本文提供一份详细的12周学习计划，帮助具备Python基础的开发者掌握LLM应用开发。内容涵盖API调用、提示词工程、Function Calling、RAG、Agent开发、LangChain框架及国产平台Dify、Coze的使用。通过每天1-1.5小时的投入，学员可达到初级LLM应用工程师水平，独立开发企业级应用，薪资可达一线城市的15-25K/月。计划强调理解核心概念、实战项目和持续评估，适合希望转型大模型应用领域的开发者。
✦ 每天1-1.5小时，12周后你也能成为LLM应用工程师 ✦
你好，我是和你一样的开发者。
在传统开发领域摸爬滚打了多年，面对大模型这波浪潮，我一度感到迷茫。虽然能调用API、能照着案例写代码，但当需要真正理解RAG、Agent、Function Calling这些概念时，总感觉隔着一层纱。
我相信很多开发者和我有同样的困惑。经过几个月的摸索和实践，我整理了一份真正可落地的12周学习计划。
今天，我想把它分享给你。
△ 从传统程序员到LLM应用工程师的转型之路
写在前面：我们到底需要什么基础？
很多人问我：学这个需要多高的门槛？
说实话，门槛没有想象中那么高。你只需要具备：
📋 必备基础（必须要有）
Python基础（变量、函数、类、异常处理）
HTTP/API基础（理解GET/POST、JSON格式）
命令行基础（能装包、能配环境）
英语四级水平（能看懂API文档）
💡 如果你还欠缺这些，建议先花2-4周补一下。
你不需要是算法专家，不需要懂Transformer原理，不需要会写论文。你只需要是一个能写代码的开发者。
12周后，你能达到什么水平？
✦ 一句话总结：能独立开发企业级LLM应用，达到初级LLM应用工程师的水平。 ✦
具体来说：
✅ 你会掌握
熟练调用国内外主流大模型API（Qwen、DeepSeek、智谱）
写出高质量的Prompt，掌握Few-shot、Chain-of-Thought
设计Function Calling工具，实现多工具协同
搭建RAG知识库问答系统
开发能自主决策的Agent
使用LangChain、Dify等主流框架
本地部署开源模型
🎯 你能独立完成的项目
智能客服Bot
文档问答系统
数据分析助手
多工具智能Agent
💰薪资参考：一线城市15-25K/月
这不是画饼，这是我身边很多同行走过的路。
核心提示：不要被概念搞糊涂
在学习之前，我想先帮你厘清几个容易混淆的核心概念。这是我自己踩过的坑。
| Function Calling | 模型决定调用哪个函数，但不执行 | 模型决定 + 你执行 |
| Tool | 模型可以调用的能力描述（JSON Schema） | 你定义，模型引用 |
| Skill | 封装好的复杂任务流程（可能包含多个Tool） | 你定义，Agent执行 |
| Agent | 能自主决策调用哪些Tool/Skill的智能体 | 模型+框架共同完成 |
| Workflow | 固定的 任务执行顺序（不是自主决策） | 你编排，系统执行 |
✦ 一句话记忆：Tool是"说明书"，Function Calling是"建议条"，Skill是"套餐"，Agent是"大脑"，Workflow是"流水线"。 ✦
△ LLM应用开发核心技能栈
12周详细学习计划
以下是我为你制定的以周为单位、以天为单位的详细计划。每天投入1-1.5小时，周末可以适当多学一点。
第1周：环境搭建与API入门
🎯本周目标：能调用国产大模型API，搭建本地开发环境
| 周一 | 注册阿里云百炼账号，开通DashScope，安装dashscope库 | 1小时 |
| 周二 | 学习API基础：API Key认证、调用Qwen模型 | 1小时 |
| 周三 | 学习参数：temperature、top_p、max_tokens | 1小时 |
| 周四 | 学习流式输出（streaming），实现打字机效果 | 1小时 |
| 周五 | 学习多轮对话（messages格式），实现对话记忆 | 1小时 |
| 周六 | 综合练习：写一个命令行聊天机器人 | 1.5小时 |
| 周日 | 复习+整理笔记 | 1小时 |
📦 本周产出：一个能对话的命令行聊天机器人
第2周：提示词工程实战
🎯本周目标：掌握System Prompt设计，能用提示词解决实际问题
| 周一 | 理解System Prompt vs User Prompt，写3个不同角色的System Prompt | 1小时 |
| 周二 | 学习Few-shot Learning，用例子引导输出 | 1小时 |
| 周三 | 学习Chain-of-Thought，让模型展示推理过程 | 1小时 |
| 周四 | 学习结构化输出（JSON格式约束） | 1小时 |
| 周五 | 实战：信息提取器（从简历中提取姓名、电话、技能） | 1小时 |
| 周六 | 实战：文本分类器（对用户反馈自动分类） | 1.5小时 |
| 周日 | 复习+优化Prompt模板库，积累10个常用Prompt | 1小时 |
📦 本周产出：一套可复用的Prompt模板库
第3周：Function Calling精通
🎯本周目标：掌握工具调用全流程，能开发多工具Agent
| 周一 | 理解Function Calling原理，画出流程图，写第一个工具定义（计算器） | 1小时 |
| 周二 | 学习多工具场景（计算器+天气查询） | 1小时 |
| 周三 | 学习参数校验和错误处理 | 1小时 |
| 周四 | 学习工具结果回填和多轮，自动追问缺失参数 | 1小时 |
| 周五 | 实战：餐厅预订Agent | 1小时 |
| 周六 | 实战：数据分析助手（调用SQL查询工具） | 1.5小时 |
| 周日 | 复习+代码重构（用字典映射优化） | 1小时 |
📦 本周产出：一个能预订餐厅的多轮对话Agent
第4周：RAG从入门到实战
🎯本周目标：搭建自己的知识库问答系统
| 周一 | 理解RAG原理（检索+生成），画出RAG流程图 | 1小时 |
| 周二 | 学习Embedding（向量化），用模型将文本转向量 | 1小时 |
| 周三 | 学习向量数据库（FAISS本地版） | 1小时 |
| 周四 | 学习文档分块策略（Chunking） | 1小时 |
| 周五 | 实战：搭建简单RAG（用你自己的文档） | 1.5小时 |
| 周六 | 优化RAG：加入rerank、HyDE | 1.5小时 |
| 周日 | 复习+部署演示 | 1小时 |
📦 本周产出：一个能回答私有文档问题的问答系统
第5周：LangChain核心
🎯本周目标：掌握国内可用的LangChain能力
| 周一 | 安装LangChain，理解核心概念，跑通官方示例 | 1小时 |
| 周二 | 学习LCEL（LangChain表达式语言），用管道方式组装Chain | 1小时 |
| 周三 | 学习Chain（LLMChain、SequentialChain） | 1小时 |
| 周四 | 学习Memory管理，实现带记忆的对话 | 1小时 |
| 周五 | 学习Callback和输出解析，实现结构化输出 | 1小时 |
| 周六 | 实战：用LangChain重写餐厅预订Agent | 1.5小时 |
| 周日 | 复习+对比裸调API的差异 | 1小时 |
📦 本周产出：用LangChain重构的Agent
△ 12周学习路线时间轴
第6周：本地模型部署
🎯本周目标：能在本地运行开源模型
| 周一 | 安装Ollama，下载Qwen模型 | 1小时 |
| 周二 | 学习Ollama的API调用，用Python调用本地模型 | 1小时 |
| 周三 | 学习模型量化（int4/int8） | 1小时 |
| 周四 | 对比本地模型 vs API模型 | 1小时 |
| 周五 | 学习用ollama搭建本地服务 | 1小时 |
| 周六 | 实战：本地RAG（本地模型+FAISS） | 1.5小时 |
| 周日 | 复习+性能调优 | 1小时 |
📦 本周产出：完全离线的本地RAG系统
第7周：Agent开发
🎯本周目标：能开发自主决策的智能体
| 周一 | 理解Agent架构（ReAct模式），画出Agent决策流程 | 1小时 |
| 周二 | 学习构建Agent的工具集，准备3-5个工具 | 1小时 |
| 周三 | 实现思考-行动-观察循环 | 1.5小时 |
| 周四 | 学习Plan-and-Solve，让Agent先规划 | 1小时 |
| 周五 | 实战：研究助手Agent（搜索+总结） | 1.5小时 |
| 周六 | 实战：任务分解Agent（复杂任务拆解执行） | 1.5小时 |
| 周日 | 复习+Agent调试技巧 | 1小时 |
📦 本周产出：能自主决策的多工具Agent
第8周：国产框架实战
🎯本周目标：掌握Dify和扣子（Coze）
| 周一 | 注册扣子Coze，了解工作流，跑通第一个Bot | 1小时 |
| 周二 | 学习Dify安装（Docker部署） | 1.5小时 |
| 周三 | Dify：知识库配置，上传文档建知识库 | 1小时 |
| 周四 | Dify：工作流编排 | 1小时 |
| 周五 | 实战：用Dify搭建客服Bot | 1.5小时 |
| 周六 | 实战：用扣子搭建新闻聚合Bot | 1.5小时 |
| 周日 | 对比Dify vs 扣子 vs 自研 | 1小时 |
📦 本周产出：用低代码平台搭建的Bot
第9周：评估与优化
🎯本周目标：学会量化评估LLM应用效果
| 周一 | 学习评估指标（准确率、召回率等） | 1小时 |
| 周二 | 构建测试数据集（50+条测试用例） | 1小时 |
| 周三 | 学习RAGAS评估框架 | 1小时 |
| 周四 | 学习人工评估方法，制作评估模板 | 1小时 |
| 周五 | 成本优化：token计数和缓存策略 | 1小时 |
| 周六 | 延迟优化：流式、批处理 | 1.5小时 |
| 周日 | 复习+建立持续评估流程 | 1小时 |
📦 本周产出：一套完整的评估体系和自动化脚本
第10周：项目实战一（客服Agent）
🎯本周目标：完成一个完整的客服Agent
项目需求：支持多轮对话、能回答产品问题（RAG）、能处理常见操作（查询订单、修改信息）、有人工兜底。
| 周一 | 需求分析与架构设计 | 技术选型、数据流 |
| 周二 | 搭建基础框架（FastAPI + 前端） | Web界面 |
| 周三 | 集成RAG（产品知识库） | 文档处理、检索优化 |
| 周四 | 集成工具调用（查询订单API） | Function Calling |
| 周五 | 多轮对话状态管理 | Session、Memory |
| 周六 | 人工兜底机制 | 转人工、工单系统 |
| 周日 | 测试+文档+演示 | 完整的项目交付 |
第11周：项目实战二（数据分析Agent）
🎯本周目标：完成一个数据分析Agent
项目需求：理解自然语言查询、调用数据库（SQL）、执行Python计算、生成图表。
| 周一 | 需求分析与架构设计 | 工具定义 |
| 周二 | 搭建数据库（SQLite示例数据） | 数据准备 |
| 周三 | 实现SQL查询工具 | Text-to-SQL |
| 周四 | 实现Python计算工具 | 代码执行沙箱 |
| 周五 | 实现可视化工具（matplotlib） | 生成图表URL |
| 周六 | 集成Agent决策 | 多工具协同 |
| 周日 | 测试+优化+演示 | 项目交付 |
第12周：总结与规划
🎯本周目标：复盘学习成果，规划后续方向
| 周一 | 复盘12周学习成果 | 学习成果清单 |
| 周二 | 整理代码仓库（GitHub） | 可展示的portfolio |
| 周三 | 写一篇技术博客总结 | 知识沉淀、求职素材 |
| 周四 | 确定后续专精方向（Agent / RAG / 微调） | 下阶段路线图 |
| 周五 | 制定进阶学习计划 | 下阶段路线图 |
| 周六 | 参与开源项目/社区 | 贡献代码 |
| 周日 | 休息+庆祝 | 🎉 |
国内可用资源清单
考虑到网络环境，以下资源全部可在国内正常访问：
🌐 API平台
阿里云百炼：https://bailian.console.aliyun.com/
DeepSeek：https://platform.deepseek.com/
📚 学习平台
国家高等教育智慧教育平台：https://higher.smartedu.cn/ai2026
🛠️ 开发工具
Ollama（本地模型）：https://ollama.com/download
Dify（低代码平台）：https://docs.dify.ai/zh/
👥 社区
ModelScope魔搭社区：https://modelscope.cn/
一个实用的小工具
为了方便你跟踪学习进度，我写了一个简单的学习计划助手。你可以把它保存为study_assistant.py，每天运行一下：
#!/usr/bin/env python3
# 学习计划助手 – 保存为 study_assistant.py 并运行
import json
import os
from datetime import datetime, date, timedelta
from pathlib import Path
运行方式：
python study_assistant.py
它会：
显示今日学习任务
记录完成状态
生成明日计划
查看学习进度
写在最后
我知道，12周听起来很长。
但想想看：12周后，你就能从"只会调API"变成"能独立开发LLM应用"。
这可能是你2026年最有价值的投资。
每天1-1.5小时，刷短视频的时间就够了。
我会持续分享学习过程中的心得和代码。如果你也在走这条路，欢迎留言交流。
✦ 种一棵树最好的时间是十年前，其次是现在。 ✦
加油，我们路上见。
最后
如果说程序员已经是高薪职业，那么干AI的程序员，就是高薪中的高薪。
现在的市场，已经用数据给程序员指明了方向：学AI大模型，就是冲刺高薪的最优解！
看着身边越来越多的同行转型大模型、拿到高薪offer，很多人心里都动了心，但真正的难题来了：零基础小白不知道从哪入门？有基础的程序员找不到系统学习路径？实战项目练手无门？面试不知道考什么？
别慌！今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包，覆盖从入门到实战、从理论到面试、从基础到进阶的全流程，所有资料均已整理归档，无冗余、无套路，免费分享给每一位想抓住AI风口的程序员和小白！
👇👇扫码免费领取全部内容👇👇
1、大模型系统化学习路线
2、大模型学习书籍&文档
3、AI大模型最新行业报告
4、大模型项目实战&配套源码
5、大模型大厂面试真题
四阶段精细化学习规划（附时间节点，可直接照做）
结合上述资源，给大家整理了一份可直接落地的四阶段学习规划，总时长约2个月，小白可循序渐进，程序员可根据自身基础调整节奏，高效掌握大模型核心能力，快速实现从“入门”到“能落地、能面试”的跨越。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
👇👇扫码免费领取全部内容👇👇
6、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
