AI 工程师地图

你已会用 Cursor 写代码、起草讲义；AI 工程师 还要能设计 RAG、Agent、模型 API 与生产部署。本 track 补全 AI Engineer 路线图 的技术节点；团队纪律与 merge 责任 仍见 ai-engineering-essentials。

学习目标

• 说清本 track 与 ai-engineering-essentials、ai-coding-essentials 的分工
• 浏览 ai-engineer 路线图：LLM → RAG → Agent → 部署
• 确定个人下一步该学哪一课

两条学习线

维度	ai-engineering-essentials	本 track
焦点	何时用 AI、PR 披露、团队门禁	LLM 机制、RAG、Agent、MCP
读者	Tech Lead、全体工程师	要做 AI 功能的开发者
产出	公约、质量清单	可运行的原型与部署方案

ai-coding-essentials 教 工具用法（Copilot、Cursor、安全红线）；本 track 教 系统怎么搭。

路线图节点概览

how-llms-work → prompt-engineering → embeddings
→ what-are-rags → AI Agents → MCP → model APIs
→ safety / eval → deploy & cost

与 ai-engineer 一一对应。Java 主栈同学可先把 Python 伪代码当 概念载体，落地时再换 Spring AI 或 HTTP 客户端。

本 track 十二课

课	主题	衔接
aen-llm ~ aen-prompt	Token、采样、提示词	ai-coding 的 ai-llm 加深版
aen-embeddings ~ aen-rag	向量与检索管线	ai-agents-essentials 的 RAG 课
aen-agents ~ aen-mcp	规划、工具、协议	Agent track 机制 + 标准集成
aen-apis ~ aen-deploy	厂商 API、流式、成本	生产环境
aen-safety ~ aen-eval	注入、偏见、监控	ai-engineering-essentials 红线落地
aen-practice	RAG + Agent 原型	综合

前置建议

• 能读 Python 伪代码；会 git checkout -b 与基本测试
• 已读 ai-intro，理解「人审责任」
• 可选：先过 ai-agents-essentials 建立 Agent 直觉

练习

• 打开 ai-engineer 路线图，勾选已懂与待学节点
• 用三句话向同事说明：本 track 与 ai-engineering-essentials 各解决什么问题
• 选一个你想做的站内场景（如「查课程 outline 问答」），写下需要 RAG 还是 Agent

小结

工程纪律在 ai-engineering；系统能力在本 track。 下一课从 Token 与上下文窗口入手，理解 LLM 的硬边界。