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：
GeminiGoogle AI StudioVertex AIModel GardenGoogle 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 ProGemini 2.5 FlashGemini 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。
Related pages
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
