本路线图涵盖从基础理论到工程落地的完整 AI 大模型学习路径。内容包括 Transformer 架构原理、主流开源模型（Llama、Qwen 等）分析、微调技术（SFT、LoRA、RLHF）、推理加速框架及多模态应用开发。旨在帮助开发者建立扎实的深度学习基础，掌握大模型预训练、对齐与部署的核心技能，并结合行业思考探讨技术壁垒与职业发展方向。
建议先从主流的 Llama 开始，然后选用中文的 Qwen/Baichuan/ChatGLM，先快速上手体验 Prompt 工程，然后再学习其架构，跑微调脚本。
如果要深入学习，建议再按以下步骤，从更基础的 GPT 和 BERT 学起，因为底层是相通的。而且实际落地到一个系统中，通常是大模型结合小模型（大模型在做判别性的任务上，比 BERT 优势不是特别大）。
可以参考如下方案，按需学习。
在企业里面做 7B、13B 量级的微调，主要就是在搞数据、样本，技术壁垒不高。预训练壁垒高，因为需要烧钱堆经验。
在这个日新月异的时代，如何紧跟行业主流发展，并具备不可替代性是个难题：
尽量往底层和工程化上靠，学习相对不变的技术（理论上变化很难），迁移到稳定或有前景的行业，不断提升自己的学习效率：
本路线图旨在为开发者提供一条从理论基础到工程落地的完整路径。通过系统学习 Transformer 架构、主流开源模型、微调技术（SFT/PEFT/RLHF）以及推理加速框架，开发者能够构建具备实际价值的 AI 应用。在技术快速迭代的背景下，夯实底层数学与系统原理，关注数据质量与工程稳定性，是保持竞争力的关键。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
