学习路线图

这不是一份“随便看看”的目录，而是一条按能力递增设计的路线。

第一阶段：建立应用视角

第 1 章：LLM 应用基础

你会先搞清楚什么是 LLM 应用，为什么“只会调模型”还不够。

第 2 章：LangChain 核心抽象

你会建立 Prompt、Model、Parser、Runnable 和 LCEL 的最小心智模型。

第二阶段：先把第一个应用做出来

第 3 章：第一个链式应用

把前面的抽象组装成 AI 学习助手 V1。

第 4 章：Prompt 工程与输出控制

让你的输出从“偶尔靠谱”变成“更稳定、更可被程序消费”。

第三阶段：让应用具备真实知识能力

第 5 章：RAG 入门

让学习助手能回答课程资料里的内容。

第 6 章：RAG 进阶优化

你会开始关注效果，而不只是“能跑”。

第四阶段：进入复杂应用编排

第 7 章：Tools 与 Agent

让系统开始调用外部能力，并动态决定处理路径。

第 8 章：LangGraph 工作流

把复杂流程显式化，让状态、分支和重试都可控。

第五阶段：把它做成一个能公开分享的作品

第 9 章：评估、观测与调试

补上工程化的判断能力，知道怎么发现问题、比较效果。

第 10 章：综合实战与公开部署

最终把整个项目整理成文档站、示例代码和可扩展部署结构。

一句话总结这条路线

先理解应用，再写最小链，再接资料，再加编排，最后补工程化和公开部署。