前端 + AI（应用层）学习路径

目标读者：有前端经验，想快速进入 AI 应用工程，不走模型训练路线。

目录

• 你将获得的能力
• 模块地图
• 招聘要求对照（本目录覆盖情况）
• 推荐阅读顺序
• 作品集建议

你将获得的能力

• 设计可上线的 AI 前端交互（流式/中断/兜底/Generative UI）
• 补齐服务端最低配能力（鉴权/限流/可观测/成本/Prompt 缓存）
• 构建 RAG 与工具型应用（混合检索/重排/可评估、可追溯）
• 进入实时多模态（Realtime 语音）与 Agent / MCP 工作流实践

2026 更新要点：本目录已对齐当前 AI 现状——推理模型（o 系列 / R1 / thinking）、原生结构化输出、Prompt 缓存、MCP（模型上下文协议）、Vercel AI SDK、RAG 进阶检索（Hybrid / Rerank / GraphRAG / Agentic RAG）、端到端语音（Realtime API）、偏好对齐（RLHF / DPO / GRPO） 等。

模块地图

1. 01-转型路线与认知
2. 02-LLM 与 Prompt 基础（LLM原理-Transformer与工作机制 为架构/Attention/Token 机制向补充，与 LLM基础 成对阅读）
3. 03-服务端与协议基础（含 03.1 协议与实时通信实战）
4. 04-产品体验与 RAG
5. 05-项目实战路线（含 05.1 最小项目 + 05.2 React 实战路线 + 05.3 Harness 最小项目）
6. 06-实时多模态与 Agent
7. 07-AI工程化与 Skill
8. 08-大模型微调与定制
9. 09-求职交付与面试（含 09.1 模拟面试实战）

招聘要求对照（本目录覆盖情况）

• 能讲清 LLM 基础原理（Transformer/Attention/Token/上下文凭啥建模）：LLM原理-Transformer与工作机制 + LLM基础
• 会写 Skill：[什么是Skill与如何编写Skill](./07-AI工程化与 Skill/什么是Skill与如何编写Skill.md)
• 会 Markdown 协议及解析渲染：Markdown协议与解析渲染
• 会 WebRTC 协议：WebRTC协议与实时音视频实践
• 会 SSE：SSE协议与流式传输实践
• 会 AI 工程化流程：[AI工程化流程与团队协作](./07-AI工程化与 Skill/AI工程化流程与团队协作.md)
• 会 Prompt 工程：[Prompt工程](./02-LLM 与 Prompt 基础/Prompt工程.md) 与 React路线中的工程化与Prompt
• 会 RAG 应用：[RAG实战](./04-产品体验与 RAG/RAG实战.md) 与 React路线中的RAG与产品化
• 会大模型微调：微调基础与常见范式 与 LoRA微调实战流程
• 懂推理模型与模型选型：LLM基础 - 2026 模型版图与推理模型
• 会原生结构化输出与 Prompt 缓存：LLM基础
• 会 MCP 与 Agent 工作流：Agent 工作流与 MCP 落地
• 会 Vercel AI SDK / Generative UI：服务端基础能力 与 AI产品体验
• 会 RAG 进阶检索：RAG实战 - 进阶 RAG
• 会端到端实时语音：实时语音与视觉输入

推荐阅读顺序

1. 01-转型路线与认知：转型路线图
2. 02-LLM 与 Prompt 基础：LLM基础
3. 02-LLM 与 Prompt 基础：LLM原理（Transformer与工作机制）（与 LLM 基础成对读：原理 ↔ 应用）
4. 02-LLM 与 Prompt 基础：Prompt工程
5. 03-服务端与协议基础：服务端基础能力
6. 03.1 协议与实时通信实战
7. 04-产品体验与 RAG：AI产品体验
8. 04-产品体验与 RAG：RAG实战
9. 05.1 最小项目（快速打样）
10. 05.2 React 实战路线（8-12周）
11. 06-实时多模态与 Agent
12. 07-AI工程化与 Skill
13. 08-大模型微调与定制
14. 09-求职交付与面试：作品集与6个月计划
15. 09.1 模拟面试实战

作品集建议

• 项目 1：AI Chat（流式 + 中断 + 可观测）
• 项目 2：RAG 问答（引用 + 评测）
• 项目 3：工具型应用（结构化输出 + 版本管理）
• 加分项：实时语音或 Agent 工作流演示