01A FOCUSED START

先把学习路径收窄。

16项资料承担不同任务。建议以这三份为主线,官方课程和工程手册按缺口补充;把完成练习与形成真实交付能力分开判断。

阅读建议

先选一条主线并产出一个可检查的结果。API、RAG与MCP的重复内容按缺口补;导航类仓库用于查漏。冷链案例适合分析改造,生产能力仍需另行验证。

本页学习优先级是本次整理的建议,不是外部质量评级;路线用于探索与练习,不代表你已作出职业决定。你的 HFE/UX 背景可结合 C03 的语言界面设计,把系统能力变成可判断、可恢复的工作流。

02LEARNING PATH

每一步,都留下一个结果。

从基础自检到外部使用者试点。按自己的技术基础安排时间,阶段完成条件比固定周数更有用。

01应用基础先做一次能力自检

用一个小API检查请求、JSON、SQL、异常和Git基础。

完成时拿出

一个可解释的API,以及一次亲自定位的故障。

G06 · 第3–6课 / G01 · 第01节

这一步决定你需要补多少基础。能说出数据、状态和错误经过哪里,比照着跑通更有判断力。

02需求与范围把问题切成可验证的一段

找一位具体使用者,记录当前流程、成本和第一版范围。

完成时拿出

一页范围说明、现状基线、验收样本和排除项。

G04 · 第6–8章 / G01 · 第11节

先确认谁使用、谁验收、谁授权数据,以及什么信号会让你暂停。

03API与工具亲手实现模型与工具的往返

从原始API实现结构输出、工具执行、循环与停止。

完成时拿出

能独立解释的工具循环,以及工具错误、重复调用和预算处理。

G01 · 第01、05节 / C01 · Tool Use

模型提出动作,应用执行并校验。先理解机制,再选择框架。

04检索与评估用同一批样本判断改动

拆开检索与生成,比较简单基线、混合检索和生成方案。

完成时拿出

版本化评估集,质量、延迟、成本和失败归因。

G01 · 第02–04节 / C01 · RAG

包含没有答案、过期内容、权限不足和工具失败,避免只收成功样例。

05集成与运行接入一条受控数据链路

实现一个受控接口,补齐权限、状态、超时和降级。

完成时拿出

数据流图、运行手册,以及可验证的恢复设计。

C02 / G03 · 第7、10–12章 / G10

按当前项目需要使用基础设施;复杂云原生工具可以后置。

06交付演练完成一次模拟客户交付

选择一个模拟案例,自己提交方案后再对照参考答案。

完成时拿出

需求备忘录、原型、评估、交接说明和5分钟讲解。

G02 / G04 · 第15、17章

标注合成场景。mock结果、真实模型与真实客户效果分别记录。

07外部试点让另一位使用者实际使用

在已有项目里选择一条流程,观察采用、问题与接管。

完成时拿出

使用和反馈记录、未解决问题,以及对方能操作的说明。

已有项目 + 真实使用者

保持明确范围。私人使用、真实试点、商业成果与规模验证各有证据。

避免重复学习

C01与G01的API/RAG/工具部分重叠,可选一份完整跟做,另一份查缺口;C02和C01的MCP部分重叠;三份中文书各选一份主读,其余按主题查;G06是长课程,按模块补课即可。

03RESOURCE LIBRARY

16项资料,逐项拆解。

11个 GitHub 仓库、2个视频、3个课程入口。展开查看学习重点、前置条件、章节入口与本轮核对范围。

16 / 16 项资料
G01AI Engineer NotebooksGitHub英文主线学习

API、RAG、评估、Agent、客户需求

打开来源

GitHub · 英文 · P0

仓库有33份Notebook,按API、评估、RAG、Agent、安全、运行与客户需求组织;我检查了全目录,并重点静读核心Notebook的说明与代码。其特点是先用原始API实现机制,再讨论框架;评估出现在检索与Agent之前。

建议顺序: 00环境 → 01结构化输出/工具调用 → 02基础评估 → 03检索 → 04回归评估 → 05循环与预算 → 08可靠性 → 11需求 → 12客服案例。第06适配模型、09自托管推理和10推理服务设计可按后续需求补。

做完应留下: 你能独立解释的工具循环、一份版本化评估集、对检索失败的归因、一次质量与成本取舍记录。Colab能启动或Notebook跑完只证明练习环境,不代表交付成熟。

边界: Groq、IETF语料和部分外部依赖需要网络;作者的免费额度说法需以实际账户为准。若没有GPU,先读自托管与微调的概念部分。没有把作者宣称的“生产排障案例”当作本轮独立核验的客户事故。

前置知识
Python、JSON、API
成本与环境
Groq API;具体额度及可用模型另核
本轮阅读

33份Notebook结构检查;工具调用、Agent、预算、回归、可靠性、案例与Capstone重点静读

静态核对 · 未实跑
章节与原始入口

以下检查了Notebook文件及章节结构;关键技术主题和Capstone有重点静读,没有执行Notebook。优先顺序是本次建议。

路径 学习主题 建议
00-setup/00-environment.ipynb Environment & Cost Hygiene 主线
01-model-apis/00-prompting-basics.ipynb Prompting Fundamentals 主线
01-model-apis/01-structured-output.ipynb Structured Output 主线
01-model-apis/02-tool-calling.ipynb Tool Calling 主线
01-model-apis/03-streaming.ipynb Streaming 主线
01-model-apis/04-context-and-caching.ipynb Context Windows & Cost Control 主线
02-evals-basics/01-measuring-outputs.ipynb Evals I: Measuring a Probabilistic System 主线
03-rag/00-what-is-rag.ipynb What Is RAG? 主线
03-rag/01-embeddings-retrieval.ipynb Embeddings & Retrieval 主线
03-rag/02-hybrid-and-reranking.ipynb Hybrid Retrieval & Reranking 主线
03-rag/03-chunking.ipynb Chunking 主线
03-rag/04-why-rag-fails.ipynb Why RAG Fails 主线
04-evals/01-golden-sets.ipynb Golden Sets 主线
04-evals/02-llm-as-judge.ipynb LLM as Judge 主线
04-evals/03-regression-evals.ipynb Regression Evals 主线
05-agents/01-agent-loop-from-scratch.ipynb Agent Loop from Scratch 主线
05-agents/02-tool-design.ipynb Tool Design 主线
05-agents/03-guardrails-and-budgets.ipynb Guardrails & Budgets 主线
05-agents/04-mcp-and-the-tool-ecosystem.ipynb MCP & the Tool Ecosystem (concept) 主线
05-agents/05-skills-and-progressive-disclosure.ipynb Skills & Progressive Disclosure (concept) 主线
05-agents/06-harness-engineering.ipynb Harness Engineering 主线
06-adaptation/01-fine-tune-vs-rag-vs-prompt.ipynb Adapting the Model: Fine-Tune vs RAG vs Prompt 后续按需
07-security/01-prompt-injection-and-trust.ipynb Prompt Injection & the Trust Boundary 主线
08-operations/01-observability-and-llmops.ipynb Observability & LLMOps 主线
08-operations/02-reliability-and-fallbacks.ipynb Reliability & Fallbacks 主线
08-operations/03-experiment-tracking-and-registry.ipynb Experiment Tracking & Registry 主线
09-serving-inference/01-serving-frameworks.ipynb Serving Frameworks (concept) 后续按需
09-serving-inference/02-inference-performance.ipynb Inference Performance (concept) 后续按需
10-ml-system-design/01-designing-an-inference-service.ipynb Designing an Inference Service (concept) 后续按需
11-customer-craft/01-scoping-and-discovery.ipynb Customer Craft: Scoping & Discovery 主线
12-case-studies-and-capstone/01-customer-support-assistant.ipynb Case Study A — Customer-support assistant, scoping to deployed (and the 2am page) 主线
12-case-studies-and-capstone/02-contract-extraction-pipeline-vs-agent.ipynb Case Study B — Contract extraction: pipeline vs agent 主线
12-case-studies-and-capstone/03-red-team-robustness-benchmark.ipynb Case Study C — A red-team robustness benchmark 选修对照
G02FDE SimulationGitHub英文主线学习

需求、范围、原型、评估、客户沟通、交接

打开来源

GitHub · 英文 · P0

两个虚构场景:保险理赔沟通与投资机构财报简报。包含需求发现、利益相关者、首个价值切片、Python原型、评估、交接、限时作业及客户冲突模拟。

建议起点: 先读Calder案例的 START_HERE.md 和 brief,再按 EXERCISE.md 交自己的需求与方案;之后对照参考答案。已有技术基础后,再做 2-take-home-5h 的限时演练。把参考答案留到自己尝试之后。

重要发现: 无API密钥时,部分生成和评分退回确定性mock;脚本也说明mock下重复运行的方差没有真实模型意义。pass^k=5 是此仓库的教学口径,不是适用于所有业务的生产标准。多Agent设计也是该练习的选型,并非FDE必备架构。

做完应留下: 需求备忘录、方案取舍、可运行原型、评估报告、交接说明、5分钟口头解释。作品集必须标注“合成客户模拟”,不能写成付费客户成果。

前置知识
Python及基础LLM应用
成本与环境
mock可不调用模型;真实调用另需密钥
本轮阅读

两案例目录、EXERCISE、限时任务、客户模拟、评估脚本及mock路径静读

合成案例 · 未实跑
G03前线部署工程实践指南GitHub中文按需补充

调研、集成、生产化、LLMOps、运维、接管

打开来源

GitHub · 中文 · P1

16章,覆盖调研、架构、协作、云原生、流水线、数据、安全、AI应用、LLMOps、生产化、运维与组织。综合实战用制造业异常订单建议串起发现、审批、受控写回与客户接管。

适合你先读: 第2–4章、第7章、第9–12章及综合实战。遇到具体部署问题再查第5–6章;GPU、服务网格和复杂混合云可以后置。

值得带走: 生产系统要有接口契约、责任边界、失败处理、版本和接管能力。模板的价值在于让这些问题可检查,而非文档越多越好。

边界: 本轮检查章节结构、小结与综合实战,并对关键段落抽读;没有逐字精读整书、逐一复核所有标准或执行模板中的部署。不要把书里的完整组织治理规模照搬到个人小项目。

前置知识
基础软件工程;后半部分涉及云原生
成本与环境
阅读可公开访问;实作环境另计
本轮阅读

16章结构/小结与综合实战检查;架构、交付、评估、接管重点抽读

结构与重点内容检查
章节与原始入口
G04FDE:企业AI落地实战手册GitHub中文/英文主线学习

选问题、MVD、权限、上线、采用、移交

打开来源

GitHub · 中文/英文 · P0

28章按角色、发现到生产、工程、采用移交、商业、人和组织展开。对你最有用的是第6–14章、第15/17章与第24–25章。

核心方法: 最小可行部署要验证真实用户、真实分布的数据与现有基线;缩小覆盖范围,同时保留完整价值链。客户接管要转移运行能力、知识与责任。

建议练习: 将一个现有项目写成“一页范围说明+验收表+任务型运行手册”。请另一个人照手册解释异常、完成一个受控恢复操作,记录他卡住的位置。

边界: 这是个人综合整理,部分章节引用XDash等二手来源;案例数字与职业市场说法没有全部独立核验。本轮是全章节结构检查与关键正文抽读,不能据此宣称阅读了全部中英文版本。许可允许个人学习及非商业分享,商业使用需另核许可。

前置知识
基本AI应用概念
成本与环境
公开阅读;自定义非商业许可
本轮阅读

28章中文目录与分节检查;MVD及移交正文、工程与职业章节重点抽读

结构与重点内容检查
章节与原始入口
G05前线部署工程师:客户价值交付秘籍GitHub中文按需补充

问题、获客、激活、续约、产品化

打开来源

GitHub · 中文 · P1

八章串起问题选择、客户、激活、续约、收入、复制与案例。它能补上代码教程经常略过的采购、组织支持、用户激活和产品化问题。

优先章节: 第2章解决正确问题、第4章激活部署、第7章规模化复制;考虑独立服务生意时再读收费、续约与获客部分。

采用方式: 把“部署成功”与“被使用”分开,把重复客户问题转成可复用资产。报价和结果收费属于需要具体业务前提的策略,不是人人适用的FDE定义。

边界: 主要是研究整理与案例叙述;附录中部分引语本就保留待核说明。不能将其中的薪酬、增长率或单个公司成果升级为已证实的普遍规律。仓库公开可读不等于可自由商用。

前置知识
无硬性代码前置
成本与环境
免费阅读、非商业分享;商业用途需许可
本轮阅读

8章结构、开篇与收束、案例和来源索引抽读

结构与重点内容检查
章节与原始入口
G06Coder Army FDE Full Course 代码与笔记GitHub英文笔记;首课视频标注印地语按需补充

LLM基础、API、RAG、MCP、测试、安全

打开来源

GitHub · P1

当前目录到Lecture 19;取得18份同名PDF笔记并提取文本,共667页。第11课存在RAG代码与知识文件,本轮未找到对应同名Notes.pdf。代码提供Python、JavaScript、Java路径。

模块地图: 1–2角色和模型基础;3–6 API、上下文、工具与流式;7–10 Embedding和向量检索;11–12 RAG;13结构化输出;14–15 MCP;16多模态;17–18评估与测试;19安全与Guardrails。

你的选修顺序: 3、5、11–15、17–19。根据实际基础补4/6/7–10;只选一种主要实现语言,避免三套示例同时学习。

边界: PDF已取得和结构阅读不代表667页全部精读。视频系列未完整观看;第一课元数据标注印地语。部分示例依赖Pinecone和模型API,有的跨语言示例只有函数入口而无HTTP服务,不要根据语言版本推定完全同构。

前置知识
一种编程语言;Python/JS/Java选一条
成本与环境
API及Pinecone等服务可能产生费用
本轮阅读

19课目录、跨语言代码入口;18份PDF提取667页文本后结构检查与重点抽读

静态核对 · 未实跑
章节与原始入口

18份同名PDF已提取文本,共667页。目录与重点内容阅读,不等同于667页逐页精读;第11课用实际代码和README定位主题。

课次 主题 同名PDF页数 建议
01 FDE与GenAI基础 57 按基础补课
02 Token、Transformer、LLM原理 35 按基础补课
03 应用调用LLM 27 优先选修
04 上下文、记忆、流式、幻觉 31 按基础补课
05 工具与Agent 51 优先选修
06 流式应用 44 按基础补课
07 Embedding原理 41 按基础补课
08 Embedding推荐项目 29 按基础补课
09 向量存储与检索 32 按基础补课
10 ANN与向量数据库 57 按基础补课
11 RAG客服代码 本轮未见;有代码 优先选修
12 高级RAG 20 优先选修
13 结构化输出 16 优先选修
14 MCP服务端 38 优先选修
15 MCP资源与提示 35 优先选修
16 多模态 28 按基础补课
17 评估基础 44 优先选修
18 确定性评估与模型评分 32 优先选修
19 安全与Guardrails 50 优先选修
G07Anthropic CookbookGitHub英文按需补充

工具、SQL、RAG、评估、成本优化

打开来源

GitHub · 官方 · P1

重点查看了客服工具、自然语言SQL、评估、成本优化四类配方。最值得借鉴的是先测任务基线,再比较质量、延迟、上下文、循环与模型配置的成本。

建议入口: misc/building_evals.ipynb、tool_use/customer_service_agent.ipynb、cost_optimization/cost_optimization.ipynb。自然语言SQL配方只用来理解交互机制,单独设计数据权限和查询约束。

边界: 官方仓库仍混有旧模型配方和合成工具回复;README还链接旧归档课程。活跃仓库不代表每个文件均已更新。本轮没有逐个阅读或执行全部配方。

前置知识
Python、Claude API
成本与环境
真实API调用按供应商计费
本轮阅读

全目录检查;客服工具、SQL、evals、成本优化四个配方重点静读

静态核对 · 未实跑
G08Awesome FDE RoadmapGitHub英文检索参考

数据、云、咨询、GCP/ADK、评估、交付模板

打开来源

GitHub · 英文 · P2

有数据工程、云架构、咨询、评估、企业RAG及交付模板,也包含GCP/ADK和隔离环境部署内容。

用法: 对照能力模块找缺口,借鉴现场调研与范围模板。不要将所有工具都当作进入FDE的前置要求;你已有部署经验可以先在熟悉环境完成一条闭环。

边界: 快照只有少量文件,主体是长README与外链,不是可从头跑到尾的工程课程。外链与工具的当前兼容性未逐一验证。

前置知识
按所选模块不同
成本与环境
导航本身无执行成本
本轮阅读

README全结构及阶段路线、模板、工具倾向检查

结构与重点内容检查
G09Awesome FDE ResourcesGitHub中文/英文检索参考

书籍、实践、案例、工具导航

打开来源

GitHub · 中文/英文 · P2

目录按入门、最佳实践、案例和工具分类。适合当你发现具体缺口时再检索。

用法: 每次只引入解决当前问题的一份外链,完成一个可检查产物后再扩展。

边界: “查看该资源”是检查目录与收录关系;未递归评审全部外链。被收录与得到独立质量验证是不同状态。

前置知识
按外链不同
成本与环境
目录免费;外链条件各异
本轮阅读

中英文目录、分类与收录关系检查

结构与重点内容检查
G10Cold-chain Logistics FDE ProjectGitHub英文按需补充

SQL旧系统、SOP检索、工具、LangGraph、UI、部署

打开来源

代码 · 视频 · 英文 · P1

视频约4小时51分钟。取得英文自动字幕,按14个章节抽读,并对照SQL接入、语义视图、SOP检索、外部天气工具、LangGraph、Streamlit与部署代码。它的价值是将需求、方案、数据和部署放进一个案例。

静态检查发现:

  1. SQL工具主要用语句是否以SELECT开头进行应用层过滤,真实边界还依赖数据库权限;这不能替代完整查询约束、资源限制与权限验收。
  2. 示例连接配置包含关闭加密/信任证书的设置,并有固定演示凭据;跟做时应视为本地教学配置,不沿用到真实部署。
  3. “corridor congestion”数值由风速阈值生成,是示意业务规则,不是独立交通拥堵数据源。不能把它当作真实物流预测效果。
  4. 编排使用内存checkpointer;进程恢复与多实例状态不是这个实现已证明的能力。
  5. 发布工作流为人工触发SSH后拉取main并重启;本轮没有在该流程看到自动测试、AI评估、不可变制品提升、健康门禁与自动回滚。

以上是具体文件的静态观察,不是本轮漏洞验证或运行测试。推荐定位:学习后再改造的教学原型。

可做的改造题: 明确一个客户问题;把示意风险值显式标记;为查询增加范围与超时约束;建立失败评估集;设计状态恢复和发布回读。先证明这些改动的价值,再决定是否需要更多工具。

前置知识
Python、SQL、Docker、云与LLM基础
成本与环境
SQL Server/Pinecone/模型/EC2按所选配置计费
本轮阅读

14个文本/代码文件静态检查;工具、SQL权限、编排、UI与发布流程重点核对

静态核对 · 未实跑
G11Anthropic Courses 旧仓库GitHub英文检索参考

API、Prompt、评估、Tool Use

打开来源

GitHub · 已归档 · P2

五门旧课程涉及API、提示、真实任务、评估和工具。归档状态已核对,部分示例仍使用旧代模型。可用于理解演变;新学习优先C01/C02,不能因为其他官方README仍链接它就认定它是当前主入口。

前置知识
Python
成本与环境
旧示例模型及API需另核
本轮阅读

仓库归档状态、5门课程目录及README检查

已归档 · 历史参考
V01Krish Naik:完整AI FDE项目实现视频英文按需补充

冷链物流端到端教学

打开来源

观看视频 · 英文 · 约4小时51分钟

从冷链物流的旧数据库出发,串起问题定义、数据理解、方案、SOP检索、权限、Agent工具、界面与部署。建议先看 01:11:12 方案设计、02:06:50 业务价值、04:17:28 部署流程,再按自己的基础跟做。

配套阅读: 本页G10的源码核对与改造题。视频的“企业级”表述不作为生产成熟度证明;本轮取得英文自动字幕,按章节抽读并与代码对应,未完整逐帧观看。

学习产物: 用自己的话解释一条从业务问题到数据接口、输出与验证的路径,并列出教学实现与真实部署之间尚需处理的部分。

前置知识
见G10
成本与环境
公开视频;跟做基础设施与API另计
本轮阅读

视频元数据、14个章节、英文自动字幕获取与分章抽读;对照G10

字幕与代码核对
章节与原始入口

完整英文自动字幕已取得,按以下章节抽读并对照代码;没有逐帧看完视频。字幕去重及机器识别存在局限。

时间 章节
00:00:00 00. Main Intro
00:05:18 01. Introduction
00:06:32 02. Prerequisites
00:10:13 03. The Problem Statement
00:19:26 04. Deep Dive into the Data
01:11:12 05. Designing the Solution
01:45:32 06. System Architecture
02:06:50 07. The Business Pitch & Value Proposition
02:15:14 08. Building the SOP Ingestion Logic
02:59:41 09. Configuring Database Roles & Permissions
03:08:46 10. Developing Core Tools for the Agent
03:24:10 11. Orchestrating the Agent with LangGraph State
03:47:49 12. Building a Streamlit UI & Secure Audit Logging Pipeline
04:17:28 13. Automating Deployment via GitHub Actions to AWS EC2
V02Coder Army:FDE第一课视频印地语(元数据)检索参考

岗位问题拆解与GenAI基础

打开来源

视频 · 约81分钟 · P2

第一课将客服请求转成业务目标,之后讲生成式AI基础。元数据、说明、时间戳与G06第一课PDF已核对。英文自动字幕下载遇到HTTP 429,本轮未获得完整字幕,也没有完整观看视频。仅凭这些材料不评价讲师全程授课质量。

前置知识
一种编程语言
成本与环境
公开视频;后续实作另计
本轮阅读

元数据、说明与时间戳;通过G06第一课PDF补足结构阅读

字幕限流 · 笔记补读
C01Building with the Claude API课程英文主线学习

API、评估、工具、RAG、MCP、工作流

打开来源

课程 · 67课、约9小时 · P0

公开页面覆盖API、评估、工具、混合检索、MCP和工作流。建议根据缺口选读评估、Tool Use、RAG与Agent部分;已熟悉的调用入门可以快速自检。

完成标准: 用自己的小服务重现工具往返;用固定样本比较一次提示或检索改动;解释规则工作流与Agent的选择。课程里的模型特性、缓存和工具版本仍要对照当前官方文档。

边界: 已检查公开课程目录和可访问讲义;没有登录、做测验、获取徽章或逐节观看视频。页面返回成功不代表测验正文已开放;部分页面只有外壳。

前置知识
Python、JSON、API Key
成本与环境
公开讲义;真实API调用另计
本轮阅读

课程及公开子页面结构检查;评估、工具、检索、MCP、Agent重点讲义抽读

讲义与章节核对
章节与原始入口
C02Introduction to Model Context Protocol课程英文主线学习

MCP服务端/客户端、Tools/Resources/Prompts

打开来源

课程 · 10课、约1小时 · P0

通过Python讲服务端、客户端,以及Tools、Resources、Prompts。适合你把现有工作流中的一个受控接口提供给Agent使用。

练习: 先做一个只读资料查询接口,包含输入校验、错误返回和连接清理。解释权限在哪里执行、数据从哪里进入、哪些功能不开放。写入与远程鉴权作为后续明确范围。

边界: 入门课程不能证明已掌握企业远程MCP的认证、多租户、审计和所有版本兼容;本轮没有运行课程代码。

前置知识
Python、async/await、API
成本与环境
公开讲义;模型调用另计
本轮阅读

全部公开课程入口检查;服务端、客户端、三类原语重点讲义抽读

讲义与章节核对
章节与原始入口
C03Full Stack LLM Bootcamp Spring 2023课程英文按需补充

UX、LLMOps、RAG、项目、模型基础

打开来源

课程 · 2023年录像/讲义 · P1

检查了总目录与11个讲座页面。建议先看 UX for Language User Interfaces、LLMOps 和 askFSDL项目讲解。

对你最有用: 选择聊天、补全、命令入口等不同交互方式;让界面承诺符合能力;把数据清理、部署、监控和改进纳入同一产品。

边界: 这是旧课程,2023年的模型、插件、框架与未来预测不作为当前实现依据。公开章节摘要已检查,所有录像未逐一完整观看。

前置知识
Python;基础前后端经验有帮助
成本与环境
公开录像和材料免费;实作另计
本轮阅读

总目录和11个讲座页面/章节摘要检查,重点UX、LLMOps、askFSDL

讲义与章节核对
章节与原始入口
04CAPABILITY FRAMEWORK

FDE 要练的八项能力。

把资料中的内容合并后,可以用八个能力模块组织学习。下列是本次综合框架,不是统一行业认证标准。

模块 要回答的问题 可检查的产物 首选来源
业务发现 谁遇到什么问题?现状代价是什么? 访谈记录、流程图、基线、未知项 G04、G02、G01第11节
范围与验收 第一版改哪一段?怎样决定继续或停止? 一页范围说明、成功标准、排除项 G04、G03综合实战
应用工程 请求、数据、状态和错误如何流动? 可解释的API、校验、异常路径 G01、C01、G06
数据与集成 数据在哪?谁能访问?怎样保持新鲜? 数据契约、受控接口、权限说明 G03、G10、C02
AI系统判断 规则、工作流、检索还是Agent? 基线方案、取舍记录、停止条件 G01、C01
评估与运行 正确、稳定、可负担分别怎样测? 评估集、质量/延迟/成本报告、回归 G01、G07、G03
采用与接管 使用者明天还会用吗?你离开后谁维护? 任务型说明、告警责任、接管演练 G04、G03、C03
产品反哺 下一位客户能复用什么? 连接器、模板、测试、共性需求 G05、G03

这些资料经常把FDE、Solutions Engineer、Applied AI Engineer放在一起讨论。它们有交集,但岗位边界并不相同;应按具体职责、代码责任与客户交付范围核对,不能仅凭课程标题等同。

05SYNTHESIZED NOTES

把重复资料,合并成方法。

以下是跨来源的综合笔记。共同出现的观点提供学习线索;共享和转引来源不能累计为独立事实验证。

3.1 需求发现:先形成能被验证的问题

来自G02、G03、G04及G01客户模块的共同启发:访谈应还原当前任务和失败路径。至少问清使用者、触发条件、已有做法、数据、代价、最终决定者、数据授权者和维护者。

一页范围说明可以只有八项:目标用户、具体任务、当前基线、第一版范围、不做事项、所需数据、验收样本、继续/停止条件。它应能支持取舍,不追求写成宏大的PRD。

3.2 方案选择:保留确定性基线

G01和C01都讨论了规则、固定工作流与自适应Agent之间的差异。先为同一任务做简单基线,再判断引入模型或Agent在哪些样本上有收益。复杂度是需要证明的成本。

把模型请求、工具执行与业务权限分开:模型可提出动作请求,应用代码决定是否执行。工具返回需要包含可供下一步判断的结果或错误;失败、循环、延迟和预算用代码约束。

3.3 数据与RAG:检索质量和生成质量分开看

G01、C01和G03共同提供了拆解方式:文档准备→切分→检索→重排/融合→上下文→生成。实体编号、日期与关键词有时需要词法检索;语义相似不等于业务相关。

失败至少区分:资料中没有答案、索引过期、切分破坏内容、正确文段未召回、召回后被噪声淹没、回答引用错误。用相同问题集逐项比较,不能只靠“换了模型后感觉更好”。

3.4 评估:先定口径,再改方案

建立有来源的任务集,覆盖常见、边界、无答案、权限不足、格式错误与依赖失败。将业务规则、结构校验、检索指标、人工评价与模型评分分开使用。LLM-as-judge也需要人工校准。

每次改动记录:数据/索引/提示/模型/代码版本、样本范围、质量、延迟与成本。通过分数、通过门槛和上线决定是不同层次;课程给出的样本量、分数和重复次数不自动成为你的标准。

3.5 可靠性:请求成功之后仍要检查结果

G01、G03与G07覆盖重试、超时、降级、预算、trace与回归。对于写操作,还要明确幂等、重复调用、审批、失败恢复和状态持久化。

日志应能回答失败发生在哪一层;避免把完整私人数据无差别写入日志。发布后读取实际状态,恢复后检查业务数据,不能用启动成功替代功能验收。

3.6 采用与移交:将设计能力用在任务现场

G04和C03对你尤其有价值。界面应告诉使用者正在发生什么、哪些内容可靠、如何纠正和恢复;接入方式应适合现有任务。

移交需要任务型说明、责任人、告警与升级路径,以及客户自己操作的证据。将文档发出去只是交接动作;对方能否独立处理异常才说明知识是否转移。

3.7 复用:让第二次交付真正更容易

G03、G04、G05强调将共性转成连接器、数据契约、评估集、运行手册与配置。保留客户特有部分,记录不可复用的原因。课程中的商业模式属于策略参考,不能把“按结果收费”或“减少定制”当作所有岗位的唯一判据。

06YOUR PROJECTS

从你已有的项目接着走。

本节沿用本会话此前核对的项目记录,没有重新审计源码或生产环境;已发布、内部使用、模拟与商业验收保持原边界。

项目 已有相关素材 适合补的一段 不能推断的成果
声间 真实任务、录音转录、存储、权限与恢复取舍 一名外部使用者的任务基线、错误样本和采用记录 私人使用不等于公开SaaS商业验收
KnowledgeOS 工作流、来源、去重、可追踪维护 用授权或合成资料演示一条受控查询/更新接口及接管 个人环境不等于多租户企业系统
CompanyOS/AuthorOS 另一位使用者的资料、反馈与交付约束 选一个反复发生的流程,明确输入、产物、接受标准与维护者 文档交付不等于持续采用或付费ROI
Helmline/SayIt 设备、权限、系统集成和发布经验 从真实故障说明取舍、诊断、修复与验证 上架/发行不等于企业部署或规模验证

建议的首个练习: 在上述项目中选择一个明确的人和一条流程,保留现有产品主体;补上一页范围说明、受控接口、评估集和接管记录。首轮不需要新建一个更大的平台。

你的优势可以体现在业务任务、交互与工程结果之间的连接。最需要补证的仍是:能否独立解释并维护关键代码,以及能否对外部使用者完成范围、采用和维护闭环。

07PRACTICE CHECKPOINTS

用实际产物,检查自己。

这11项是学习后的自查条件。完成过、能解释、能复现,再勾选;初始状态不代表已经通过。

0 / 11 项自查

勾选只保存于当前浏览器;代表你的自查,不是课程认证。

08SOURCES & COVERAGE

来源清楚,阅读边界也清楚。

本指南覆盖上一轮明确列出的16项资料。结构检查、重点阅读、代码运行与真实部署是不同层级,以下按实际完成范围记录。

本轮以公开讲义、字幕和源码静态核对为依据。未运行第三方项目、调用模型或部署客户系统;Coder Army第一课完整字幕仍有访问缺口。
  • 覆盖上一轮列出的16项:11个GitHub仓库、2个YouTube视频、3个课程入口。没有把导航目录的所有外链无限展开。
  • 仓库取得公开文本/代码快照用于目录检查和重点静态阅读;没有安装这些仓库、运行样例、调用模型、部署服务或操作真实客户系统。
  • 课程共取得102个公开页面,包含总目录、课文、测验/徽章入口及FSDL讲座页。页面取得不等于每页都有正文,也不等于逐字阅读或观看对应视频。
  • Coder Army的18份PDF共667页:提取并检查结构与重点内容,没有声称逐页精读。第11课PDF缺口与视频字幕限流均保留。
  • 冷链视频取得英文自动字幕,按章节抽读并与代码对应;没有完整逐帧观看4小时51分视频。自动字幕的专名、数字和代码应以仓库及官方文档核对。
  • 本报告的推荐、合并框架、学习产物和个人适配均为分析判断;不等同于完成课程、获得岗位资格或用户确认转向FDE。
  • 项目推荐沿用本会话项目背景,未读取或外发私人数据库、密钥与客户原文。

逐项覆盖、章节地图和公开页面入口见同目录《FDE阅读覆盖-2026-10-21.md》;可筛选目录见《FDE资源目录-2026-10-21.csv》。

选题来源

最初来自你分享的抖音作品:AI情报探西西(Token-aws)|今天就能开始的最简单AI副业(直接照抄)。这里只保留选题来源;本轮未复核该短视频的完整音画,不据此确认收入、客户成果或“直接照抄”的可行性。下列学习资料的核对范围单独记录。

16项资料的逐项阅读范围
编号 资源 本轮阅读范围 限制
G01 AI Engineer Notebooks 33份Notebook结构检查;工具调用、Agent、预算、回归、可靠性、案例与Capstone重点静读 未运行Notebook;部分模块为概念讲解或可选GPU实验
G02 FDE Simulation 两案例目录、EXERCISE、限时任务、客户模拟、评估脚本及mock路径静读 合成案例;mock反复通过不证明真实模型或客户效果
G03 前线部署工程实践指南 16章结构/小结与综合实战检查;架构、交付、评估、接管重点抽读 书籍与模板;不等于完整可运行系统,首轮无需全学Kubernetes/GPU
G04 FDE:企业AI落地实战手册 28章中文目录与分节检查;MVD及移交正文、工程与职业章节重点抽读 个人综合整理;含转引及与XDash共享来源,不构成独立市场验证
G05 前线部署工程师:客户价值交付秘籍 8章结构、开篇与收束、案例和来源索引抽读 重案例与商业;数字、转引及案例结果未逐一独立复核
G06 Coder Army FDE Full Course 代码与笔记 19课目录、跨语言代码入口;18份PDF提取667页文本后结构检查与重点抽读 视频系列未完整观看;第11课未发现同名Notes.pdf,但存在RAG代码
G07 Anthropic Cookbook 全目录检查;客服工具、SQL、evals、成本优化四个配方重点静读 仓库活跃不等于每个配方都新;部分案例仍使用旧模型或合成工具
G08 Awesome FDE Roadmap README全结构及阶段路线、模板、工具倾向检查 不是完整代码课;GCP和隔离部署等内容超出你的首轮需要
G09 Awesome FDE Resources 中英文目录、分类与收录关系检查 外链未全部逐项跟进;不能把被收录视为质量认证
G10 Cold-chain Logistics FDE Project 14个文本/代码文件静态检查;工具、SQL权限、编排、UI与发布流程重点核对 教学原型;未运行、未部署;发现简化保护和缺少发布门禁,不能直接作为生产模板
G11 Anthropic Courses 旧仓库 仓库归档状态、5门课程目录及README检查 仅历史对照;优先用当前Academy学习
V01 Krish Naik:完整AI FDE项目实现 视频元数据、14个章节、英文自动字幕获取与分章抽读;对照G10 未逐帧观看;自动字幕会误识别、重复;教学场景不是客户成果
V02 Coder Army:FDE第一课 元数据、说明与时间戳;通过G06第一课PDF补足结构阅读 英文字幕下载429;未获得完整字幕、未完整观看视频
C01 Building with the Claude API 课程及公开子页面结构检查;评估、工具、检索、MCP、Agent重点讲义抽读 部分测验/徽章页仅有外壳;未登录、未做测验或课程认证
C02 Introduction to Model Context Protocol 全部公开课程入口检查;服务端、客户端、三类原语重点讲义抽读 未运行课程项目;不等于覆盖远程MCP生产鉴权与全版本兼容
C03 Full Stack LLM Bootcamp Spring 2023 总目录和11个讲座页面/章节摘要检查,重点UX、LLMOps、askFSDL 2023年课程;没有完整逐个观看录像,具体工具/API与市场判断可能过时
仓库快照与更新时间

快照只保存公开文本和代码用于阅读。文件数不是已精读文件数。最后推送时间来自GitHub元数据;星数不用于质量评分。

编号 文本/代码文件数 最后推送UTC 归档
G01 49 2026-10-08T14:22:32Z 否
G02 153 2026-09-05T18:44:44Z 否
G03 149 2026-10-14T18:04:43Z 否
G04 85 2026-09-10T04:50:09Z 否
G05 15 2026-08-14T01:57:33Z 否
G06 270 2026-10-19T09:50:40Z 否
G07 438 2026-10-17T00:28:09Z 否
G08 3 2026-09-13T23:03:28Z 否
G09 37 2026-08-04T13:17:53Z 否
G10 14 2026-08-31T22:49:39Z 否
G11 101 2026-08-28T09:37:03Z 是
关键实现判断对应的原始文件
未完成的验证与覆盖
  • 没有运行本轮任何第三方仓库样例或测试,没有模型真实调用、云部署或费用验证。
  • 没有逐字精读全部书籍/667页PDF/102个页面,也没有把源码读取等同完整代码审计。
  • V02字幕HTTP 429;没有取得完整字幕,未完整观看。
  • V01通过字幕与源码对应阅读,未完整逐帧观看;未证明图中配置与所有代码版本一致。
  • Academy未登录/做测验/认证;FSDL依公开讲义和章节摘要,未看完全部录像。
  • G07全部配方及G09全部外链未逐一深读。没有对全网资源做穷尽声明。
  • 项目背景沿用当前会话既有核对;未重新验证项目线上状态、用户采用或商业成果。