Wiki Notes

Appearance

AI Wiki ​

这是一个面向自学、知识沉淀与项目落地的 AI 中文知识库。

它的目标不是简单搬运链接，也不是只整理“模型名词解释”，而是把 AI / LLM / RAG / Agents / 平台工程 / 安全治理 / 多模态 这些容易分散在不同官方文档、博客和项目经验里的内容，重新组织成一套更适合长期学习和工程落地的阅读路径。

如果你是第一次进入这个仓库，最容易遇到的问题通常不是“内容太少”，而是“不知道先看什么、后看什么、哪些该一起看、哪些不该一开始就看”。这也是这个入口页真正要解决的问题。

1. 这套知识库适合怎么用 ​

入口页不只是目录，而是负责回答四件事：

  1. 这套内容主要覆盖哪些问题。
  2. 不同背景的人应该从哪里开始。
  3. 不同专题之间是什么关系。
  4. 什么时候该跳到下一个目录，而不是继续在当前目录里打转。

目前整个仓库大致可以分成六条主线：

  • 基础认知主线：基础入门、LLM 与生产化。
  • 历史脉络主线：AI 发展史专题。
  • 模型选型主线：模型专题。
  • 工程落地主线：平台工程、知识库与检索、评测运营与案例、安全治理。
  • Agent 主线：AI Agents 与工作流。
  • 扩展能力主线：多模态与语音、多模态专题、向量数据库专题、AI 安全专题。

2. 如果你只有一个入口，该从哪里开始 ​

2.1 你是零基础、自学或转行 ​

先看：

  1. AI 发展史专题
  2. 基础入门
  3. 模型专题
  4. LLM 与生产化总目录
  5. AI Agents 与工作流总目录

目标不是一口气看完，而是先建立 token、上下文、Prompt、模型架构、结构化输出、评测和 Agent 的主线关系。

2.2 你已经会调用模型 API，想做应用 ​

先看：

  1. 平台工程
  2. 知识库与检索
  3. 模型专题
  4. LLM 与生产化总目录

目标是尽快把“能调通”升级成“知道该选什么模型、为什么这么选，以及能上线、能回放、能治理、能持续维护”。

2.3 你在做 Agent、工具调用或工作流 ​

先看：

  1. AI Agents 与工作流总目录
  2. 平台工程
  3. 安全治理

Agent 问题通常不是只靠“多写几句 Prompt”就能解决，最终一定会接到工具边界、状态管理、评测和安全。

2.4 你在做企业知识库或 RAG ​

先看：

  1. 知识库与检索
  2. 向量数据库专题
  3. 评测运营与案例

重点不是“把向量库搭起来”，而是把入库、检索、证据、引用、权限和回归闭环搭起来。

2.5 你在准备 AI 面试、内部培训或团队分享 ​

先看：

  1. 基础入门
  2. AI面试题专题
  3. 模型专题
  4. LLM 与生产化总目录

这条路径更适合把零散概念整理成可以讲给别人听、也能扛住追问的工程表达。

3. 分类导航 ​

分类入口适合阅读的内容
基础入门进入分类学习计划、Transformer、提示词工程、Agents 补充资料、面试题
AI 发展史专题进入专题按时间段梳理 AI 关键变化、代表作品、技术范式和工程启发
模型专题进入专题按厂商对比 2025 年以来模型发布时间线、架构、参数、上下文和价格
多模态与语音进入分类多模态、视觉、视频、语音、Realtime 工作流、多模态评测
平台工程进入分类脚手架、结构化输出、成本优化、Prompt 资产治理、模型编排、tracing
知识库与检索进入分类向量数据库、文档流水线、检索优化、RAG 复盘、引用设计、知识治理
LLM 与生产化进入总目录模型、RAG、Embedding、Fine-tuning、Evals、Token、成本延迟、发布治理
AI Agents 与工作流进入总目录Agent 主线、工具设计、状态机、恢复、人工纠偏、记忆治理、协议互操作
安全治理进入分类安全策略、权限模型、审批、回滚、故障预案、值班与组织治理
评测运营与案例进入分类评测基线、项目复盘、告警、成本归因、漂移检测、指标体系

3.1 快速入口补充 ​

4. 推荐阅读路径 ​

4.1 两小时快速摸清全局 ​

如果你只想先建立地图，推荐顺序：

  1. 基础入门
  2. 模型专题
  3. LLM 与生产化总目录
  4. AI Agents 与工作流总目录
  5. 平台工程
  6. 安全治理

这个顺序的作用是先建立模型地图，再补能力主线、Agent 主线和工程治理，不容易一开始就掉进单个专题里出不来。

4.2 一周内搭起最小工程认知 ​

推荐顺序：

  1. 基础入门
  2. 模型专题
  3. 平台工程
  4. 知识库与检索
  5. 评测运营与案例
  6. 安全治理

适合已经会写代码，但还没把 AI 系统看成“一个需要观测、回放、回归和治理的工程系统”的读者。

4.3 想系统补 RAG ​

推荐顺序：

  1. LLM专题 / 01-RAG详解
  2. 知识库与检索
  3. 向量数据库专题
  4. 评测运营与案例
  5. 安全治理

4.4 想系统补 Agent ​

推荐顺序：

  1. AI Agents 与工作流总目录
  2. 平台工程
  3. 安全治理
  4. 评测运营与案例

Agent 不是一个孤立专题，最终一定会牵涉工具、状态、审批、回放和观测。

4.5 想准备面试或内部分享 ​

推荐顺序：

  1. AI面试题专题
  2. 模型调用与消息结构入门
  3. LLM 与生产化总目录
  4. AI Agents 与工作流总目录

这个顺序更适合先把表达框架搭起来，再回到系统专题补证据和案例。

5. 不同专题之间是什么关系 ​

5.1 基础入门负责打地基 ​

基础入门 负责回答：

  • 模型为什么能工作
  • Prompt 和上下文是什么
  • 为什么结构化输出、评测和成本意识要前置

如果这条线没补起来，后面的 RAG、Agent 和平台工程会非常容易“只会堆名词”。

5.2 LLM 专题负责把能力层讲清楚 ​

LLM 与生产化总目录 负责把：

  • 模型架构与选型
  • RAG
  • Embeddings
  • Fine-tuning
  • Evals
  • Token
  • 成本与延迟

这些能力主线和生产化主线接起来。

如果你想先建立“不同厂商模型路线图”，建议把 模型专题 和这一组内容一起看。

5.3 平台工程负责把能力做成系统 ​

平台工程 更关注：

  • 契约
  • 路由
  • tracing
  • Prompt 与配置治理
  • 发布与回退

它解决的问题不是“模型会不会”，而是“系统能不能稳定跑”。

5.4 知识库与检索负责把知识对象化 ​

知识库与检索 解决的不是“向量库怎么用”，而是：

  • 知识怎么进
  • 检索怎么做
  • 证据怎么排
  • 引用怎么给
  • 错误怎么回流

5.5 安全治理和评测运营负责把系统收住 ​

安全治理 和 评测运营与案例 是所有系统上线后迟早都要回来的两个目录。

如果你现在还觉得这两个目录“可以以后再看”，通常只是因为系统还没跑到足够复杂。

6. 什么时候该跳到别的目录 ​

7. 这套知识库和官方资料是什么关系 ​

这套仓库不是为了替代官方文档，而是帮助你把官方资料放进更清楚的工程语境里。

以 OpenAI 当前公开文档为例，能力入口已经分得很细，包括：

  • Prompt engineering
  • Structured outputs
  • Retrieval
  • Embeddings
  • Evaluation best practices
  • Agents
  • Orchestration and handoffs
  • Safety best practices
  • Realtime and audio

如果没有一套自己的知识结构，学习时很容易停留在“单点查文档”，却无法建立系统理解。

另外，按 2026-07-08 复查时的官方入口来看，有两个现实也值得特别记住：

  • OpenAI 当前已经把很多工程能力明确拆成独立专题，说明“Prompt 之外的系统设计”是第一等公民。
  • 官方平台与能力入口会持续演进，因此本仓库更适合作为“结构化导读”和“项目落地地图”，而不是死记某个产品页面快照。

上面这点是我根据当前官方文档结构做的归纳，不是单条文档原文。

8. 常见误区 ​

  • 一上来就追模型榜单、协议名词和框架热点，但没有补基础主线。
  • 把 RAG 理解成“加一个向量库”。
  • 把 Agent 理解成“多写几段 Prompt”。
  • 把平台工程理解成“统一封装一个 SDK”。
  • 把安全理解成“敏感词过滤”。
  • 把评测理解成“看几条样例，感觉还行”。

9. 专题合集 ​

10. 仓库结构 ​

text
AI-Wiki/
|- 基础入门/
|- AI发展史专题/
|- 模型专题/
|- 多模态与语音/
|- 平台工程/
|- 知识库与检索/
|- AI Agents专题/
|- Agent与工作流/
|- 安全治理/
|- 评测运营与案例/
|- LLM专题/
|- 多模态专题/
|- 向量数据库专题/
|- AI安全专题/
`- LLMOps专题/

11. 适合谁用 ​

  • 想系统学习 AI / LLM / Agents 的自学者。
  • 想从“会调用模型”进阶到“能做应用和平台”的开发者。
  • 需要整理团队知识、培训材料或项目方法论的人。
  • 想把零散 AI 笔记沉淀成长期可维护知识库的人。

12. 重点官方资料入口 ​

以下入口在 2026-07-08 检查时可访问，适合和本仓库配合使用：