AI 应用开发路线
目标是能搭建应用，也能解释为什么这样设计。前置要求：Python 或其他后端语言、模型 API 调用、简单的数据处理。核心产出是项目证据，不是框架清单。
四个阶段，建议四周
| 阶段 | 读什么 | 实践产出 | 应能回答 |
|---|---|---|---|
| 第 1 周：问题与基线 | 应用路线总纲、Prompt | 明确任务、不可接受错误与无检索基线 | 为什么这个任务需要 LLM？ |
| 第 2 周：RAG 闭环 | RAG、Embedding、进阶 RAG | 保存 query、候选、重排、上下文和最终引用 | 怎样判断该改切分还是检索？ |
| 第 3 周：Agent 边界 | Agent、工作流对比、工具安全 | 有步数预算、审批和工具契约的控制循环 | 哪些步骤应该固定，而不是交给模型？ |
| 第 4 周：评测与表达 | 评估、系统设计 | 对照实验、失败分类、成本记录与演示脚本 | 增加一个组件带来什么可测量收益？ |
里程碑自测
- 保持评测集不变，比较至少两个方案，不用挑选成功演示替代实验。
- 分析一个「检索正确但回答错误」和一个「工具成功但业务错误」的例子。
- 对每个关键组件给出替代方案与采用条件。
常见卡点
追热点时先补齐基线；功能堆叠时先画请求链路；只看自动评分时抽查具体证据。需要准备项目口述时，进入 应用系统设计。