AI 学习主路线
从方向判断、模型调用、RAG 和 Agent，推进到工程化、项目与求职表达。
程序员转 AI 应用工程的成长路径
从已有开发经验出发，选择适合自己的 AI 方向，完成 Agent、RAG、AI Coding 等实战项目，并把能力转化为简历和面试竞争力。
Skip to content
你现在最想解决什么问题
我还不知道适合转什么 AI 方向比较 AI 应用、算法、平台与推理岗位的职责、产物和能力边界。我想制定自己的 AI 学习路线沿唯一主路线完成方向、模型调用、RAG、Agent、工程化、项目和求职准备。我想把已有开发能力迁移到 AI把后端、前端、测试、客户端或运维经验映射到合适的 AI 系统问题。我想完成一个能展示的 AI 项目用需求、技术取舍、评估结果和失败案例建立可验证的项目证据链。我正在准备 AI 岗位、简历和面试检查岗位、项目、工程能力与表达证据，定位下一步最需要补齐的缺口。
核心专题
- Agent 应用工程：Agent 的总入口，覆盖运行机制、架构选择、工具协议和生产边界。
- Agent + RAG 组合专题：保留 RAG、Tool Calling、MCP 与 Agent 组合落地内容，不再与 Agent 总入口竞争。
- RAG 知识库：覆盖数据加载、切片、Embedding、检索、评估、优化和部署。
- AI 工程化：覆盖可靠性、结构化输出、成本控制和上线检查。
- AI 项目作品集：从业务需求和验收标准进入可展示、可追问的工程项目。
- AI Harness 工程化：学习 Coding Agent、Skills、Hooks、MCP 与确定性门禁。
- Go AI 工程化：保留给希望使用 Go、Eino、并发与流式响应深入实践的开发者。
- AI 与 Go 技术术语表：快速理解 Agent、RAG、Eino 和 MCP 等核心概念。
最新更新
RAG 完整工作原理从文档加载、切片、Embedding、检索到答案生成，拆解完整数据流。Java/Go 后端转 AI 路线明确学习顺序、技术栈选择、项目组合与求职检查点。RAG 评估建立检索质量、回答质量和端到端效果的评估基线。AI 应用工程化理解模型接入、稳定性、监控、成本和生产部署。2026 Go 高频面试考点按主题复习后端基础、高频问题和回答边界。
精选实战
企业级 RAG 知识库GoFrame、Eino、混合检索、MCP 与生产部署。AI 面试官 Agent多 Agent 协作、流式响应和异步评估。律所 AI 智能运营平台RAG、MCP、Skill、Agent、Harness、Eval 与可观测性。Go 与 AI 项目库从项目架构进入可运行、可讲解的工程实践。
面试与职业成长
关于作者与内容原则
本站由王中阳维护，持续整理 AI 应用开发、Go 工程化和程序员职业成长内容。文章优先解释可验证的原理、代码、工程边界和真实项目取舍，并标注更新时间和延伸阅读。
真实案例
不同背景的开发者需要不同的学习和求职路径。案例页集中展示转型方向、准备过程和结果，首页不重复堆放 Offer 与销售信息。
先领取一份完整学习路径
使用免费的 Go + AI 路线图检查基础、RAG、Agent、编排和工程化能力，按阶段选择下一篇内容。
查看免费学习路线AI 应用开发训练营
免费知识库解决“学什么、怎么做”的问题；训练营解决“如何结合个人背景制定计划、完成项目、形成求职证据并持续纠偏”的问题。两者不是替代关系：你可以先通过知识库自学，遇到明确的转型、项目、简历或面试目标时，再选择系统课程、小班训练营或 1v1 陪跑。
AI 应用开发训练营适合需要项目、简历和面试反馈的开发者，先了解服务边界和方向评估。免费知识库适合先判断方向、解决单点技术问题，并按照公开学习路线自助推进。系统课程适合希望按完整大纲学习，系统掌握 Agent、RAG、MCP 与 AI 工程化的人。小班训练营适合已有明确转型或求职目标，需要路线、项目、简历和面试持续反馈的人。1v1 陪跑适合背景较复杂、时间较紧，或需要结合个人经历持续纠偏的开发者。
训练营重点解决什么
- 根据语言栈、工作年限、目标岗位和可投入时间，制定学习与求职计划；
- 围绕 Agent、RAG、MCP 与工程化完成至少一个可运行、可部署、可讲解的项目；
- 打磨简历中的项目贡献、技术取舍和结果证据；
- 通过模拟面试与阶段复盘定位短板，持续调整下一步。
当前陪跑方向
- AI 应用开发：适合 Java、Go、Python 等已有开发经验、准备转向 Agent/RAG 工程实践的人；
- Go 后端进阶：适合希望强化微服务、云原生、高并发和系统设计能力的人；
- Java 后端进阶：适合希望强化 Spring Cloud、中间件、性能和架构能力的人。