压制幻觉的主流方案
AI 智能体（Agent）会规划、会调用工具的自主系统
向量数据库与语义检索RAG 的地基：向量化与相似度检索
知识图谱与知识注入用结构化知识补上模型的知识盲区
扩散模型与生成式 AI图像/视频生成的主流技术原理
微调与 PEFT（LoRA）低成本改造开源模型的方法
对齐：RLHF 与 DPO让模型"听话、有用、无害"的训练方法
推理优化与量化让大模型跑得更快、更省
LLM 评估与基准怎么科学地衡量模型好坏
AI 安全与治理风险、对齐、合规与负责任 AI

经典案例（/case-studies/） ​

页面一句话说明
ChatGPT 与对话式 AI引爆这轮浪潮的产品与它背后的工程
DeepSeek-R1 与推理模型用强化学习训练"会思考"的模型
Midjourney 与图像生成文生图的商业化标杆
Sora 与视频生成世界模型与视频生成的前沿
语音 AI：Whisper 与 TTS语音识别与语音合成的经典工程
GitHub Copilot 与代码智能大模型如何改变编程这件事
Manus 与 Agent 应用从"聊天"到"替你干活"的产品形态
Perplexity 与 AI 搜索RAG 在真实产品的落地范本
AlphaFold 与 AI for Science预测蛋白质结构的科学里程碑
大模型时代的推荐系统生成式 AI 如何重塑推荐

论文精读（/papers/） ​

页面一句话说明
论文精读：从这里开始论文栏目的导读与进入方式
阅读路径按水平分层的论文阅读顺序
论文地图关键论文的谱系与相互引用关系
经典论文精读Attention Is All You Need 等必读论文的精讲
前沿进展近两年值得关注的新方向
阅读纪律与 FAQ怎么读论文才不白读

实践指南（/practice/） ​

页面一句话说明
从零搭建 RAG 应用一个 RAG 应用的全流程实战
从零开发一个 Agent工具调用、规划与记忆的实现
微调你自己的 LLMLoRA 微调的完整上手
搭建一套 LLM 评估把评估做成可持续的工程
提示词实战手册提示技巧的实战清单
部署与推理优化实战模型上线、压测与性能调优
常见陷阱与反模式前人踩过的坑，读它省半年学费

求职与岗位（/career/） ​

页面一句话说明
模块导读与岗位版图求职栏目的入口与整体版图
JD 清单国内外大厂在招的 AI 相关岗位
JD 知识点拆解JD 背后隐藏的考点图谱
能力对标简历该突出什么、怎么对标岗位
面试题库高频面试题与答题框架

资源（/resources/） ​

页面一句话说明
术语表全站术语的速查词典
精选资源清单教程、博客、工具的精选集
数据集与工具档案数据集与工具的一手档案
模型与榜单速查主流模型与榜单的横向对比

怎么用好这张索引

索引表格是"目录式入口"：快速扫描找目标，点进去读正文。正文里的站内链接是"探索式入口"：顺着概念之间的关联自然跳转。两者配合，才是路线图该有的打开方式。

延伸阅读 ​

参考资料 ​