恭喜小伙伴们！一路学到这里，大模型这块 “地基” 算是打得差不多了。LLM、Token、幻觉、RAG 这些基础概念，大家应该不再陌生；而思维链（CoT）、Function Calling、ReAct、MCP 这些和推理、工具调用有关的东西，也都有了初步的认识。
提示词工程、Vibe Coding、AI 编程、AI Agent、大模型 API、LangChain、本地部署……
不过，新的困惑可能也随之而来：AI 领域的新概念实在太多了。这些名字听起来一个比一个像 “硬核进阶课”。到底应该先学哪个？是不是得一口气把它们全部学完？
先说结论：不需要。
咱们绿叶网把整个 AI 学习体系拆分成 8 门独立课程，是为了把各项能力分门别类讲清楚，而不是让所有人从第 1 门一路 “死磕” 到第 8 门。你可以把这套课程看作一张地图——先知道每条路通向哪里，再根据自己的目标决定要走到哪儿。
先给自己定个位：你到底想用 AI 做什么？
在纠结选哪条路线之前，我们先别急着研究课程名字。先问自己一个更接地气的问题： “我学 AI，到底想拿它解决什么实际问题？” 常见的学习目标，大致可以分成以下几类：
- 日常提效：我就想把 AI 用得更顺手，提高工作、学习和生活的效率。
- 零基础创造：我不会传统编程，但脑子里有产品点子，想自己动手把网站、小工具或 Web App 做出来。
- 辅助开发：我已经是程序员了，想让 AI 深度参与日常的开发、调试、测试、重构和团队协作。
- 玩转智能体：我想系统学习 AI Agent，让 AI 不只是 “陪聊” 回答问题，而是能围绕目标调用工具、自动执行任务。
- 业务接入：我想用代码调用大模型，把 AI 能力直接对接到自己的网站、App 或业务系统中。
- 私有化部署：我比较在意数据隐私、离线运行或企业内部使用，希望把模型部署在自己的设备上。
目标不同，后面的路线自然就不同。对部分同学来说，学好《提示词工程》就已经非常够用了；有产品想法的人会继续探索 Vibe Coding（自然语言编程）；而真正做 AI 应用开发的程序员，才需要一步步把 Agent、API、LangChain 这些能力逐步补齐。
8 门课，到底是怎么串起来的？
先把整张地图摆出来。这 8 门课按照 “从基础认知、到使用 AI、再到产品与开发” 的思路逐步展开。它们彼此关联，但各自的核心任务不同，因此没有被揉成一锅 “大杂烩”。
| 阶段 | 教程 | 内容 | 适合谁 |
|---|---|---|---|
| 第 1 阶段 | 《大模型教程》 | 主要扫清大模型最基础的概念，比如 LLM、Token、幻觉、RAG 等 | 所有人 |
| 第 2 阶段 | 《提示词工程》 | 学习如何更高效地与 AI 沟通，写出高质量的提示词 | 所有人 |
| 第 3 阶段 | 《Vibe Coding》 | 如何从 “一个想法” 到 “一个产品”，涵盖产品基础、UI / UX 基础 | 所有人 |
| 第 4 阶段 | 《AI 编程》 | 使用 Cursor、Claude Code、Codex 等工具，通过自然语言写代码 | 想学编程的小白 / 想提效的开发者 |
| 第 5 阶段 | 《AI Agent》 | 学习如何让 AI 自主拆解任务、规划步骤、调用工具 | 想进一步学习 AI 应用的用户 / 开发者 |
| 第 6 阶段 | 《大模型 API 开发》 | 学习如何调用 DeepSeek、GPT 等大模型的 API 接口 | 开发者 |
| 第 7 阶段 | 《LangChain 教程》 | 用代码将大模型与数据库、API 结合，构建企业级 AI 应用 | 开发者 |
| 第 8 阶段 | 《大模型本地部署》 | 在自己的服务器上部署开源模型（如 Llama、Qwen），实现私有化 AI | 开发者 |
1. 《大模型教程》：先把地基打好
这就是大家刚刚学完的这门课。它解决的不是 “怎么开发大模型”，而是先把 AI 世界里最核心的概念讲明白：大模型是什么、为什么会产生幻觉、Token 是怎么回事、RAG 解决了什么问题，以及 AI Agent、MCP 到底在说什么。
如果把后面的课程比作盖房子，这门课就是教你怎么看懂施工图。里面提到的很多术语以后还会遇到，但在后续课程中，我们会默认大家已经有了基础认知，不再花篇幅从头解释。
2. 《提示词工程》：先学会把 AI 用好
如果你的目标是 “把 AI 用得更溜”，下一步最值得学的就是《提示词工程》。想让 AI 稳定地产出高质量结果，就得学会如何把目标、背景、限制条件和输出要求交代清楚。
这门课更像是在练 “沟通基本功”。无论以后你是拿 AI 写文章、做分析，还是进阶到 Vibe Coding 和 AI 编程，这套沟通能力都会一直伴随你。对绝大多数人来说，学完这门课，效率就会有肉眼可见的提升。
3. 《Vibe Coding》：从 “一个想法” 到 “一个产品”
如果你脑子里总有点子，却因为 “不会编程” 被劝退，那这门课就是为你准备的。它不要求你先苦学几门编程语言，而是教你从产品目标出发，用大白话和 AI 协作，一步步把网站或小工具做出来。
当然了，如果你已经有编程基础，却没有产品基础、UI / UX 基础，不知道使用 Vibe Coding 的完整流程和方法论，那么这门课同样也适合你。
不过，Vibe Coding 并不是 “一句话生成完美软件” 的魔法。在这个过程中，AI 负责写代码，而你负责把控需求、方向和验收：页面能不能跑？数据存进去了吗？改了这个功能会不会影响其他地方？
这门课的重点不是把你培养成传统程序员，而是帮你建立 “把想法落地成产品” 的能力。对于产品经理、运营、设计师、学生，甚至只是想做点个人工具的小伙伴，它都非常实用。
4. 《AI 编程》：从 “做出来” 走向 “工程化开发”
Vibe Coding 和 AI 编程看起来都在 “让 AI 写代码”，但侧重点不同。Vibe Coding 更关注需求和最终结果，而 AI 编程则更深入软件工程本身。
当项目变大、需要长期维护或多人协作时，我们就不能只盯 “页面能不能打开” 了。代码结构合理吗？测试兜得住底吗？Git 怎么管理改动？AI 的权限怎么控制？这些都会成为日常挑战。
因此，《AI 编程》更适合有一定技术基础，或者准备往专业开发方向走的小伙伴。它在 AI 协作的基础上，帮你补齐代码理解、测试、版本控制等更专业的工程化能力。
5. 《AI Agent》：让 AI 不只回答，还能围绕目标干活
普通聊天是 “你问一句，它答一句”，而 Agent（智能体）需要围绕一个目标，保留上下文，自己判断下一步做什么、调用什么工具，直到完成任务。
这门课不会把简单的 “调用一次大模型” 包装成 Agent，也不会盲目追求 “全自动”。真正有价值的核心在于：如何拆解任务、接入工具、管理状态，以及失败后如何恢复、哪些高风险操作需要人工审批。想做能自主查资料、处理复杂任务的智能体，这门课必不可少。
6. 《大模型 API 开发》：把模型能力接进自己的程序
平时我们习惯在网页或 App 里和 AI 聊天。但如果要开发自己的 AI 产品，就需要让程序自动把请求发给模型，再把结果接进业务流程里。
这门课解决的就是这层 “对接” 问题：怎样通过代码调用接口、传递数据、处理错误，最终把模型能力变成你网站或系统里的真实功能。学到这里，AI 就不再只是个聊天框，而是变成了你的程序可以随时调用的 “大脑”。
7. 《LangChain 教程》：把模型、数据、工具和流程串起来
当 AI 应用越来越复杂，单靠 “调用一次 API” 很难满足需求。一个完整的应用可能要串联知识库、数据库、外部搜索工具，还要管理执行状态。如果全部手工写代码把它们 “粘” 在一起，项目很快就会变得难以维护。
LangChain 这类框架就是用来帮你组织这些组件的。这门课的重点不是教你怎么死记硬背 API，而是带你理清：框架到底替我们封装了什么逻辑？数据是怎么流转的？从而帮你构建更成熟的企业级 AI 应用。
8. 《大模型本地部署》：把模型搬回自己家
最后一步，是把开源模型部署到自己的电脑或服务器上。这主要针对那些对数据隐私、离线运行或企业私有化有明确要求的场景。
本地部署并不是简单地 “下载双击运行”，真正落地时，你需要处理显卡、显存、模型量化和推理框架等一堆现实的硬件条件。因此这门课偏向底层，并非所有人的必修课。如果你平时用云端大模型已经足够，那就没必要为了 “全通关” 硬学；等哪天真碰到了隐私或私有化需求，再回头来补这一课完全来得及。
不同的人，应该走哪条路线？
对于咱们绿叶网的学习路线来说，最重要的不是全部走完，而是走到刚好能解决自己问题的位置。
| 你的目标 | 推荐路线 | 说明 |
|---|---|---|
| 提高工作、学习和生活效率 | 《大模型教程》 → 《提示词工程》 | 学到这里，已经能覆盖绝大多数普通用户的核心需求 |
| 零基础，把想法做成产品 | 《Vibe Coding》 | 可以直接学；如果先学过前两门基础课，理解会更顺畅 |
| 用 AI 提升专业开发能力 | 《AI 编程》 | 有开发基础时可直接进入，重点放在代码、测试和工程控制上 |
| 开发 AI 应用或智能体 | 《AI 编程》 → 《AI Agent》 → 《大模型 API 开发》 → 《LangChain 教程》 | 按实际项目需要组合学习，不必为了 “集齐全套” 而硬刷 |
| 本地运行 / 私有化部署 | 《大模型本地部署》 | 当你确实有隐私、离线运行或私有化需求时再去学 |
我们会发现，这 8 门课更像是一条主干加几个出口：
- 普通用户在《提示词工程》这里就可以先 “下车” 。
- 零基础想做产品的，可以转到《Vibe Coding》。
- 开发者则继续进入 AI 编程、Agent、API 和 LangChain。
- 只有真正有本地化需求的人，才需要继续折腾部署。
当然了，这 8 门课虽然是独立课程，但并不是 8 座互不相干的小岛。比如开发一个 Agent，既需要提示词的基础能力，也可能要调用大模型 API；使用 LangChain 构建应用时，又可能需要接入自己的数据库，甚至连接本地部署的模型。它们之间更像是一套配合着打的 “组合拳”。
这几个地方，最容易走偏
课程拆开以后，边界反而更重要。下面几个概念如果重新混在一起，学着学着就很容易又变成 “一锅 AI 大杂烩”。
1. 别把《Vibe Coding》和《AI 编程》揉在一起
两者都在用 AI 写代码，但目标不同。Vibe Coding 的重点是 “把产品做出来”，允许零基础学习者从需求和结果出发；AI 编程的重点是 “把软件工程做好”，会更加深入代码、测试、版本管理、协作和长期维护。
当然，两者之间并没有一道不可逾越的墙。开发者做原型时也会很 “Vibe”，零基础学习者把项目做大以后，也会自然而然地补上 AI 编程的能力。课程之所以拆开，是为了让大家在每个阶段都能清楚自己真正需要掌握什么。
2. Agent、API、LangChain，也不是一回事
这 3 个词经常挨着出现，所以特别容易混淆。可以用一句大白话记住它们的分工：
Agent 解决的是 “AI 怎样围绕目标持续行动”；API 解决的是 “我们的程序怎样调用模型”；LangChain 则解决 “怎样把模型、数据、工具和流程更系统地组织起来”。
它们会在同一个项目里配合出现，但关注的问题完全不同。把边界理清以后，你就不会学了半天，才发现三门课其实都在重复同一段 “调用大模型” 的代码。
3. 本地部署不是 “毕业考试”
有些小伙伴一看到 “第 8 阶段”，就觉得如果不把模型部署到自己的服务器上，好像前面都白学了。完全不是这么回事。本地部署只是一个专业方向，并不是 AI 学习的最终证明。
如果云端模型已经能满足你的业务、成本和隐私要求，那就安心用云端；只有当现实需求真的把你推到本地部署这条路上时，再去研究硬件和推理环境，这时候的学习效率反而更高。
给点小建议：现在到底从哪儿开始？
最后再给小伙伴们几条实在的建议，免得看懂了路线图，关掉网页又开始纠结：
- 只想把 AI 用得更好：直接学《提示词工程》。门槛低、见效快，也是后面很多方向都会反复用到的基本功。
- 完全不会编程，但想做自己的产品：直接去学《Vibe Coding》。先跑通一个真正属于自己的小工具，比收藏十份 “零基础编程路线” 有用得多。
- 已经会编程，想掌握 AI 时代的开发方式：重点学《AI 编程》，再根据实际项目需要，去补《AI Agent》《大模型 API 开发》和《LangChain 教程》。
- 有明确的隐私、离线或私有化需求：再去学《大模型本地部署》，别为了追求 “全栈 AI”，提前给自己塞一堆暂时用不上的硬件知识。
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，我们下一门进阶课——《提示词工程》见！
