人工智能(AI)已经深刻影响我们的生活和工作，作为一名有抱负的AI工程师，你可能正在考虑如何高效地学习AI知识，并在这个飞速发展的领域占得一席之地。
以下是我基于个人经验的七大步骤建议：
第一步：打好编程基础，首选Python
作为AI工程师，编写代码是必备技能。Python因其简洁的语法和丰富的库生态，已成为AI领域事实上的标准语言。
我推荐以下学习资源:
1. 廖雪峰的官方网站：
提供了非常全面的Python教程，https://www.liaoxuefeng.com/wiki/1016959663602400
2. 菜鸟教程
https://www.runoob.com/python3/python3-tutorial.html
3. B站（哔哩哔哩）：
B站上有许多优质的Python教学视频，例如“Python编程时光”、“黑马程序员”等UP主，提供了从入门到高级的Python视频教程。
第二步：学习大语言模型(LLM)
ChatGPT、Claude等大语言模型是当前AI领域的明星。开始应用LLM时，你不需要完全理解它们的工作原理，但需掌握以下术语：
Tokens Context window Attention机制 Temperature(在LLMs中) Transformer架构
掌握这些概念将为你构建第一个AI项目奠定基础,你将在后续每个项目中不断扩展这些知识。推荐学习资源：
1. Andrej Karpathy的YouTube频道
2. Datawhale的B站频道
3. OpenAI Playground（用于实验）
第三步：掌握提示词工程
AI工程师需知道如何与LLM进行沟通，因此提示词工程（Prompt Engineering）至关重要。初期只需掌握基础:
学会如何具体描述 学会如何提供上下文 学会如何清晰表达目标 通过迭代改进提示
建议初学者只在项目需要的时候再去学习高级提示词工程(网上有丰富的学习资源)。编写优质提示词的任务正在被LLM本身还有DSPy等框架自动化，所以提示工程可能不会成为未来的必备技能，因此掌握基础知识即可。
同时要学好英语，这里我截一张图。
第四步：动手做AI项目
构建AI项目是成为AI工程师的必由之路，光有理论是不够的。除非你能展示出实际运用AI和编程知识创造有价值的项目的能力，否则还称不上是一名AI工程师。
我建议你从一个简单的项目开始，比如构建一个ChatGPT的"克隆"：
Python编程语言 OpenAI API Streamlit(用于构建用户界面) 大约40行代码
这个项目能让你进入“创造者模式”，巩固前几步学到的知识。
第五步：分享你的学习历程
通过写公众号或加入知识星球等方式，分享你的学习过程，包括代码、经验、错误、想法、推荐资源等。
这样做不仅能扩大影响力，也是复盘总结的过程，有助于建立信任和权威，激励他人，追踪成长，巩固知识，拓展人脉，打造个人品牌。
靠谱的知识星球，我个人推荐“生财有术”和“AI破局俱乐部”，可以通过里面的成员互动和大航海行动，学到自己想要的知识，同时有能力的话，加入其中作为自愿者，帮助他人成长，同时扩大自己的影响。
第六步：进阶学习和项目实践
在打好基础后，挑战更多进阶学习主题和项目，如RAG（Retrieval-Augmented Generation）、AI Agents、LangChain、HuggingFace、向量数据库、向量嵌入、开源大语言模型、图像生成（如DALL-E）、语音模型（如Whisper、TTS）。
选择项目时，以解决实际问题、创造商业价值为导向，推动你踏出舒适区，学习新知识，提升已有技能。
目前企业最热门的一个应用：知识库的落地，微软开源了一个项目GraphRAG，在有了一定能力后可以尝试去学习这个知识。
还有DSPy，对于数据驱动的系统开发项目，DSPy 提供了更专业的工具和支持，可能在这些场景中更受青睐。
第七步：锻炼认知能力
认知能力指的是你对AI产品或需求的理解、分析和判断。通过技术、产品、商业等多维度思考，设计出可行、具有商业价值的解决方案。
在实践中不断总结和迭代，深入研究AI应用，尝试实现一个AI产品的最小可行产品（MVP），打磨自己的认知能力。
学习AI是一条漫长且充满挑战的道路，需要循序渐进，注重基础，多实践，学以致用，同时要常思考、多总结。希望这七大步骤能帮助你快速上手AI，成为新时代的筑梦者和引领者！
