Skip to main content

开源或自托管的 AI 编码助手指南

很好，我们直接进入 可执行模式。

下面给你一份：

✅ 90 天转 AI「实战型计划」 （每天 2–4h，完全按你背景定制） 目标：3个月具备 AI 应用开发能力 + 可写进简历的项目

我会给你三部分：

1️⃣ 每天任务（按周拆解） 2️⃣ 推荐资源（精简高质量） 3️⃣ 项目步骤拆解（手把手级别）

🧭 总体节奏（重要）

每天时间分配：

30% 学习
70% 实战

👉 你是工程型选手，不是学生 👉 项目产出 > 学习时长

🚀 第一阶段（第1–4周）

目标：掌握 LLM API + Tool Calling

✅ 第1周：LLM API 基础

🎯 目标​

做出一个 AI 聊天 API 服务。

📅 每天任务​

Day1–2​

学习：

  • Chat Completion API
  • 多轮对话

任务：

👉 写 FastAPI 接口 /chat

支持：

  • 多轮对话
  • 上下文记忆（list 存储即可）

Day3–4​

学习：

  • 流式输出（stream）

任务：

👉 改造成流式返回

Day5–7​

学习：

  • token 计算
  • prompt 基础

任务：

👉 加入：

  • token 统计
  • system prompt 控制角色

📚 推荐资源​

只看这些够了：

文档​

OpenAI API 文档 https://platform.openai.com/docs

FastAPI 文档 https://fastapi.tiangolo.com

✅ 第2周：Function Calling（重点）

🎯 目标​

让 AI 调用真实工具。

📅 每天任务​

Day1–2​

学习：

  • function calling 原理

任务：

👉 实现天气查询 tool

Day3–4​

任务：

👉 做数据库查询 tool

例如：

  • 查订单
  • 查用户信息

Day5–7​

任务：

👉 做一个「工具型 AI 助手」

支持：

  • 查天气
  • 查数据库
  • 普通聊天

Docker 部署。

📚 推荐资源​

Function Calling 指南 https://platform.openai.com/docs/guides/function-calling

✅ 第3–4周：RAG（核心重点）

这是转型关键。

🎯 项目目标

👉 企业知识库问答系统

（这个项目可直接写简历）

🪜 项目步骤拆解

第一步：文档处理​

实现：

文件上传
→ 文本提取
→ chunk 切分

工具：

  • pypdf
  • python-docx

第二步：Embedding​

实现：

文本 → embedding → 存入向量库

向量库建议：

👉 Chroma（简单好用）

第三步：检索​

流程：

用户问题
→ embedding
→ 相似度检索
→ 返回top-k文本

第四步：RAG 生成​

检索结果 + 问题
→ 交给 LLM 生成答案

第五步：前端界面​

用 Vue 做：

  • 上传文档
  • 聊天界面
  • 显示引用来源

📅 每天安排（两周）​

第1周：

  • 文档解析
  • embedding
  • 向量存储

第2周：

  • 检索
  • RAG 生成
  • 前端界面
  • Docker 部署

📚 推荐资源​

LlamaIndex（RAG 很强） https://docs.llamaindex.ai

Chroma 文档 https://docs.trychroma.com

🚀 第二阶段（第5–8周）

目标：Agent + 本地模型

✅ Agent 入门（第5–6周）

🎯 项目​

👉 多工具 Agent

支持：

  • 网页搜索
  • 数据库查询
  • 简单任务分解

每天任务​

Day1–2：

学 LangChain agent

Day3–5：

实现：

  • 搜索工具
  • DB工具

Day6–7：

实现：

👉 自动选择工具

📚 资源​

LangChain https://python.langchain.com

✅ 本地模型部署（第7–8周）

这是你的差异化优势。

🎯 项目​

👉 本地私有 AI 助手

每天任务​

Day1：

安装 Ollama

Day2：

运行模型：

  • qwen
  • llama3

Day3–4：

API 化本地模型

Day5–7：

结合 RAG 做本地知识库

📚 资源​

Ollama https://ollama.com

🎯 90天完成后你将具备

✅ LLM API 熟练 ✅ RAG 系统实战经验 ✅ Agent 基础能力 ✅ 本地模型部署能力 ✅ 3–4个完整项目

💰 现实结果

达到：

👉 可转 AI 应用工程师 👉 可接企业项目 👉 可做远程外包

❗ 最重要建议

1️⃣ 所有项目放 GitHub​

这是你的 AI 简历。

2️⃣ 每个项目写 README​

展示：

  • 架构图
  • 技术栈
  • 部署方式

3️⃣ 多做“系统”，少做 demo​

企业看系统能力。

如果你愿意，我可以下一步给你：

👉 第一个RAG项目「完整代码架构模板」

或者：

👉 适合你背景的高薪岗位技能清单

你只需告诉我： 想先做哪个？（RAG模板 / 岗位清单）

很好，这里我给你一份 真正“现实可执行”的转 AI 路线图，专门按你的情况定制：

✅ 36岁 ✅ 有多年开发经验 ✅ 熟悉后端 + Linux + Docker ✅ 每天 2–4 小时 🎯 目标：高薪 + 不被淘汰

我会给你：

  • 按阶段路线（6–12个月）
  • 每月重点
  • 每周具体任务
  • 项目驱动路线（避免只学不做）

这不是“课程表”，而是转型行动方案。

🚀 总体策略（先说核心）

你的优势不是算法，而是：

✅ 工程能力 ✅ 系统能力 ✅ 部署能力

所以路线是：

👉 AI 应用工程师 → AI 系统工程师

而不是算法研究员。

🧭 第一阶段（0–3个月）

目标：具备 AI 应用开发能力（可接项目）

✅ 学习重点（只学有用的）​

1️⃣ LLM API 开发（第1个月）​

目标：熟练调用模型做真实功能

掌握：

  • OpenAI/Claude API
  • 流式输出
  • function calling
  • prompt 设计
  • token 成本控制

每周任务​

第1周​

做一个：

AI 聊天接口服务（FastAPI）

包含：

  • 多轮对话
  • 上下文记忆
  • 流式返回

第2周​

实现：

function calling

例如：

  • 查天气
  • 查数据库
  • 调内部API

理解：

👉 LLM 如何调用工具

第3–4周​

做一个完整小项目：

👉「AI 助手 API 服务」

功能：

  • 聊天
  • 调工具
  • 用户会话隔离
  • Docker 部署

放 GitHub。

👉 这是你第一个作品。

✅ RAG（第2个月，重点中的重点）​

这是当前企业需求最大方向。

必学点​

  • embedding 原理
  • chunk 切分策略
  • 向量数据库
  • 召回 vs rerank

实战项目（非常关键）​

👉 企业知识库问答系统

功能：

  • 上传文档
  • 自动切分+embedding
  • 问答检索
  • 引用来源显示

技术栈建议：

  • FastAPI
  • Chroma/Weaviate
  • Docker

每周任务​

第1周：

  • 理解 RAG 原理
  • 跑通 demo

第2周：

  • 自己实现文档处理 pipeline

第3周：

  • API 服务化

第4周：

  • 加简单前端界面（Vue 你熟）

👉 这个项目价值很高 👉 可直接写进简历

✅ Agent 基础（第3个月）​

不深挖，只掌握核心。

学习：

  • Tool calling
  • agent loop
  • 任务分解

框架选一个即可：

👉 LangChain 或 AutoGen

项目：​

👉 多工具 AI 助手

功能：

  • 查数据库
  • 查网页
  • 调API
  • 简单任务规划

🧭 第二阶段（4–8个月）

目标：形成差异化优势

✅ 本地模型部署（你的王牌）​

这块你比很多人强。

学习：

  • Ollama
  • vLLM
  • 模型量化
  • GPU 推理部署

项目​

👉 私有化企业 AI 系统

功能：

  • 本地模型
  • RAG
  • 权限管理
  • Docker Compose 部署

👉 这是企业最爱方向 👉 非常抗淘汰

✅ 微调入门（够用即可）​

学习：

  • LoRA
  • Huggingface Trainer

目标：

👉 能微调小模型 👉 不追求研究级

🧭 第三阶段（长期）

目标：高薪护城河

方向A（推荐）​

👉 AI 系统架构师

发展：

  • 多模型系统设计
  • AI 网关
  • 推理优化
  • 成本控制架构

年薪上限极高。

方向B​

👉 AI + 行业

例如：

  • AI 电商
  • AI 自动化运营
  • AI SaaS

懂业务更值钱。

📅 每天2–4小时如何安排？

现实版时间表：

工作日（2小时）​

1小时学习 1小时写代码

周末（4小时）​

  • 项目推进
  • 做完整功能

❗ 必须遵守的原则

✅ 原则1：项目驱动​

不做纯学习。

每阶段必须有项目。

✅ 原则2：英文优先​

  • 看官方文档
  • 看 GitHub

中文内容更新慢。