恭喜小伙伴们！一路读到这里，关于大模型的 “地基”，你已经打得差不多了——现在我们知道了它是什么、怎么训练和微调，也搞懂了它如何像人一样思考（思维链 CoT）、如何使用工具（Function Calling、ReAct、MCP），还了解了提示词的基础和整个行业的生态。
那么问题来了：接下来，我们应该往哪儿走？
其实，学习大模型没有唯一的标准答案——往哪走，完全取决于你想用它来做什么。这一节，咱们就根据不同的目标，给大家画一张清晰的 “路线图”。
先给自己定个位：你属于哪一类？
在选路线之前，先想清楚一个问题：你学大模型，到底是为了什么？大致可以分成下面几类人，对号入座就行：
- 我就想把 AI 用得更溜，提高工作和生活的效率。
- 我想用 AI 来帮我写代码、做开发。
- 我想亲手开发自己的 AI 应用、智能体。
- 我担心隐私和数据安全，想把模型部署在自己的电脑或服务器上。
- 我是开发者，想用代码把大模型的能力接进自己的产品里。
想清楚自己是哪一类，下面就能直接对照着走了。
五条进阶路线，对号入座
对于咱们绿叶网这条 AI 学习路线，可以分为以下 5 个子路线。
路线一：把 AI 用到极致 →《提示词工程》
如果你的目标是 “用好 AI”，那么最该补的，就是提升提示词的功力。
咱们这个教程中的 “提示词基础” 只是开胃菜。想要让 AI 真正听话、稳定地输出高质量结果，你需要更系统地学习提示词技巧才行。
这也是我们下一门课程《提示词工程》中要介绍的，这些技巧包括：从思维链、角色扮演，到结构化输出、提示词调优等一整套实战方法。
路线二：用 AI 来写代码 →《AI 编程》
如果你想借助 AI 来大幅提升编程效率（哪怕你是个编程小白），那么就该走 “AI 编程” 这条路。
在咱们的 《AI 编程》这个教程中，我会带大家掌握当下最火的开发方式，包括Vibe Coding——也就是用自然语言 “指挥” AI 帮你写程序，让你体验一把 “动动嘴、AI 就把代码写好” 的全新感觉。
路线三：用代码调用大模型 →《大模型 API》
如果你是一名开发者，想把大模型的能力接进自己的网站、App 或业务系统里，那就绕不开 “API”。
在咱们的《大模型 API 教程》中，我会教大家如何通过代码调用各家大模型的接口，把 AI 的能力变成你产品里一个个真实的功能。
路线四：开发自己的 AI 应用 →《LangChain 教程》
如果小伙伴们看完前面的 AI Agent 章节后觉得心痒痒，想要亲手做一个真正能跑起来的 Agent 或 AI 应用，那么《LangChain 教程》就是为你准备的。
还记得我们前面介绍 Function Calling、ReAct 时，反复提到的 “框架” 吗？LangChain 就是目前最主流的那一个。它把 “调用工具、串联流程、管理记忆” 这些麻烦活儿都封装好了，使得我们能够像搭积木一样，快速搭出自己的 AI 应用。
路线五：把模型搬回自己家 →《本地大模型部署》
如果你出于隐私、数据安全或成本的考虑，想要把大模型部署在自己的电脑、或公司服务器上（而不是去调用别人的云服务），此时就应该学一下如何 “本地部署”。
在《大模型本地部署》这门课程中，我会手把手教大家怎么把开源大模型（比如 DeepSeek、Qwen）跑在自己的设备上，打造一个完全属于你、数据不出门的私有 AI。
给点小建议：路该怎么走？
看完这五条路线，可能有些小伙伴还是有点纠结。最后给几条实在的建议：
- 不确定从哪开始？那就先从《提示词工程》入手——它门槛最低、收益最快，而且不管你后面走哪条路，写好提示词都是基本功。
- 想做开发？推荐顺序是：先用《AI 编程》上手感受一下，再用《大模型 API》打通 “用代码调用”，最后使用《LangChain》把它们组装成完整的应用。
- 别想着一口吃成胖子。挑一条和你当前目标最贴近的路，先走通、做出一个小东西来——那份成就感，会带着你走得更远。
提示: 这些进阶教程之间，并不是各自孤立的。比如你使用《LangChain》开发应用时，既要用到《提示词工程》的功力，也可能要调用《大模型 API》，甚至需要接上一个《本地部署》的私有模型。它们之间的关系，更像是一套配合着打的 “组合拳”。
至此，咱们这个教程就告一段落了。从最开始的大模型是什么，到今天的AI 学习路线，希望这个教程能帮大家打下一个扎实的地基，也找到属于自己的方向。
大模型的世界很大，也很精彩。剩下的路，期待你自己一步步走下去。小伙伴们，我们进阶教程见！
