我在两年前转向了人工智能工程！ 这是我做过的最好的职业选择。 如果你想今天就开始，这里有一条路线图：

1️⃣ 精通Python 当许多人忙于随意编码时，具备扎实编码基础的人总会脱颖而出。 Python是人工智能社区使用的语言，而哈佛的CS50p是学习它的最佳地方。 🔗

2️⃣ 使用 Python 的人工智能 一旦你掌握了基础知识，就该了解 Python 在人工智能中的应用了。 安德鲁·吴的这门 4 小时课程是一个很好的起点。 🔗

3️⃣ 理解 LLMs 这三段由 @3Blue1Brown 制作的视频可以说是 LLMs 及其内部工作原理的最佳视觉解释。 1. LLMs 如何工作 2. Transformers 深入探讨 3. Transformers 中的注意力 4. LLMs 如何存储事实 🔗

4️⃣ LLM 研究 现在你了解了什么是 LLM，是时候学习如何自己构建它们了。 这是世界上最伟大的老师所带来的最伟大的系列。 安德烈·卡帕西的神经网络从零到英雄 🔗

5️⃣ AI代理 在跳入AI代理的热潮之前，每个人都应该阅读Anthropic AI关于构建有效代理的指南。 "要构建一个代理，你不需要复杂的框架或库，而是需要可组合的模式" 🔗

6️⃣ 应用人工智能 我不推荐追逐框架，但我在开始时参加了这个关于CrewAI的课程。 它清晰、实用，并教你将代理视为像人类一样协同工作。 此外，创始人@joaomdmoura是一位优秀的老师。 🔗

7️⃣ AI 协议 (MCP) 现在你了解了什么是代理，是时候将它们连接到外部工具、API 和数据库了。 我的联合创始人和我发布了这本关于 MCP 的实用指南，包含 10 个以上的项目。 它是免费的，下载次数超过 40,000 次。 🔗

7️⃣ 基于项目的学习 这个 GitHub 仓库包含 75 个以上的 AI 工程项目。 所有内容都是 100% 开源的，涵盖 • 大型语言模型（LLMs）和检索增强生成（RAGs） • 现实世界的 AI 代理应用 • 可在您的项目中实现、调整和扩展的示例 🔗

7️⃣ 书籍 每位构建现实世界应用的 AI 工程师都应该阅读这本书。 @chipro 是一位杰出的老师，她的书是关于 AI 工程的最佳书籍之一。 所以，你不必阅读 10 本书，这一本就足够了！ 🔗

总结一下，我们讨论了以下内容： - 编程（Python） - LLM 基础 - 构建 LLM/ LLM 研究 - AI 代理和应用 AI - AI 协议 - AI 工程项目 - 书籍 永远不要追逐框架——它们来来去去。掌握基础知识。

如果您觉得这篇文章有启发性，请与您的网络分享。 找到我 → @akshay_pachaar ✔️ 获取更多关于LLM、AI代理和机器学习的见解和教程！