学 AI 该按什么顺序？

大多数 AI 学习资料是一堆散料，不是一条路径。每篇文章都假设你已经懂了那个本该由它来解释的东西。于是人们在还不懂 embedding 的时候就去读注意力（attention），读懵了，然后断定这些资料太难。

这些概念之间确实存在依赖顺序。下面就是。

17 层

前 7 层是主线。后面越来越深，大多数人只需要其中一部分。

1 · 入门 —— 这些工具能做什么、不能做什么，以及术语。定位性内容，无前置要求。

2 · 机器学习基础 —— 神经网络、数据如何变成数字、梯度下降、反向传播。现代模型所依赖的经典机器学习地基。

3 · 经典 NLP —— 词向量、循环网络、序列到序列、transformer 为什么胜出。注意力出现之前，语言是怎么处理的，以及后来变了什么。

4 · 基础概念 —— token、LLM、embedding、生成。后面所有内容都默认你懂的那套词汇。

5 · 内部机制 —— transformer、自注意力、位置编码。讲的是怎么工作，而不只是做了什么。

6 · Prompt 技巧 —— 基础、上下文窗口、幻觉、few-shot。大部分实用价值在这里。

7 · RAG —— 为什么需要它、流程、分块。把模型和你自己的文档连起来。

8 · Agent —— 工具调用、循环、失效模式。会动手做事，而不只是回答。

9 · 应用 —— API 调用、模型选型、评测。把真东西做出来。

10 · 评测 —— 准确率、混淆矩阵、ROC-AUC、评测为什么难。你怎么知道这些东西到底管不管用。

11 · 多模态 —— 图像、视觉语言模型、语音、文档。走出文本。

12 · 训练与适配 —— 微调、LoRA、对齐、推理模型。模型是怎么造出来、又是怎么被改的。

13 · 高级架构 —— 专家混合、长上下文、服务化。工程约束都住在这里。

14 · 高级 RAG —— 混合检索、查询改写、重排序、评测。把 demo 和能用的系统区分开的东西。

15 · 高级 agent —— 上下文工程、记忆、编程 agent、评测。

16 · 安全 —— 提示注入、护栏、PII。只要你的产品会读不可信内容，上线前先读这一层。

17 · 生产环境 —— 可观测性、可靠性、成本、迁移。让它一直跑得下去。

真正会绊住你的依赖关系

有四处，跳着读一定失败：

Token 先于一切。 成本、上下文上限，还有一连串古怪的失败，全都是以 token 计量的。跳过它，后面三个主题会一直雾里看花。

Embedding 先于注意力。 自注意力（self-attention）是一套让向量按相关性互相更新的流程。没有向量，这个机制就没有东西可操作。这是最常见的顺序错误，没有之一。

幻觉先于 RAG。 RAG是解法。先学解法再碰问题，它就只是一张你记不住的流程图。

Prompt 先于 agent。 一个 agent就是 prompt 加工具、外面套一个循环。prompt 直觉不行，agent 失败起来你根本解释不了。

三条路线

你不需要读完全部 150 篇。按你真正想要什么来选。

入门 —— 「我想把这些工具用好」 · 34 篇

第 1、2、4 层，加上两篇值得绕路去看的机制文章，和三篇实用文章。

什么是 AI → AI 能做什么、不能做什么 → Token → LLM 是什么？ → Embedding → 生成 → Transformer 是怎么工作的 → 自注意力 → Prompt 基础 → System prompt → 上下文窗口 → 幻觉 → Few-shot → Prompt 调试 → 为什么需要 RAG → 你的第一次 API 调用 → 模型选型

这条路线一共 34 篇，大约 39.8 小时。本页和术语速查表是你随时回来查的参考。

其中两篇是图解，放在这里是故意的。Transformer和自注意力通常被归进「进阶」，这是反的——它们恰恰是散文讲不清楚、画一张图就明白的机制。写 prompt 用不到它们，但理解了它们，后面这一整套材料才会从规则变成理由。

你会看懂你的工具、你的账单和你的失败。你不会知道 KV cache 是什么，也不必知道。

进阶 —— 「我想用它们来做东西」 · 121 篇

上面全部，加上完整的 RAG 和 agent，加上足以用来排查问题的内部机制（transformer、自注意力），再加上那几层区分开 demo 和能用的系统的东西：高级 RAG、高级 agent、安全、生产环境。

大约 157 小时。这是大多数工程师该走的路线——读内部机制是为了建立直觉，不是为了自己实现一遍。

专家 —— 「我想知道它到底怎么运作」 · 146 篇

除了那四篇入门导览之外的全部，包括大多数人会跳过的深度架构：KV cache、长上下文为什么这么贵、MoE、状态空间模型、投机解码、量化。

大约 193 小时。工程上的硬约束就藏在这里。跳过它们，性能上的取舍会一直是个谜。

怎么读

别从头读到尾。 读完一层，用它做点小东西，再回来。概念是在解释你刚碰到的问题时才粘得住的。

这里每一页都会标出自己的位置——属于哪一层、前置是什么、下一篇是什么，以及在三条路线里各自的推荐分。如果你是从搜索直接进来的，页头会告诉你背景够不够。

跳读没问题，只要你知道自己跳了什么。 不懂注意力就去搭 RAG 系统，完全合理。只是要清楚：当检索质量变得古怪时，重排序就是你下一站。

要点回顾

• 依赖顺序是真实存在的：token → embedding → 注意力，以及幻觉 → RAG。
• 三条路线：用它们（34 篇）、用它们做东西（121 篇）、搞懂它们（146 篇）。
• 读一层，做点东西，再回来。

下一篇： 什么是 Token？ —— 无论走哪条路线，这都是第一个真正的概念。