作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

Linshiyi
2026-04-28 20:50:19LLM

前言

原谅我的后知后觉，才开始从头写，我是已经上了一阶段大模型的课，也搜集了些资料，并自己做了小部分实践，回过头来，才想开始整理些文章。起初，大家都在写，都在发，我那会在焦虑 。

自 chatgpt 爆火以来，AI 技术又被广泛关注，国内外各大厂商也纷纷布局，作为我们每一个普通人，也无不时刻感受着 AI 一波又一波的冲击。

尤其是作为程序员的我，相信绝大多数程序员也有和我一样的感受，从一开始的新奇，到焦虑，到试图去了解他，到去尝试，并致力于应用。

不管是 IT 行业人员还是非 IT 行业，都在不同程度的去了解、学习或者使用，作为程序员，在面对新的变革技术到来，更认识到，体系性的学习是理解和掌握它的必要途径，也是最便捷的方式。这样才能帮助我们体系的了解他，如何去拥抱变革，才能知道什么样的我会被替代，什么样的我是不会被替代的，也会减少自己的焦虑。

学习路线调研

在决心要开始体系性学习的时候，又面临一个问题，我该如何入手，又该按照什么路线和方向学习，自媒体的时代，公众号、各论坛的文章铺天盖地，很难让人捋出一个头绪。

我报了一个课，老师会有教学大纲，可实际上下课来，发现老师也是处于一个探索学习当中，尤其我印象深刻的在某一节课上课前，赶上 gpt4 turbo，甚至当天的课的示例程序都跑步起来了。

在参照了老师的课程安排，又查阅了好多资料之后，我给自己梳理了一个学习规划，记录下来，希望对正在迷茫的童鞋能有用，当然如果有错误的地方，也请看到的大佬给出指正。

我自己的情况是这样的，普通本科，一直在 java 工程应用层面的编程、架构设计工作（俗称编写业务代码的程序员），同时会一些 python，不深，平时当做工具语言来使用，学习大模型，想的还是用大模型来解决工程化和应用层面的问题。

在搜索资料之初，我看到过很多文章，如果你搜索 “如何系统的学习大模型”，会看到很多类似的：

看到这种文章，起初我看了点，就全部略过了，看不懂，当然随着我的资料检索和学习，想体系化学习，明白这些知识肯定是必要的，但不是我现阶段必要的，他会让我上手很慢，并且把耐心给磨没。

我的整个思路还是：

于是有了下面的具体学习思路

我的写作计划（陆续更新，欢迎批评指正）

tips: 随着我的学习和知识整理可能会有变化。

#基础篇

LLM01 - 作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

LLM02 - 一文讲清楚，AI、AGI、AIGC 与 AIGC、NLP、LLM，ChatGPT 等概念

LLM03 - 大模型提示工程（Prompt）（上篇），掌握 Prompt 原理与技巧，提高 AI 生成内容质量

LLM04 - 大模型提示工程（Prompt）（下篇），思维链和思维树的进阶

LLM05 - 大模型提示工程（Prompt），让 LLM 自己优化提示词

LLM07-OpenAI 的 API 调用之初探，python 调用 GPT-API（交互式，支持多轮对话）

  • [ ] 大模型 08 - 大模型提示工程（Prompt）,Prompt 攻击和防范、内容审核、用 prompt 调优 prompt

#进阶篇

LLM06 - 大模型之带你了解 plugins、GPTs 的前生今世，GPT-4 turbo 何以让众多创业者一夜无眠，及主要应用：RAG、Agent

LLM09 - 大模型应用开发之业务架构和技术架构（从 AI Embedded 到 Copilot, 再到 Agent）

LLM10 - 用 Function Calling 连接大模型和业务，用自然语言连接系统的认知

  • LLM11 - 软件开发中，我们如何进行 AI 编程，让 AI 成为我们的编程助手

  • LLM12 - 我的大模型实践 --??

#高阶应用

大模型之 RAG 系列，走进 RAG 以及它未来的发展趋势

大模型之 RAG，LLM 性能的提升，RAG 与 Fine-Tune 我们该如何选择？

大模型应用 RAG 系列之从 0 搭建一个 RAG，关键字检索的认识与实战（混合检索进阶储备）

大模型 RAG，向量检索的原理与实战，与关键字检索的对比

大模型 RAG，混合检索

  • 大模型应用 RAG 系列（五）之混合增强策略：RAG + Fine-Tuning

  • 大模型系列之 - OpenAI 的 Assistants API，一个开箱即用的 RAG

  • LLM15 - 大模型应用开发之 Semantic Kernel

  • LLM16 - 大模型应用开发之 LangChain

  • LLM17 - 大模型应用开发之 LLM 应用开发工具链

  • LLM18 - 大模型应用开发之手撕 Agent 实现 AutoGPT

  • LLM19 - 我的大模型实践 --??

#模型训练

  • LLM20 - 大模型应用开发之模型微调 (Finetune)

  • LLM21 - 大模型应用开发之多模态大模型

  • LLM22 - 我的大模型实践 --??

写在最后的话

不得不再提最近常被提起的一句话：如何与大模型共生

我们在不断被迫接受着过量的信息和超出认知的技术革新，否则就会处于被革新的尴尬境地。

与技术共生，与大模型共生：

人在不断的驱赶下依然还有新的立足之地，这些新领地恰恰是技术延展出来的百年前的纺织工人的后代并不会接着做纺织，他可能是一名铁路工人。他的后代可能是个电报员之后会是电话员、股票代理以及现今担心被淘汰的白领们。只要新技术所带来的新领地足够大，总有你我的容身之地。所以我们想要活下去，要做的就是不断重估一切价值。

技术提高了生产力，人就要学会把自己从生产当中解放出来，去思考更值得思考的事。

– 引自：www.zhihu.com/question/30…

拥抱未来，拥抱变化。

📝 转载声明

评论加载中...