先别问要学哪些课、考哪些证。先想象一个场景：
你接手了一个上线三个月的 AI 客服系统。它大体能用，但有三件事悬着：账单每个月翻倍地涨；有一类用户问题答错率居高不下，提示词改了七次都没根治；老板上周问了一句「我们能不能不用别人的模型，自己搞一个」。
面对这三件事，不同段位的人看到的是完全不同的东西。刚入行的人看到三个孤立的麻烦；这本书想让你看到一张连起来的地图：账单问题是成本架构问题，答错率问题的尽头可能是提示词到顶、该动模型了，而老板那个问题的答案取决于你对数据、微调和算力账的判断——三件事串在一条路上。
这本书讲的就是这条路：从会调 API 的 AI 应用工程师，到能设计整个系统的应用架构师，再到能训练专用模型的算法岗。我们不罗列工具清单——工具半年一换。我们讲每一级台阶上那些不变的权衡：一次调用里每个旋钮在拧什么；提示词为什么该当接口契约来写；上下文、工具、评估、可靠性、成本这些系统层的真问题；以及那个分水岭判断——什么时候提示词到顶了、该微调了；再往后，数据怎么造、模型怎么训、自训的账怎么算。
每一章只讲透一件事，章节之间是递进的：这一章的结尾，就是下一章的问题。你可以从中间任何一章进来——如果你是架构师候选，直接从第六章的评估开始也未尝不可；但顺读会多一层「原来这些坑都连着」的乐趣。
读者画像很明确：写过代码、调过模型 API、想再上一层楼的人。不讲数学推导，不堆名词，每个概念都当场用大白话讲清楚。读完你能回答一个问题：面对任何一个 AI 系统的决策点，该问哪些问题、用什么换什么。
路从最小的地方开始：一次 API 调用。