# AI-wiki **Repository Path**: baichen9187/ai-wiki ## Basic Information - **Project Name**: AI-wiki - **Description**: 这是一个面向自学、知识沉淀与项目落地的 AI 中文知识库。现在目录已经按主题折叠进文件夹，适合放在 GitHub、Obsidian 或 VS Code 中持续维护和阅读。 - **Primary Language**: Unknown - **License**: MulanPSL-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 2 - **Forks**: 0 - **Created**: 2026-07-01 - **Last Updated**: 2026-07-24 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # AI Wiki > 版本：`v1.5` > > 最后更新：`2026-07-08` 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五条主线： - `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。 - `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](./AI发展史专题/README.md) 2. [基础入门](./基础入门/index.md) 3. [LLM 与生产化总目录](./LLM专题/README.md) 4. [AI Agents 与工作流总目录](<./AI Agents专题/README.md>) 目标不是一口气看完，而是先建立 token、上下文、Prompt、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](./平台工程/index.md) 2. [知识库与检索](./知识库与检索/index.md) 3. [LLM 与生产化总目录](./LLM专题/README.md) 目标是尽快把“能调通”升级成“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](<./AI Agents专题/README.md>) 2. [平台工程](./平台工程/index.md) 3. [安全治理](./安全治理/index.md) 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](./知识库与检索/index.md) 2. [向量数据库专题索引](./向量数据库专题/README.md) 3. [评测运营与案例](./评测运营与案例/index.md) 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。 ## 3. 分类导航 | 分类 | 入口 | 适合阅读的内容 | | --- | --- | --- | | 基础入门 | [进入分类](./基础入门/index.md) | 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](./AI发展史专题/README.md) | 按时间段梳理 AI 关键变化、代表作品、技术范式和工程启发 | | 多模态与语音 | [进入分类](./多模态与语音/index.md) | 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](./平台工程/index.md) | 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](./知识库与检索/index.md) | 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](./LLM专题/README.md) | 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](<./AI Agents专题/README.md>) | 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](./安全治理/index.md) | 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](./评测运营与案例/index.md) | 评测基线、项目复盘、告警、成本归因、漂移检测、指标体系 | ## 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](./基础入门/index.md) 2. [LLM 与生产化总目录](./LLM专题/README.md) 3. [AI Agents 与工作流总目录](<./AI Agents专题/README.md>) 4. [平台工程](./平台工程/index.md) 5. [安全治理](./安全治理/index.md) 这个顺序的作用是先建立主线，再补工程和治理，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](./基础入门/index.md) 2. [平台工程](./平台工程/index.md) 3. [知识库与检索](./知识库与检索/index.md) 4. [评测运营与案例](./评测运营与案例/index.md) 5. [安全治理](./安全治理/index.md) 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](./LLM专题/01-RAG详解.md) 2. [知识库与检索](./知识库与检索/index.md) 3. [向量数据库专题索引](./向量数据库专题/README.md) 4. [评测运营与案例](./评测运营与案例/index.md) 5. [安全治理](./安全治理/index.md) ### 4.4 想系统补 Agent 推荐顺序： 1. [AI Agents 与工作流总目录](<./AI Agents专题/README.md>) 2. [平台工程](./平台工程/index.md) 3. [安全治理](./安全治理/index.md) 4. [评测运营与案例](./评测运营与案例/index.md) 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。 ## 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](./基础入门/index.md) 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](./LLM专题/README.md) 负责把： - 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。 ### 5.3 平台工程负责把能力做成系统 [平台工程](./平台工程/index.md) 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](./知识库与检索/index.md) 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](./安全治理/index.md) 和 [评测运营与案例](./评测运营与案例/index.md) 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 - 当你已经知道 Prompt、上下文和输出约束的基本关系时，从 [基础入门](./基础入门/index.md) 跳到 [LLM专题](./LLM专题/README.md)。 - 当你开始遇到成本、trace、发布和配置问题时，从 [LLM专题](./LLM专题/README.md) 跳到 [平台工程](./平台工程/index.md)。 - 当你开始碰知识权限、引用冲突、RAG 错答和回归集时，从 [平台工程](./平台工程/index.md) 跳到 [知识库与检索](./知识库与检索/index.md)。 - 当你开始做工具调用、handoff、工作流状态管理时，从 [LLM专题](./LLM专题/README.md) 跳到 [AI Agents专题](<./AI Agents专题/README.md>)。 - 当你开始处理权限、多租户、审批、红队、日志和回滚时，直接跳到 [安全治理](./安全治理/index.md)。 ## 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 - [LLM 与生产化总目录](./LLM专题/README.md) - [AI Agents 与工作流总目录](<./AI Agents专题/README.md>) - [AI 发展史专题索引](./AI发展史专题/README.md) - [多模态专题索引](./多模态专题/README.md) - [向量数据库专题索引](./向量数据库专题/README.md) - [AI 安全专题索引](./AI安全专题/README.md) ## 10. 仓库结构 ```text AI-Wiki/ |- 基础入门/ |- AI发展史专题/ |- 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： - [OpenAI Prompt engineering](https://developers.openai.com/api/docs/guides/prompt-engineering) - [OpenAI Structured outputs](https://developers.openai.com/api/docs/guides/structured-outputs) - [OpenAI Retrieval](https://developers.openai.com/api/docs/guides/retrieval) - [OpenAI Evaluation best practices](https://developers.openai.com/api/docs/guides/evaluation-best-practices) - [OpenAI Agents](https://developers.openai.com/api/docs/guides/agents) - [OpenAI Safety best practices](https://developers.openai.com/api/docs/guides/safety-best-practices) - [OpenAI Realtime and audio](https://developers.openai.com/api/docs/guides/realtime) - [Anthropic Prompt engineering overview](https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview)