Google AI Learning Hub

Google AI 这组内容更适合被理解成一条从概念、prompt 设计到 Google ecosystem 落地的学习路径，而不是零散资料堆。对想系统理解 Gemini、Vertex AI、Responsible AI 和 multimodal workflow 的学习者来说，这一组页更像一个 structured learning hub。

#这组内容适合谁

想系统理解 Google AI / Gemini 路线的学习者
需要从 basics 走到 enterprise AI workflow 的从业者
想把 prompt、multimodal 和 product integration 串起来的人

它不只是讲术语，而是帮助你把概念、工具和落地路径接起来。

#更实用的理解方式

你可以把这组内容理解成三层：

#Basics

建立 Gen AI、LLM、Responsible AI 的统一术语和认知框架。

#Advanced

进入 prompt design、multimodal input、Vertex AI Studio 这类更接近实战的能力。

#Practice / Engineering

把模型能力接到真实 workflow，例如 API、RAG、agent 和 product prototype。

如果按 2026 年 3 月的 Google 官方产品结构来理解，这条路线现在最核心的入口其实是：

Gemini
Google AI Studio
Vertex AI
Model Garden
Google Gen AI SDK

这几块的关系如果没理清，后面很容易把“原型验证”和“企业部署”混在一起。

#现在更准确的入口关系

#Gemini

更偏面向终端体验和产品能力本身。
适合先理解模型能做什么。

#Google AI Studio

更适合快速试 prompt、试模型、试接口感觉。
它通常是很多开发者的第一站。

#Vertex AI

更偏企业、部署、治理和生产接入。
如果你的重点是稳定上线、权限、监控和团队协作，最后大概率还是会走到这里。

#Model Garden

不是只有 Gemini。
它更像 Google Cloud 上的模型入口层，让你在 Google 自家模型和部分第三方或开源模型之间做选择。

#当前官方模型主线

按 Google Cloud 当前模型页，比较值得优先记住的是：

Gemini 2.5 Pro
Gemini 2.5 Flash
Gemini 2.5 Flash Image

这说明 Google AI 现在的主线已经不是早期那种“只谈 Gemini 一个名字”，而是把推理、速度、图像生成、agent workflow 都拆成了更细的模型层。

#推荐学习顺序

先完成 basics，建立统一术语和判断标准
再进入 advanced，掌握 prompt 评估和 multimodal design
最后进入 practice / engineering，做一个最小闭环 demo

#一个更现实的学习目标

目标不是把你训练成“AI 术语朗诵员”，而是让你能：

读懂主流 AI 产品架构与术语
基于 Gemini / Vertex AI 设计可评估的 workflow
做出一个能解释、能演示、能继续迭代的原型

#一种更稳的学习顺序

如果你是开发者或 AI 工程方向的人，一个更不容易绕路的顺序通常是：

先用 Gemini 建立模型能力直觉
再用 AI Studio 快速试 prompt 和 API
再进入 Vertex AI 和 Model Garden 理解生产环境
最后再补 SDK、RAG、agent 和 observability

这样会比一开始就冲进企业平台文档更容易建立全局感。

#官方资源

Vertex AI docs：https://cloud.google.com/vertex-ai/docs↗
Google models：https://docs.cloud.google.com/vertex-ai/generative-ai/docs/models↗
Google Gen AI SDK：https://docs.cloud.google.com/vertex-ai/generative-ai/docs/sdks/overview↗
Vertex AI release notes：https://cloud.google.com/vertex-ai/generative-ai/docs/release-notes↗