大模型与智能体 · 入门学习路线图

ROADMAP

六阶段路线总览

零

基础回顾第 1–2 周

壹

Transformer第 3–7 周

贰

LLM 微调第 8–13 周

叁

Prompt 与 RAG第 14–18 周

肆

智能体 Agent第 19–24 周

伍

部署与研究第 25 周起

建议节奏：每周 12–15 小时

如果有课或轮转，宁可拉长周期，也不要只看视频不写代码。先专心走完 30 项核心，拓展资源只在需要时查阅。

代码必亲手敲。看视频时暂停、自己先写、再对答案；每章作业独立完成，不复制粘贴。
每阶段必须有产出物。一个仓库、一次竞赛提交、一份实验记录——看得见的成果才能推动持续进步。
报错是最好的老师。复制完整报错信息搜索，读最后三行堆栈；先自查 20 分钟再提问。

40% 写代码做项目30% 看课 / 读书20% 论文与笔记10% 周复盘

HANDS-ON MILESTONES

八个实战里程碑

ENVIRONMENT

第一天上手：环境配置

LLM 开发以 PyTorch + Hugging Face 为核心栈。微调与推理需要 GPU；学习 Prompt / RAG / Agent 时用闭源 API（GPT/Claude）即可起步，真正动手微调时再用本地或服务器 GPU。

1安装 Miniconda

从 conda.io/miniconda 下载安装包。conda 为每个项目建立独立 Python 环境，避免包版本互相污染。

# 创建并激活名为 llm 的环境
conda create -n llm python=3.11 -y
conda activate llm

2安装 PyTorch

先运行 nvidia-smi 查看显卡与 CUDA 驱动版本，再到 pytorch.org 选择器复制命令。无显卡用 CPU 版。

# CPU 版（学习 Prompt/RAG/Agent 足够）
pip install torch

# GPU 版请以官网选择器为准，形如：
pip install torch --index-url https://download.pytorch.org/whl/cu121

3安装 Hugging Face 全家桶

Transformer 模型加载、数据集、训练加速、参数高效微调（LoRA）一条命令装好。

pip install transformers datasets accelerate \
  peft bitsandbytes sentencepiece \
  scikit-learn pandas matplotlib jupyter

4验证安装

运行下面命令，看到版本号即成功。然后安装 VS Code 及 Python、Jupyter、Remote-SSH 插件。

python -c "import torch, transformers; \
print(torch.__version__, transformers.__version__, \
torch.cuda.is_available())"
# 期望输出形如: 2.x.x  4.x.x  True

暂时没有 GPU？ 学习 Prompt / RAG / Agent 阶段用闭源 API（OpenAI、Anthropic）或 Ollama 本地跑小模型即可；真正微调 7B 以上模型时再申请实验室 GPU，或用 Colab / Kaggle 的免费额度。

FAQ

大模型与智能体入门