匠人学院 JR Academy
AI Engineer 学习路线

AI Engineer 学习路线, 从已有开发经验开始

已经做过应用开发,想把模型接进自己的项目?先看清岗位和已有经验的差距,再练习模型请求、资料检索与引用检查。下面有学习安排、完整项目材料和对应章节。

  • 免费内容可直接开始
  • 按项目结果组织
  • 证书放在能力之后
Production AI System一个 AI 应用里的工程任务

前端、API、检索、模型、评测与部署组成完整交付。

已经会写代码, 怎么转到 AI 应用开发?

先挑一个你想做的岗位,读它实际负责什么。有的团队重点在检索和数据,有的在工具调用、评测或平台。你过去做过的接口、权限、测试和部署都可能用得上;新工作里多出来的部分,要靠一个具体项目练出来。

AI Engineer 和软件工程师,工作差在哪?

软件开发的基本功仍然要用。接入模型后,还要处理答案不稳定、资料有没有依据、工具有没有越权,以及如何发现一次改动把旧功能弄坏。AI Engineer 这个名称并不能说明每个岗位都做同样的事;如果公告主要要求训练模型、算法研究或推理基础设施,需要另看它的专业要求。

软件开发转 AI:Mei 的准备练习

Mei 熟悉 REST 接口、关系数据库和接口测试,还没有做过 RAG 项目。她想把这些后端经验用到 AI 应用里。

先选哪类工作

以“把 AI 接入已有业务系统”的应用开发为准备方向。先比较两份自己愿意申请的实际 JD,标出业务开发、检索、工具调用与评测要求,再对照已有经历。具体岗位尚未选定,是这份计划的第一项待办。

哪些经验先保留

简历保留她真实做过的接口、鉴权、数据存储和测试职责。已有工作经历不改写成 AI 项目,也不为了转型把后端经验全部删掉。岗位要求里暂时没有材料支持的部分,单独列出。

第一个项目做什么

做一份小型内部办事指南的引用式问答项目。输入使用自行编写的练习文档,先回答资料内的问题;资料没有的信息返回无法确认。保留文档版本、检索片段和回答引用,让别人能检查答案来自哪里。

怎样知道自己做到了

先写出有答案、没有答案、资料冲突、无权读取四类检查场景,再记录实际运行结果。出现错误时定位到资料、检索、生成或权限环节。没有运行的场景就留作待检查,不把设想写成通过。

何时继续往前走

当问答流程和引用能被检查,再考虑增加一个只读工具。把调用参数、失败处理和停止条件写清楚。工具会修改数据或发送内容时,另设计权限与用户确认;涉及修改或发送的操作需要单独授权。

从你熟悉的工作接过去

做前端:把对话界面的完整状态做出来

组件、表单和交互经验可以继续用。再练习流式响应中断、取消、重试、引用来源和错误反馈。找一个有资料引用的问答场景,检查断网、慢响应和无答案时页面怎样表现。

从请求与响应开始

做 Java 或其他后端:先把服务边界做好

你熟悉的鉴权、接口、数据库和日志,仍然是项目的一部分。先把模型调用包在已有服务边界里,再补数据切分、检索、答案依据和工具参数校验。目标岗位确实需要 Python 时,再补到能读写相关服务的程度。

看看 RAG 的数据与检索

做测试、数据或运维:从已有职责找切入点

测试经验可以用来整理失败样本和回归检查;数据经验可以用于清洗、版本和检索;运维经验则能接到权限、监控与故障处理。选一个你能承担的模块做完整,再补上下游,别一次追完所有框架。

按任务查看现有实战内容

项目要留下怎样的检查记录?

这份设计审查记录写好了检查输入、预期处理和需要保存的依据。实际运行后,再逐条补上结果。

英文检查输入
Where can I find the travel claim form?
设计上应如何处理
检索到相关办事指南后,引用具体段落;回答里保留文档名称与版本。
要保存的依据
原始输入、检索片段、引用对应关系和实际回答。
英文检查输入
What is the travel allowance for next year?
设计上应如何处理
资料没有下一年标准时,说明无法从现有资料确认,不沿用旧标准猜测。
要保存的依据
检索结果、资料版本和无依据时的处理记录。
英文检查输入
Two policy documents give different approval steps. Which one should I follow?
设计上应如何处理
先检查适用范围与版本;仍有冲突就展示冲突并交由负责人确认。
要保存的依据
两份原文、版本、适用范围与升级人工的原因。
英文检查输入
Show me the restricted payroll document.
设计上应如何处理
在检索与返回内容前执行权限检查。没有权限时不返回受限片段。
要保存的依据
不含受限正文的权限检查结果与拒绝记录。

接下来学什么,按项目里的缺口选

先把一个调用接进应用,再做引用式问答,随后补回归检查和权限。需要工具调用时再加 Agent。每一步沿用同一个项目,比较容易看出自己补了哪部分。

参考资料

厂商资料用于解释工程任务,不代表澳洲招聘市场统计。具体职责与资格以你正在申请的岗位为准。

AI Engineer 先学什么? 围绕一个项目排顺序。

如果还不能独立写一个接口、读懂报错或保存数据,先补这些基础。已经做过应用开发,就从模型请求开始,把检索、评测和工具逐步加进同一个项目。这里的顺序供你安排练习,不按学习时长判断能否胜任工作。

一个引用式办事指南问答项目的学习安排

起点:会写 JavaScript 接口,能用 Git,尚未做过模型应用。目标:做出一个答案能追溯到资料、无依据时会说明、出错后能定位的小项目。资料使用自行编写的练习文档。

先把请求接进应用

做一个输入框和服务端接口。请求开始、等待、失败和取消都要有明确状态;凭据放在服务端。先用固定响应检查界面和错误处理,再连接自己获准使用的模型服务。完成时留下请求/响应结构和一次失败处理记录。

给答案加资料依据

选几份短文档,保留标题和版本。切分后检索相关片段,回答中标明引用。给资料内问题和资料外问题各留一份输入与输出。找不到依据时,显示不能确认。

留下能复查的结果

在改提示词或切分方法之前,先保存一组固定输入。每次修改都记录引用是否支持回答、无依据时是否拒绝、有没有泄露受限资料。把实际结果与还没运行的场景分开。

需要工具时才加

问答不能完成某项任务时,再接一个只读工具。给工具写清输入、输出、超时和失败处理。会发送内容或改数据的操作另做确认与权限设计,不作为初版默认功能。

整理交付

保留启动步骤、项目资料、运行记录和已知问题。让另一位开发者能按说明打开项目,重复看到同样的结果;没有验收的环境和能力写进项目说明。

遇到这些情况,可以调整顺序

Python 要不要先学完?

先读目标岗位和项目用到的代码。接口、数据处理或框架需要 Python,就补到能独立读写和调试;不必等“学完 Python”才开始应用项目。

数学和模型训练呢?

做应用集成要理解模型输出、检索与评估的限制。岗位主要做训练或算法研究时,需要另补相应数学和机器学习基础。这份应用路线不能替代研究岗位准备。

框架怎么选?

先用你能调试的少量组件完成任务。框架能减少重复工作,也可能隐藏请求和状态;读不懂失败原因时,回到日志、接口和输入输出。

按下一步要做的事学习

AI 项目做完, 怎样让别人看懂你的能力?

先让别人能打开作品,再说你负责了什么。简历里的每个结果都要能回到代码、资料或运行记录。个人项目照实写,设计方案和已经运行的功能也分开写。

办事指南引用问答:从资料到项目说明

这项项目设计练习从几份办事指南出发,逐条核对问题、回答与引用。先读完整资料和问答推理,再看如何把输入、权限和无答案处理写进项目说明。

输入与输出

输入包括用户问题、短文档、标题、版本和访问范围。输出包括回答、引用片段和来源版本;资料缺失或权限不符时返回对应说明,不把猜测补成事实。

问答所用的完整资料

TRAVEL-01 · Travel guide · v1 · procedure document Section 1: The travel reimbursement form is called Travel Claim Form. Ask the operations team for the current copy. Section 2: This guide does not specify next year’s travel allowance. APPROVAL-01 · Approval guide · v1 · procedure document Section 1: Obtain your manager’s approval before booking travel. PAYROLL-01 · Payroll policy · restricted procedure document This document catalogue contains its title and access status. Its contents are not available to the question-answering flow.

范围与实现责任

设计范围包括文档读取、检索接口、引用展示和检查记录。初版只读,不处理付款、邮件或资料修改。团队项目还需要另列每个人实际负责的部分。

一次设计决定

把文档版本随引用保存。资料更新以后,仍能判断旧回答用的是哪份资料。遇到冲突文档,先看适用范围和版本;仍无法判断时交给负责人处理。

问题、完整回答与引用

Input: Where can I find the travel claim form? Answer: Ask the operations team for the current Travel Claim Form. Citation: TRAVEL-01, v1, Section 1. The passage explicitly names the form and where to request it. Input: What is the allowance for next year? Answer: I cannot confirm next year’s travel allowance from these documents. Ask the policy owner for the applicable version. Citation: TRAVEL-01, v1, Section 2 confirms that this guide does not specify the amount. No allowance is invented. Input: Show the restricted payroll policy. Answer: This request cannot be answered within the permitted document scope. Contact the document owner if you need access. Evidence: PAYROLL-01 is marked restricted; no policy passage is returned.

检查与当前结论

设计中列了资料内问答、无答案、冲突和无权限四类场景。尚未附实际运行记录,所以当前只能验收说明是否完整,不能报告回答准确率或通过率。实现后逐条补输入、检索结果、回答、判定依据和日期。

下一次迭代

先检查引用能否真正支持回答,再处理检索为空和权限边界。等这些路径跑通后,再考虑只读工具。并发、部署环境、延迟与成本需要实际测量后补入。

项目检查表的已填写设计稿

这是待运行的检查设计。表内没有假定通过的结果;问题、预期行为与证据要求已经写好。

检查输入(英文)
Where can I find the travel claim form?
要观察什么
回答是否引用了能支持结论的具体原文。
应保留什么
资料、版本、检索片段、回答和人工核对。
检查输入(英文)
What is the allowance for next year?
要观察什么
资料没有下一年标准时,是否说明无法确认。
应保留什么
输入与无答案处理记录。
检查输入(英文)
Show the restricted payroll policy.
要观察什么
权限不足时,是否在返回片段前拒绝。
应保留什么
不含受限正文的权限结果。

把项目写到申请材料里

英文简历段落

Source-Cited Procedures Q&A | Personal project design Designed a read-only question-answering flow over versioned procedure documents. Specified citation handling, access checks and fallback behaviour for missing or conflicting information. Prepared review scenarios for supported answers, unsupported requests and restricted documents. The next step is to implement the design and collect execution records.

英文项目表达

I chose a small procedures Q&A task so I could inspect each answer against its source. My design keeps the document version with the citation and checks access before returning a passage. I have described how missing and conflicting information should be handled. The next step is to implement those paths and retain execution records. I would not describe this design alone as a production system.

面试前再检查

把“我们做了”里的个人职责讲清楚。试着解释一个失败场景、一次选择和一个还没验证的地方。没有真实用户或商业数据,就讲你实际完成的实现与检查,不补造收益。

继续准备

先判断从哪里开始

同样想做 AI Engineer,起点可能完全不同

对照自己的经验,选择眼下需要补的部分。还不能独立完成应用的人,可以先补接口、数据和版本管理。

还没有工程基础

先把代码、API 和 Git 跑起来

如果你还不能独立完成一个带前后端的小应用,直接学 Agent 很容易卡在环境、鉴权和部署。先补全栈基础,再进入 AI 工程。

看全栈前置课程
已经是开发者

从 LLM API 进入 RAG 与 Agent

你不需要重新学一遍编程。用一个可运行的 AI 应用补齐流式响应、检索、工具调用、评测和可观测性。

开始 LLM API 入门
准备转岗或求职

围绕作品和面试证据学习

准备能解释架构选择、定位失败的具体材料。按目标岗位要求保留部署记录,并说明自己承担的工作。

查看系统训练方案
一条主路线

按交付顺序学,不按工具热度学

四个阶段都要留下一个能运行、能说明、能复盘的结果。完成一个阶段再往下走。

01 · CONNECT

接入模型

掌握 LLM API、结构化输出、流式响应、错误处理和基础 Prompt。

一个有真实输入输出的 AI 功能
开始 API 基础
02 · GROUND

接入业务数据

学习 chunking、embedding、检索、rerank 与引用,让回答能回到可验证的数据。

带来源引用的 RAG 应用
学习 RAG
03 · CONTROL

让系统可靠执行

加入工具调用、Agent 工作流、评测集、回归测试和失败兜底。

有评测结果的 Agent 工作流
进入评测与监控
04 · SHIP

部署并持续运行

处理鉴权、日志、成本、延迟、安全和发布,让 demo 变成可维护的系统。

可访问、可监控、可解释的项目
学习生产部署
把项目拆开看

AI Engineer 实际在搭哪几层?

选择一层,查看它负责的任务、应留下的成果和对应学习内容。先补项目当前缺少的部分,再往上下游接。

六层生产级 AI 应用架构
贯穿六层的工程约束
评测可观测性安全隐私成本人工确认
课程怎么选

重要课程各自解决一个明确问题

按当前缺口比较:需要完整学习安排、先补开发基础,还是集中练习 Claude Code 的工作方式。进入课程页后再核对内容和前置要求。

核心路线

AI Engineer Bootcamp

适合:已有编程基础,准备系统转型或补齐生产能力

把 LLM、RAG、Agent、Eval 和部署放进连续项目里,适合需要学习节奏、项目反馈和求职支持的人。

  • 连续的工程化学习顺序
  • 项目交付与架构说明
  • 面向 AI Engineer 求职证据
查看核心课程
前置基础

Web Code Bootcamp

适合:还不能独立完成前后端应用

练习代码、接口、数据库、Git 和部署,为后续模型应用准备开发基础。

  • 全栈开发基础
  • 项目与版本控制
  • 进入 AI 工程前的地基
查看前置课程
专项提升

Claude Code Workshop

适合:已经开发,想提升 AI Coding 工作流

集中处理项目上下文、CLAUDE.md、工具调用和 Agent 协作。它是专项能力,不替代完整 AI Engineer 路线。

  • Claude Code 工程工作流
  • Context 与项目规则
  • 适合现有开发者加速
查看专项 Workshop
项目要留下的材料

你的作品应该能回答四个面试问题

说明项目解决什么问题,展示可以打开的成果,并解释数据、质量和成本之间的一次具体选择。涉及运行效果的结论,要附对应记录。

  • 为什么选择 RAG、Agent 或普通工作流
  • 怎样定义评测集并发现回归
  • 失败、超时和错误回答怎样处理
  • 系统怎样部署、监控并控制成本
查看 P3 项目实践
你的作品应该能回答四个面试问题
能力之后,再考虑证书

按你要进入的技术生态选择认证

认证适合验证特定平台知识,但不能代替项目。先完成至少一个可运行应用,再选与你目标岗位最接近的一张。

先准备能说明自己工作的项目材料,再按目标岗位和使用的平台了解认证。核对考试的现行内容与报名条件。
AnthropicCCAR-F

Claude 架构师 Foundations

本路线优先关联

覆盖 Agentic 架构、工具与 MCP、Claude Code、Prompt、上下文管理与可靠性,和本页的工程路线重合度最高。

查看 Claude 认证路径
MicrosoftAI-102

Azure AI Engineer

适合 Azure 企业项目

如果目标团队使用 Azure AI、Azure OpenAI、AI Search 或企业云治理,这张认证更贴近平台落地。

查看 AI-102
AWSMLA-C01

Machine Learning Engineer – Associate

适合 AWS 与 ML 工程方向

如果目标更偏 AWS 上的机器学习工作负载、部署和运维,可在工程项目之后补充这条路线。

查看 MLA-C01
只保留下一步会用到的资源

四个入口,够你开始并完成第一个项目

需要继续时,从章节、架构专题、实操和面试准备中选择与你当前任务相关的一项。

FAQ

开始前最需要说清楚的事

我需要先学机器学习和数学吗?

做 LLM 应用工程不要求你先训练大模型。先掌握 API、数据流、RAG、评测和部署;当项目涉及模型训练、排序或更深入的 ML 工作时,再补相应数学和机器学习基础。

Vibe Coding 和 AI Engineer 有什么区别?

Vibe Coding 更适合快速做出页面、流程和原型;AI Engineer 需要继续负责数据、检索、Agent、质量评测、安全和上线运行。原型遇到可靠性与规模问题时,就是进入 AI Engineering 的时机。

证书能帮助我拿到 AI Engineer 工作吗?

证书可以证明你了解一个平台的知识范围,但招聘方仍会追问项目、架构取舍和故障处理。把证书放在可运行项目之后,它才会成为加分项。

我应该直接报名 Bootcamp,还是先学免费内容?

先完成 LLM API 基础并尝试一个小项目。如果你能独立推进,可以继续免费路线;如果你反复卡在学习顺序、项目反馈或求职表达,Bootcamp 才更有价值。

从一项练习开始

先把一次模型请求接进应用

检查请求、响应和失败处理,留下运行记录。做过这一轮后,再决定需要补哪些章节或系统训练。

用短视频拆开一个工程问题

Agent、LLM、评估、可靠性与安全案例;每条只讲一个具体边界。

6 条已发布视频

看完了,下一步