如何用6个月时间，成为一名AI工程师（应用LLM）？可以按下面这12个阶段做！

阶段1：Python和LLM基础
Python、异步编程、API、令牌、嵌入、上下文窗口、Anthropic/OpenAI SDK、像工程师一般阅读模型文档。

阶段2：提示工程和上下文工程
系统提示、少样本提示、思维链、上下文预算、动态组装、提示版本控制。

阶段3：结构化输出和工具调用
JSON模式、Pydantic验证、函数调用、重试逻辑、输出防护栏。

阶段4：RAG基础
分块策略、嵌入模型、向量数据库、混合搜索、重排序、引用。

阶段5：高级检索
上下文检索、查询重写、父文档检索、代理式RAG、GraphRAG基础。

阶段6：代理和编排
使用工具的代理、规划循环、LangGraph/LlamaIndex工作流、多代理交接、故障恢复、人机协作。

阶段7：内存和状态
短期缓冲、长期向量召回、会话状态、摘要、上下文压缩。

阶段8：评估和质量关卡
黄金数据集、LLM作为评判者、回归测试、CI关卡、提示A/B实验。（这才是让你被录用的关键。）

阶段9：微调和适应
何时微调 vs RAG vs 提示、LoRA/QLoRA、合成数据、DPO基础。只有在检索不够用时才使用。

阶段10：推理、成本和延迟
语义/提示缓存、模型路由、量化、KV缓存、批处理、令牌预算。

阶段11：安全、部署、可观测性
提示注入防御、PII编辑、防护栏、回退、vLLM/托管API、追踪、成本+延迟仪表板、警报。

阶段12：作品集和专业化
交付3个生产级系统。发布基准测试+拆解报告。专注利基领域：代理、RAG或基础设施。

大多数人，其实都是卡在看教程上……