🗺️ 系统化学习路线

从 AI 工具使用
到工程实践

这是一份基于实际工具使用经验整理的 AI 进阶路线。核心思路：根据原型图，结合Skill，调用知识库，生成可用的产品。我们要做的就是调整 MCP、提示词、向量里面的一些内容。同时采用 "用 AI 学习 AI" 的学习方法，让 AI 成为你的学习助手。路线覆盖 MCP + A2A 双协议、Agentic/Graph RAG 等 2026 年最新技术栈。

🚀 从第一阶段开始 查看路线总览
7
学习阶段
40+
核心知识点
80+
推荐资源
19
AI 工具收录
Learning Path
七阶段学习路线

每个阶段聚焦一个核心能力，循序渐进，每阶段均有配套资源与实践建议。

Stage 01
🧱
工具入门与环境搭建
理解 API Key、Token 计费机制，掌握 Docker 私有部署 Dify，熟悉 Cherry Studio、千问、Trae、Qoder 等主流 AI 工具的使用场景与最佳实践。
API Key Token Docker Dify Cherry Studio
深入阅读 →
 Stage 02
✍️
提示词工程
掌握提示词的核心框架与技巧，从基础结构到 Chain of Thought、Few-shot、结构化输出，学会系统性优化提示词，最大化模型能力。
CoT Few-shot RTCFC 框架 结构化输出
深入阅读 →
 Stage 03
🔍
RAG 检索增强与幻觉消减
理解幻觉的本质与高发场景，学会通过 RAG 知识接地、精确约束、多模型交叉验证等手段提升 AI 输出的可靠性。
向量数据库 分块策略 Rerank 幻觉消减
深入阅读 →
 Stage 04
🤖
Agent 设计与进阶工程化
深入 ReAct 推理循环，掌握 MCP 协议（9700万+安装的事实标准）与 A2A 协议（Agent间通信），构建多 Agent 协作工作流，实践 LLMOps 工程化。
ReAct MCP A2A 多Agent LLMOps
深入阅读 →
 Stage 05
🎯
AI 技能训练与工作提效
将 AI 技能系统化应用到日常工作中，通过刻意练习提升技能水平，整合效率工具，建立个人 AI 工作流，实现真正的效率提升。
刻意练习 效率工具 工作流 提效技巧
深入阅读 →
 Stage 06
🔌
MCP协议与工具链集成
MCP 已成为 AI Agent 工具调用的事实标准（9700万+安装、5000+ Server），由 Linux 基金会治理。学习开发自定义 MCP 服务器，理解 A2A 协议实现多 Agent 协同。
MCP协议 A2A协议 Hermes Dify适配
深入阅读 →
 Stage 07
🏢
企业级AI应用开发实战
基于真实业务场景，构建BPM报表代码生成器等企业级应用。掌握知识库设计、RAG系统调优、ExtJS前端规范、C#后端开发，以及生产环境部署运维全流程。
RAG实战 代码生成器 ExtJS规范 生产部署
深入阅读 →
Core Methodology
🎯 核心方法论
🔧 产品生成路径
原型图 + Skill + 知识库 → 可用产品
操作方式：我们要做的就是调整三个核心要素：
  1. MCP（模型上下文协议）：配置模型路由规则，优化工具调用能力
  2. 提示词：标准化提示词模板，优化输出格式要求
  3. 向量：调整文档分块策略，优化检索精度
🎨 原型图
提取功能点和业务逻辑
🧩 Skill
选择和组合可复用工具
📚 知识库
调用相关知识文档
🤖 用 AI 学习 AI
让 AI 成为你的学习助手
学习路径：
  1. 输入层面：喂给 AI 大量 AI 相关的文档、代码、案例
  2. 处理层面：让 AI 分析、总结、提炼关键知识
  3. 输出层面：AI 生成可执行的代码、配置、方案
  4. 反馈层面：用实际运行结果反向优化 AI 模型
💡 实践技巧：遇到问题时，先问 AI "这个概念是什么？"、"如何实现？"、"有什么最佳实践？"，让 AI 成为你的私人导师。
Philosophy
学习建议
🔨
实践优先
每个概念都配有在 Dify、Cherry Studio 或代码中可以直接操作的实践建议，先动手再深究原理。
📖
中文资源优先
每阶段均优先推荐中文官方文档和社区资源，降低语言障碍，提高学习效率。
🔗
工具串联
以本地 Dify 为核心实践平台，将提示词、RAG、Agent 能力串联成完整的应用开发闭环。
📝
笔记沉淀
每个阶段页面都预留了"个人笔记"扩展区，可以将自己整理的 Markdown 内容嵌入进来。
🔄
迭代更新
AI 领域发展极快，本路线以模块化结构组织，方便随时添加新工具、新技术、新资源。
🎯
聚焦应用
路线聚焦"能用起来"的工程实践，不深究数学推导，适合希望快速构建 AI 应用的开发者。
📌 关于个人笔记扩展：每个阶段页面底部均设有"我的笔记"区块，你可以在对应 HTML 文件中找到 <!-- NOTES: 在此处插入你整理的 Markdown 内容 --> 注释，将转换后的 HTML 内容粘贴进去即可完成扩展。
Toolstack
推荐工具概览

本路线围绕以下工具展开讲解，均为国内可访问的主流 AI 工具。

🐳
Docker + Dify
本地 LLMOps 平台
私有化部署的 AI 应用开发平台（最新 v1.15.0），支持知识库、工作流、Agent 编排，原生 MCP 双向支持，是贯穿本路线的核心实践环境。
开源免费 中文文档 可视化
🤖
Qoder / Trae / Claude Code / CodeBuddy
AI 原生编程 IDE
2026 年 AI 编程已进入 Agent 时代。Qoder（阿里）市占率 47.6% 国内第一；Trae（字节）月活 1279 万；CodeBuddy（腾讯）支持三形态；Claude Code 驻留终端，长上下文理解极强。
Agent 模式 Vibe Coding SOLO
🍒
Cherry Studio
多模型 AI 桌面客户端
支持接入多家 AI 服务商的桌面应用，适合日常对话、提示词调试与多模型对比，是提示词学习的最佳实验场。
多模型 桌面端
🌟
通义千问 (Qwen)
阿里云大模型
阿里云推出的大模型，中文理解能力强，代码生成表现优异，API 价格亲民，国内访问稳定，适合作为主力模型。
国内可用 中文优化
🔌
各类大模型 API
API Key 接入
通过 API Key 接入 OpenAI、DeepSeek、Moonshot、智谱等模型，理解统一的 OpenAI 兼容格式，是工程化的基础能力。
OpenAI 兼容 多服务商
🧩
MCP + A2A 生态
Agent 时代的双协议标准
MCP（9700万+安装）是 Agent 调用工具的事实标准，由 Linux 基金会治理；A2A（Google 主导）解决 Agent 间通信。两者互补，构成 Agent 时代的完整协议栈。
事实标准 Linux 基金会
🖥️
WorkBuddy / QoderWork / DuMate
桌面级 AI 办公工作台
2026 年 AI 办公进入桌面智能体时代。WorkBuddy（腾讯）月活 2097 万国内第一；QoderWork（阿里）主打本地化与 MCP；DuMate（百度）多智能体协作；Kimi Work（月之暗面）长文本见长。
AI 办公 多模态 智能体