GitHub超火開發者路線圖庫有AI學習路線了！star數近30萬

機器之心報導

編輯：Panda

學習 AI 不再迷失方向。

AI 大時代，每天都有層出不窮的新技術、新方法、新模型、新應用…… 想要去學卻又似乎無從下手？

這裏正好有一個你需要的資源：開發者路線圖資源庫（developer-roadmap）！而這個資源庫中有的還不僅僅是路線圖，還有那些路線圖中每一步中所需的資源，包括論文/文章、影片、教程、代碼、示例等等。真的是不僅要領你進門，更要把你教會。

• 資源鏈接：https://github.com/kamranahmedse/developer-roadmap

• 官網：https://roadmap.sh

自 2017 年建議以來，這個資源庫已經收穫了超過 29.7 萬 star（是 GitHub 上 star 數排名第七的項目），fork 數也達到了 3.91 萬。其中包含前端、後端、AI、移動應用開發、網絡安全、技術寫作、交互設計等諸多主題的等超過 50 個路線圖，並且還涉及不同的編程語言。

此外，其中還有許多社區創建的路線圖，並且也支持用戶創建自己的路線圖。該資源庫另一個有趣的探索是讓生成式 AI 來生成路線圖，這類路線圖已經超過 12 萬個，但整體並不很受歡迎。

AI 生成的大量路線圖

幾年來，該資源庫幫助了無數開發者規劃、開始和完成了自己的學習生涯。也因此，該資源庫多年以來收穫了無數讚譽，也經常出現在各種「開發者應該關注的 GitHub 庫」榜單上。

當然，這個資源庫也該入選 AI 開發者應該關注的榜單，其中提供的相關路線圖包括 AI 工程師路線圖、AI 與數據科學家路線圖、提示詞工程路線圖、MLOps 路線圖等，當然還有更加基礎一些的計算機科學路線圖和 Python 路線圖。

• AI 工程師路線圖：https://roadmap.sh/ai-engineer

• AI 與數據科學家路線圖：https://roadmap.sh/ai-data-scientist

• 提示詞工程路線圖：https://roadmap.sh/prompt-engineering

• MLOps 路線圖：https://roadmap.sh/mlops

• 數據分析師路線圖：https://roadmap.sh/data-analyst

除此之外，社區也創建了一些與 AI 相關的路線圖，包括 LLM 工程師路線圖、生成式 AI（GenAI）路線圖、商業智能（BI）路線圖、機器學習路線圖等。詳見其官網。

社區創建的生成式 AI 路線圖概覽

這個資源庫的建立者和維護者 Kamran Ahmed 是英國的一位開發者，他在 2017 年開始建立這個庫，並表示這是「一個為開發者提供學習路徑和其它視覺內容以幫助他們事業成長的平台。」2022 年，他開始全職運營這個資源庫（所以其官網上也有一些付費資源）。除了這個資源庫，他還開發了多個軟件工具，包括一些插件和實用工具。

按圖索驥成為 AI 工程師

首先可以看到，這個路線圖非常長。這也說明了一點，要成為一位合格的 AI 工程師，決非朝夕之功。

一開始，你需要對前端、後端以及全棧開發的知識有所瞭解。

之後，你可以簡單瞭解 AI 工程師的概念以及工作內容。同時層層遞進學習各種基礎概念的含義，比如 AI、AGI、LLM、推理、訓練、嵌入、向量數據庫、AI 智能體、RAG、提示詞工程等等。用戶可以在點擊該路線圖上相應的概念直達一些相應的資源，比如下圖展示了 AI 智能體概念對應的資源。當然，用戶也可以只使用該路線圖，然後自行尋找相關資源。

接下來，該路線圖進入了瞭解預訓練模型的階段。在這裏，你能瞭解什麼是預訓練模型及其好處和劣勢。同時，你也可以開始嘗試使用 OpenAI、Anthropic 和Google等提供商提供的現成 AI 服務。

當然，相信我們的讀者已經經歷過了上面大部分階段。

接下來就可以開始嘗試更高階一點的 AI 應用了，包括通過 API 使用 LLM 以及從 Hugging Face 等模型託管網站下載模型自己部署。在這個過程中，你會接觸到 AI 服務提供商的 token 計數和定價策略、提示詞工程基礎以及模型微調等概念。

同時，你也可以開始瞭解 AI 安全和道德倫理方面的議題，包括 AI 模型越獄攻擊、提示詞注入攻擊、偏見與公平性等等。更進一步，你還可以學習最佳的安全實踐，包括 OpenAI Moderation API、對抗測試、限制輸入和輸出的方法等。

當然，要成為專業的 AI 工程師，可不能止步於使用模型的程度。現在，你已經做好準備開始學習真正的技術了。

從瞭解嵌入開始，你將學習語義搜索、數據分類、推薦系統等嵌入用例，還將瞭解開放的 AI 嵌入 API 以及開源的嵌入工具。

更進一步，你將學習向量數據庫以及 RAG 的概念和實現方法。這個過程中你將學習 Chroma、Pinecone、Supabase、MongoDB Atlas 等常用向量數據庫以及 Langchain、Llama Index 等實現 RAG 的方法。

之後，你或許就可以嘗試一下構建 AI 智能體了。這其中涉及到實現方法，如何使用函數和工具以及 OpenAI Assistant API。

再然後，該路線圖將帶你進入多模態 AI 階段，讓你學會如何讓 AI 具備理解圖像、聲音、影片等非文本數據的能力，以及如何實現文生圖、語音生成、圖像和影片生成等應用。另外，你也會瞭解到實現這些應用的好用工具和 API。

該路線圖的最後，你將學習如何使用和構建 AI 開發工具，比如 AI 代碼編輯器、代碼補全工具。在這裏你將學會使用一些好用的服務和工具，包括 Cursor、GitHub Copilot 和 Replit 等。

總體而言，這個路線圖可以為你從頭開始的 AI 工程師之旅提供指引，讓你不至於在探索和學習過程中迷茫乃至失去方向。而如果你已經是一位頗有經驗的 AI 工程師了，也可以使用這份路線圖來梳理自己的知識體系。

當然，誠如前文所言，除了 AI 工程師路線圖，該資源庫中還包含 AI 與數據科學家、數據分析師、提示詞工程師等多個與 AI 相關的路線圖。不僅如此，這個開發者路線圖資源庫中還包含大量與 AI 並不直接相關的路線圖，感興趣的讀者請自行探索吧。