AI 学习笔记（实用版）

欢迎学习AI应用开发！本系列笔记侧重于 AI 实际应用，帮助你快速掌握大模型使用技巧。

学习路线图

核心概念 → Prompt工程 → API调用 → Token优化 → RAG知识库 → Agent开发 → 实战项目

章节	标题	内容概要
01	AI术语速查表	LLM、GPT、NLP、Transformer、Fine-tuning等术语解释
02	大模型核心概念	模型参数、温度、Top-P、最大Token、停止序列
03	向量与嵌入	Embedding原理、向量维度、相似度计算
04	上下文窗口	Context Window概念、不同模型的窗口大小
05	Token基础概念	Token定义、Token与字符的关系

章节	标题	内容概要
06	Prompt基础与原则	清晰性、具体性、结构化、角色设定
07	高级Prompt技巧	Few-shot、CoT、ReAct、Self-Consistency
08	常用Prompt模板库	写作助手、代码生成、数据分析等模板
09	Prompt优化与调试	迭代优化方法、A/B测试、效果评估
10	Prompt安全与防护	Prompt注入攻击、敏感信息泄露防护

章节	标题	内容概要
11	OpenAI API详解	Chat Completions、Embeddings、Assistants API
12	Claude API使用	Messages API、工具调用、长文本处理
13	国产大模型API	通义千问、文心一言、智谱GLM、DeepSeek
14	API调用最佳实践	请求优化、并发控制、流式输出
15	错误处理与重试	常见错误码、重试策略、降级方案

章节	标题	内容概要
16	Token计算原理	Tokenizer原理、不同模型的Token计算方式
17	Token节省技巧	精简Prompt、压缩历史、合并请求
18	上下文管理策略	滑动窗口、摘要压缩、关键信息提取
19	缓存策略	语义缓存、响应缓存、Embedding缓存
20	成本分析与优化	各模型价格对比、成本计算、ROI分析

章节	标题	内容概要
21	RAG核心概念	RAG原理、与Fine-tuning对比、适用场景
22	文档处理与分块	分块策略、Chunk大小选择、元数据提取
23	向量数据库选型与使用	Pinecone、Milvus、Chroma、FAISS对比
24	检索优化技巧	混合检索、重排序、查询扩展
25	RAG最佳实践	文档预处理、索引优化、召回率提升

章节	标题	内容概要
26	Agent核心概念	Agent定义、自主决策、规划能力
27	工具调用机制	Function Calling、工具定义、参数解析
28	记忆系统设计	短期记忆、长期记忆、记忆检索
29	多Agent协作	Agent通信、任务分解、结果聚合
30	Agent设计模式	ReAct模式、Plan-and-Execute、反思模式

模型	提供商	上下文窗口	特点
GPT-4o	OpenAI	128K	多模态、速度快
Claude 3.5 Sonnet	Anthropic	200K	长文本、代码能力强
Gemini 1.5 Pro	Google	1M	超长上下文、多模态
通义千问	阿里云	128K	中文能力强
DeepSeek V3	DeepSeek	64K	性价比高、代码能力强
GLM-4	智谱AI	128K	中文能力强、工具调用