本文由吴恩达（Andrew Ng）撰写，介绍AI工程技能图谱，揭示当前及未来最重要的四类AI工程技能：构建与部署AI应用、软件工程基础、使用编程智能体、塑造产品与开发方向。文章强调持续学习是关键，并指出掌握这些技能将带来丰富的项目与职业机会。对于所有开发者，尤其是小白和程序员，了解并学习这些技能至关重要，以适应AI时代的软件开发变化。
很高兴向大家介绍这张 AI 工程技能图谱。
与 2022 年相比，AI 已经让今天的软件开发方式发生了显著变化。能够掌握相关技能、把握这场变化的人，正迎来大量令人期待的项目和职业机会。但在充斥着噪声与炒作的 AI 信息环境里，究竟哪些技能最值得你学习？
我一直在和团队一起梳理 AI 工程技能，希望借助这张图谱，帮助开发者明确学习的优先顺序，也帮助用人单位找到具备相应能力的开发者。
我们分析了超过一万条招聘信息，与 AI 专家、招聘负责人和招聘人员开展了数十次结构化访谈，还通过问卷收集数据，并综合了其他线上资料。最终，我们归纳出四类最重要的 AI 工程技能：
- 构建与部署 AI 应用
- 软件工程基础
- 使用编程智能体
- 塑造产品与开发方向
AI 工程技能图谱：四类核心能力，贯穿其中的是持续学习。
通俗地说，你可以把这个过程理解为：对海量招聘信息和专家访谈数据做一次类似“聚类”的分析，找出当下以及不远的将来最重要的技能。
这里需要澄清一个概念：我谈的是 “AI 工程技能”，而不只是“AI 工程师”这个负责构建 AI 系统的岗位，因为前者的适用范围要广得多。
今天，所有开发者都应该懂得如何使用云服务，但只有少数人的职位名称是“云工程师”。同样，全栈工程师、数据工程师、DevOps 工程师、机器学习工程师，当然也包括 AI 工程师，都需要掌握 AI 工程技能。
01 构建与部署 AI 应用
AI 应用与非 AI 应用的一个关键区别，在于前者的输出难以预先确定。你向大语言模型（LLM）发出提示时，并不知道它会返回什么；训练一个深度学习算法时，也无法事先确定它会对新样本作出怎样的预测。相比之下，传统软件的行为更容易预测。
擅长构建和部署 AI 应用的人，理解 AI 的基本组成部分，例如大语言模型、上下文工程、检索增强生成（RAG）、智能体工作流、机器学习与深度学习。
更重要的是，他们知道如何运用统计方法，对 AI 系统进行衡量、引导与治理，让系统的行为变得更可预测。这里的一项核心能力，就是推动有纪律的评估与错误分析循环。
02 软件工程基础
深入理解软件如何运行，能让你更高效地构建软件。软件工程需要在成本、可扩展性、可靠性、速度等因素之间作出取舍，安全与隐私又进一步增加了决策的复杂度。
掌握软件基础，首先能让你意识到：有哪些取舍需要作出。这样，你才能在技术栈选择、系统架构设计、数据存储设计和测试等方面，作出更好的决策。
这也会带来明显优于缺乏经验者的开发结果。有些人只凭感觉进行“氛围编程”（vibe coding），却不知道编程智能体正在替自己作出哪些取舍。这些取舍往往并不理想，因为开发者不知道应该向智能体提供什么背景信息。
理解软件工程基础，你就能用准确的工程语言引导编程智能体，帮助它作出更合理的选择。
03 使用编程智能体
高效运用智能体编程，如今已经是每位开发者的一项关键技能。
掌握这项技能，意味着你对智能体如何工作有清晰的认识：理解它的局限，知道如何应对这些局限，也能迅速引导它开展工作。你清楚什么时候应该介入、介入多少，什么时候可以让它自主推进，从而在不过度消耗时间或 token 的前提下，构建稳健的软件。
这要求你能够管理编程智能体的上下文，在规划与执行之间作出取舍，并通过提供验证器或评估机制，帮助智能体自主完成“执行—验证—修正”的循环。
你还需要知道如何使用清晰的需求规格，以及什么时候不必为此投入过多精力；懂得编排多个智能体协同工作；并避开那些可能让智能体把生产数据库弄乱的风险。
智能体编程正在快速演进。因此，熟练使用编程智能体，不仅意味着了解前沿实践，也意味着建立持续尝试新工具的习惯，并随着最佳实践的变化，不断改进自己的工作流程。
04 塑造产品与开发方向
只要有清晰的需求规格，编程智能体按要求交付的能力就正在迅速提升。因此，工程师的工作重心也在转向：决定需求规格里应该包含什么。
工程师不应再期待别人交来一份精确到像素的设计，自己只负责实现。高效的 AI 工程工作，需要你具备产品判断力，理解业务背景和客户目标，从而参与塑造产品，并推动开发。
AI 也让你有机会承担比过去更多的责任，更主动地采取行动。你可以识别值得解决的问题和机会，并以负责任的方式将想法付诸实践。
要把这种机会转化为成果，你需要知道如何推动项目向前发展。例如，什么时候应该快速做出最小可行产品（MVP），交给用户测试；什么时候又应该放慢节奏，投入更多时间，把产品做得更审慎、更扎实。
05 持续学习，是贯穿所有技能的底色
所有这些技能，都建立在持续学习的心态之上。AI 仍在快速变化，我们也必须不断学习、更新能力，吸收正在形成的最佳实践。
DeepLearning.AI 的主要目标，就是帮助开发者掌握这些 AI 工程技能。对于上述四类技能，我还有更多内容想与大家分享。我会在后续文章中逐一展开，并发布更详细的 AI 工程技能图谱。
展望 AI 工程的发展方向，我对我们能够共同创造出的东西充满期待，也希望你能在这个未来中发挥令人振奋的作用。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
2、大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
3、AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
4、大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
5、大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
适用人群
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
