从 AI 应用工程师到应用架构师、再到能训专用模型的算法岗，一条递进的路
导读 · 从这里进门先别问要学哪些课，先想清楚一件事：架构师和应用工程师的判断力，差在哪。
应用工程师、应用架构师、算法岗三者到底差在哪——差的是判断力的范围，不是工具清单
读 → 02 第二章 · 把一次调用用明白token、上下文窗口、温度、结构化输出——一次 API 调用里每个旋钮到底在拧什么
读 → 03 第三章 · 提示词是接口设计prompt 不是咒语，是和模型签的契约；怎么写得稳、可维护、可回归
读 → 04 第四章 · 上下文工程窗口里塞什么比怎么问更重要：检索、记忆、上下文装配怎么运作
读 → 05 第五章 · 给模型接上手和脚工具调用与智能体循环：模型从聊天框变成能干活的系统
读 → 06 第六章 · 没有评估就没有工程evals 怎么造、怎么度量「好」；评估集是 AI 应用真正的资产
读 → 07 第七章 · 让系统扛住线上重试、降级、兜底、监控——AI 应用的可靠性工程
读 → 08 第八章 · 算清楚钱和毫秒成本与延迟的账：模型选型、缓存、批处理、用量经济学
读 → 09 第九章 · Prompt 到顶的信号什么时候提示词不够了、该想微调：RAG 还是 FT 的判断框架
读 → 10 第十章 · 数据是训练的九成训练数据怎么造、怎么洗、怎么标注；坏数据怎么毁掉一个模型
读 → 11 第十一章 · 微调实操SFT、LoRA、偏好对齐讲明白：第一次微调一个模型要走哪些路、踩哪些坑
读 → 12 第十二章 · 自训一个专用模型从选基座到训练流水线到推理部署：什么时候值得自己训，算力账怎么算
读 → 13 第十三章 · 架构师的系统设计多模型编排、服务化、演进与权衡：架构师每天做的那些决定
读 → 14 第十四章 · 走这条路能力地图、练法与转岗算法岗的心法：一张可以自己打勾的路标
读 →