整理一下自己的AI学习路线，方便后续回溯，也可以给别人一个学习参考
前置准备
- 有一个好的生产工具，效率翻倍，这里推荐Mac+配套显示器
- 使用Chrome，国内用户自查使用方式
- 使用Github，了解前沿的技术，同时很多开源的模型都可以在这里找到
大模型
- 了解GPT的大致原理：这个博主从我大一的时候开始关注，视频往往会有对应的动画，对小白很友好
深度学习
- MIT 6.S191：MIT计算机相关的课程都非常棒，个人比较喜欢这种教学方式，课程会有配套实验，独立完成后相信会有一定的蜕变（可以关闭字幕，也锻炼一下英文能力，反正也是要反反复复看的）
- 3blue1brown神经网络系列课程：目前只看了前两章，后面那些难度有点高，还没啃下来，打算再沉淀沉淀
- 机器学习之路: 学习一下机器学习的大致原理，至少可以自己简单跑一个demo。目前还没看完，只需要了解原理即可
AGI
- 通往AGI之路：网站持续更新，可以辅助了解一下前置的知识，构建基本认知，但是目前没发现有啥深度
RAG
- RAG学习一年分享: 很有学习意义，可以构建对RAG的一个大致的认知
- RAG技术栈: RAG技术栈研究论文
- RRF介绍: 介绍了RRF（倒数秩融合）的基本原理
- RAG原理论文: 提出了RAG的核心原理，并且验证RAG在知识问答场景的可行性
Prompt
- 构筑大模型应用: 前面讲得挺好的，后面逐渐看不懂了，可能还没达到对应高度吧
- Prompt学习指南: 以前觉得prompt很简单，而且没啥用，直到深入了解之后才发现成为一位优秀的prompt工程师也是很难的。作为一门DSL（领域特定语言），prompt在和大模型交互的过程中承担了很重要的角色