起点与前置

适合已有编程、模型应用与检索基础的学习者。检查每篇页头的前置知识；缺模型/token、RAG 或评估基础时先补 系统主线 和 RAG/智能体工程。本路径不是从零实现模型训练。

实施与验收

共 7 步。只有权限/缓存这一篇包含本轮实际脚本结果，其余项目任务需要用自己的环境执行并记录。完成标准是：他人能按 README 启动；引用、拒答、权限、更新、工具副作用和请求故障有用例；报告可复核版本、题集、基线和失败。

服务性能与安全的前置不在本路径重新讲授，可从 性能 和 安全 补读。拿到真实项目记录后，再进入 架构与面试路径。

核验范围

2026-10-08：按项目交付与笔记前置组织，核对来源和路径；没有启动模型服务、云发布或训练。

  1. 01

    AI 应用实战路线：从开发到架构与面试

    验证任务：确定自己的起点，区分已有证据和后续任务。

  2. 02

    AI 服务后端：流式响应、取消与重试

    验证任务：写请求/事件契约，列断流、取消、重试、幂等与权限测试。

  3. 03

    RAG 综合项目：任务拆解与验收清单

    验证任务：用有使用权的语料拆分项目，准备固定题集、版本与交付清单。

  4. 04

    权限与缓存实验：同问不同人、撤权与版本

    验证任务：运行 --check，解释六个基线失败和版本漏更新的边界。

  5. 05

    智能体项目：状态、轨迹与失败验证

    验证任务：先定义固定工作流基线，再记录智能体状态、轨迹和重复写入恢复。

  6. 06

    AI 项目评估报告：基线、对照与失败证据

    验证任务：在同题集上比较自己的实现，保留逐题输出、实际成本/时延和失败。

  7. 07

    AI 服务可靠性：SLI、SLO 与错误预算

    验证任务：给项目定义可测 SLI、目标、错误预算、告警与回滚条件。