English version: AI Learning Roadmap 09 · Going Further: Frontier & Career

09 · 进阶与职业

AI 学习路线图 · 第 9 站（共 9 站）

---

为什么这一站重要

这是路线图的最后一篇文章——而且它刻意不同。第 1–8 站建立了一套完整的基础：你现在能训练模型、使用模型、在模型上构建应用、并让它们自主行动。第 9 站回答接下来出现的两个问题：这个领域要去哪里，你要去哪里？

两个问题需要同一套技能：不掉队地保持跟进、不追逐炒作地阅读前沿、把你知道的东西变成可见的、有价值的作品。这就是这篇文章的内容——外加一个综合项目（capstone），向世界、也向你自己证明：你能交付。

核心概念

1. 多模态 AI —— 大多数人最先接触的前沿

下一代模型不再是纯文本的。几个模式：

• 视觉–语言模型（VLM） —— 能理解图像（和视频）的模型：描述、配字幕、OCR、回答关于图片的问题、跨文本与图像推理。架构上：视觉编码器（往往是 ViT）+ 投影 + 一个大模型；用图文对和指令数据训练。你已经理解这个形状了——第 4 站的嵌入 + 第 5 站的 Transformer + 第 6 站的对齐。
• 语音与音频 —— 自动语音识别（ASR）、文本转语音（TTS）、同一多模态家族的音频理解。占主导的管线技巧：不是端到端生成，而是级联——转写 → 大模型 → 朗读——比单一单体模型更便宜、更可控。
• 核心思想：对齐 —— 不同模态投影到共享嵌入空间，模型才能把"一张狗的照片"和"狗"这个词联系起来。你会一直听到"CLIP 式"；那就是典型实例（图文嵌入被训练成配对时相似）。
• **为什么它对你重要：**多模态是产品差异化的地方。文档理解（PDF、截图）、图像工作流、语音助手——这些是今天的"聊天机器人"机会。

2. MLOps 与 LLMOps —— 真正把 AI 跑起来

你在本路线图里建的每个模型，在被运营之前都只是 demo。这门纪律：

• **生命周期：**数据管线（摄入、校验、版本化）→ 训练/微调（实验追踪、可复现性）→ 评估关卡（第 7–8 站的黄金集）→ 部署（服务、扩缩）→ 监控（漂移、质量、成本）→ 反馈闭环（根据真实使用重训/更新）。
• **LLMOps 特指：**提示/版本管理（提示就是代码——要版本化）、CI 里的评估（每次改动跑套件）、成本可观测性（token 就是钱）、以及"模型质量在生产中会退化"（数据漂移、用户行为漂移）——监控不是可选项。
• **技能：**Docker、CI/CD、监控栈，以及让一切可复现的纪律。你不需要成为 SRE；你需要能部署和观测自己的工作。

3. 前沿 —— 看什么

一份方向的阅读清单，不是预测：

• 推理模型 —— 被训练成"先思考"（推理时扩展思维链）再回答的模型；用延迟和成本换难题准确率。当前模型设计最大的趋势。
• 长上下文 —— 上下文窗口以百万 token 计，配合注意力效率研究（线性注意力、稀疏注意力）让它变得实用。看它解锁什么：全代码库智能体、一小时视频理解。
• 世界模型与行动的智能体 —— 在交互和视频而非纯文本上训练的模型，目标是理解因果的系统。这是研究；应用版就是你已经在做的智能体工程。
• 效率 —— 量化、蒸馏、混合专家（MoE——开源模型运行成本不断下降的原因）。效率是开源模型缩小与前沿差距的方式。
• **如何不溺水地读论文：**先读摘要 + 图表 + 相关工作；看不懂就请 LLM 解释；只对碰触你工作的那 10% 深入。一周刻意读一篇，胜过草草扫过五十篇。

4. 建立作品集 —— 让作品可见

你的 GitHub 和你的写作就是你的简历。真正重要的实践：

• 项目胜过课程 —— 三个做完、文档齐全的项目胜过三十张证书。每个项目：一个真实问题、解释方法和结果的 README、一个 demo（截图/GIF/在线链接）、诚实的评估（"它在这里会失败"）。
• 写你造的东西 —— 每个项目一篇技术文章。写作逼出理解，也是别人找到你的方式。（这个系列本身就是证明：写学习过程本身就是职业资产。）
• 开源 —— 给你在用的库修一个小 issue（LangChain、HF、你的向量数据库）。它教你生产代码评审文化，而且永远可见。
• **质量标准：**一个优秀的项目胜过十个烂尾的。把开始的事情做完——这正是本路线图一直在训练你的纪律。

5. 职业路径 —— 岗位在哪里

这个领域已经分化出可识别的角色。知道形状即可；具体头衔各家不同：

• 机器学习工程师 —— 端到端拥有模型：数据、训练、部署、监控。最强在第 1–4 站 + MLOps。经典角色。
• 大模型 / 应用 AI 工程师 —— 在基础模型之上构建产品：提示、RAG、智能体、评估。最强在第 5–8 站。目前需求最大、也最容易进入——正是这份路线图的甜区。
• 应用科学家 / 研究工程师 —— 更靠近研究前沿：新模型设计、微调研究、评估科学。需要更深的数学和读论文能力（第 2、5–6 站，再加研究生级内容）。
• 研究科学家 —— 产出新方法和论文；学术路线；需要最深的基础，现实中还需要高等学位或极其出色的开源作品。
• **面试现实：**基础（ML 理论、数据结构——你的第 1–4 站）、应用深度（RAG/智能体——第 7–8 站）、系统设计（评估、成本、架构）、编码。本路线图的每一站都与面试相关——这是设计使然。
• **定位建议：**市场奖励可证明的端到端能力——"我能把一个混乱的业务问题、一堆文档，变成一套可靠的 AI 系统"——胜过任何单一框架或模型名。这种能力恰恰是本路线图训练的东西。

6. 保持跟进 —— 如何追踪这个领域

• **精选来源胜过信息洪流。**一份你真正每周读的小清单：一份你信任的周报、HF 博客、arXiv（只跟一条线：cs.CL）、3–5 位你追随的从业者（那些写出你读过最好文章的人）。
• **忽略大多数炒作。**这个领域的噪声信号比是 3:1。过滤器：它改变你构建的方式吗？它引用证据吗？它撑得过一周吗？如果三个都否，跳过。
• 公开学习 —— 你的 AIPOST 系列就是完美的例子；继续写。教是最宽带宽的学习。

你的综合项目 —— 把一切拼起来

路线图最后的项目应该整合你学的一切：

**任务书：**构建一个产品，不是 demo——一个你自己是用户、质量标准是"我愿意为此付钱"的应用。强力模式：

• 一个多模态智能体产品 —— 比如：一个能摄入文档（PDF、截图、图像）、理解它们（多模态）、回答和操作它们（RAG + 工具）、跨会话记忆（记忆）的智能体。光这一个就锻炼了第 4–8 站。
• 一个深度的生产级 RAG 系统 —— 多源检索、混合搜索、重排、评估、监控、成本分析。平淡，但这是你能构建的最有就业价值的项目。
• 一个为你真实工作流服务的智能体 —— 自动化一件你真正在做的事（报告、分诊、研究）。真实使用是最好的评估。

**交付标准：**一个仓库，包含（1）解释问题和架构的 README，（2）可运行代码（带测试或至少可复现的安装步骤），（3）带数字的评估章节，（4）读者能试的 demo，（5）一篇书面复盘：你会怎么做得不一样。交付它、写它、都发出去。

里程碑检查点 —— 最后一个

在宣布自己走完这份路线图之前：

• 综合项目已交付：仓库 + README + demo + 评估数字。
• 一篇公开文章（你的双语系列在这里闭环——发布英文和中文两个版本）。
• 你能解释前沿：推理模型是什么、多模态对齐意味着什么、长上下文为什么重要。
• 你能说出你正在追求的职业路径，以及当前技能与该岗位要求之间的差距。
• 你有一套可持续的每周跟进惯例。

精选资源

• Lilian Weng —— "What We've Learned About LLMs"及其智能体、多模态文章—— 用散文写的前沿。
• Hugging Face 博客—— 模型发布、多模态和开源权重发展的最佳单一来源。
• arXiv cs.CL—— 每周一次、只跟一条过滤过的线，让 LLM 当你的阅读助手。
• O'Reilly —— Building LLMs for Production—— 这一站需要的运维深度。
• Karpathy —— "Software 2.0"—— 解释你所学一切为何重要的短文：神经网络作为可编程软件。

时间规划

• **总计：**持续进行——按你的正常节奏，综合项目 6 周以上；阅读和写作习惯是终身的。
• **建议安排：**第 1–2 周 → 选定综合项目，画架构草图；第 3–6 周 → 构建、评估、迭代；第 6 周起 → 文章、发布、职业规划。

地图的终点 —— 也是路的起点

你带着零基础和一张心智模型开始这个系列。你现在拥有：机器（计算机 + 数学）、范式（机器与深度学习）、引擎（Transformer 与大模型）、技艺（应用与智能体），以及未来走向的地图。

整份路线图里最重要的一句话：地图不是路。 你学到的一切都是通过搭建学到的，而且只有继续搭建，它才一直属于你。这个领域会在你身边变化——新模型、新框架、新基准——但你在打下的基础不会变。这就是设计。

去造点什么吧。然后把它写下来——用两种语言。