# ai-tech-roadmap

**Repository Path**: weijing-tech/ai-tech-roadmap

## Basic Information

- **Project Name**: ai-tech-roadmap
- **Description**: 从 LLM 到 Agent 生态的完整技术路线图。适合阅读了解人工智能发展。
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-26
- **Last Updated**: 2026-04-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI Tech Roadmap

从 LLM 基础到 Agent 生态的完整技术路线图。12 篇深度精读覆盖：LLM 基础、Prompt Engineering、微调（LoRA/DPO）、RAG、Function Call、MCP、Agent、Multi-Agent、Context Engineering、Agent Skill、OpenClaw 框架、Harness Engineering。每篇包含核心要点、技术细节、论文引用与事实核查，适合系统学习 AI Agent 技术栈。

## 内容导航

| 序号 | 主题 | 一句话描述 |
|:---:|------|-----------|
| 1 | [LLM](AI技术串讲/01-LLM.md) | 一切 AI 应用的原点——从 Transformer 到 Decoder-Only 主流 |
| 2 | [Prompt Engineering](AI技术串讲/02-Prompt-Engineering.md) | 成本最低、见效最快的优化手段——只改怎么问 |
| 3 | [Fine-tuning](AI技术串讲/03-Fine-tuning.md) | 给模型做小手术——LoRA 将可训练参数压缩到 0.1% |
| 4 | [RAG](AI技术串讲/04-RAG.md) | 让模型回答"没学过"的问题——实时检索、可溯源、低幻觉 |
| 5 | [Function Call](AI技术串讲/05-Function-Call.md) | 从"聊天机器人"到"行动者"的关键一步 |
| 6 | [MCP](AI技术串讲/06-MCP.md) | AI 世界的 USB 接口——标准化模型与工具的连接 |
| 7 | [Agent](AI技术串讲/07-Agent.md) ⭐ | 核心枢纽——ReAct 循环让模型自主完成任务 |
| 8 | [Multi-Agent](AI技术串讲/08-Multi-Agent.md) | 团队协作——但别过度工程化 |
| 9 | [Context Engineering](AI技术串讲/09-Context-Engineering.md) | 精准地给对的上下文——不是给多少，而是给什么 |
| 10 | [Agent Skill](AI技术串讲/10-Agent-Skill.md) ⭐ | AI 的 App Store 逻辑——能力即插即用 |
| 11 | [OpenClaw](AI技术串讲/11-OpenClaw.md) | 从零搭建 Agent 系统——从 nanobot 到生产级框架 |
| 12 | [Harness Engineering](AI技术串讲/12-Harness-Engineering.md) | 从"能跑"到"能扛"——六大工程维度缺一不可 |

## 技术演进路线

```
阶段一：让模型更好用
  LLM → Prompt Engineering → Fine-tuning → RAG

阶段二：让模型自己动手
  Function Call → MCP → Agent → Multi-Agent

阶段三：让系统可生产
  Context Engineering → Agent Skill → OpenClaw → Harness Engineering
```

## 声明

本仓库为公开技术资料的学习总结与解读，所有论文和文档版权归原作者所有。引用内容均已标注出处，仅供学习交流使用。

## 许可证

[CC BY-NC-SA 4.0](LICENSE) — 署名-非商业性使用-相同方式共享