第 1 章：AI 应用开发全景与基础认知

• AI、ML、DL、LLM、GenAI、Agent 的关系
• AI 应用开发 vs AI/ML/LLM 开发
• 开发者主要做什么：调 API、写 Prompt、接数据、编排、评测、部署
• 一张全景图：用户 → Prompt → LLM → RAG/工具 → 输出 → 评测
• 本季阅读方式：概念卡片 + 代码示例 + 常见坑

第 2 章：大模型基础词汇

• LLM、基础模型、开源/闭源、本地/云端
• Token、上下文窗口、输入输出、Max Tokens
• Completion、Chat、Message、System/User/Assistant
• 预训练、微调、推理、训练：最小区分
• Transformer、Attention、Embedding：只讲直觉
• Base / Instruct / Chat / Reasoning / 多模态模型
• 温度、Top-p、Top-k、Stop、Seed
• 幻觉、知识截止、上下文学习

第 3 章：Prompt 与模型交互

• Prompt Engineering
• Zero-shot、One-shot、Few-shot
• 指令、示例、约束、输出格式
• 结构化输出：JSON、Schema
• Function Calling / Tool Calling
• 提示模板、变量、上下文拼接
• 流式输出、重试、超时、限流
• 提示注入、越狱

第 4 章：Embedding 与向量检索

• Embedding、向量、维度
• 相似度、余弦相似度、距离
• 向量数据库、索引、ANN、HNSW、IVF
• Chunking、分块、重叠、元数据
• 关键词检索、BM25、混合检索
• Rerank、重排、语义搜索

第 5 章：RAG

• RAG 是什么、为什么需要
• 索引、检索、生成三阶段
• 文档加载 → 切分 → 嵌入 → 入库 → 查询 → 重排 → 生成
• 上下文拼接、引用来源
• 常见问题：召回差、幻觉、超长、冲突、权限
• GraphRAG、Agentic RAG：简单了解

第 6 章：Agent 与工具调用

• Agent、工作流、编排
• 工具、Function Calling、MCP
• 规划、记忆、短期记忆、长期记忆、状态
• ReAct、Reflection、多智能体
• 人机协同、审批、沙箱
• 常见坑：死循环、错误累积、成本失控

第 7 章：AI 应用工程

• API Key、SDK、网关、代理
• 同步 / 异步 / 流式、SSE、WebSocket
• 会话管理、上下文管理、记忆
• 缓存、语义缓存、限流、降级
• 向量库、关系库、对象存储、队列
• 可观测性：日志、Trace、Token 统计、成本
• 部署：Serverless、容器、边缘、本地推理

第 8 章：评测与质量

• 评测集、基准、回归测试
• 自动评测、LLM-as-Judge、人工评测
• 准确率、召回率、忠实度、相关性、有用性
• A/B 测试、反馈闭环
• 护栏、内容过滤、敏感信息
• 幻觉检测、引用验证

第 9 章：安全、合规与成本

• 提示注入、越狱、数据泄露
• PII、隐私、脱敏、权限
• 版权、合规、模型卡
• Token 计费、输入 / 输出成本
• 缓存、批处理、延迟、吞吐

第 10 章：最小传统 AI/ML 词汇

• 机器学习、监督 / 无监督、训练 / 推理
• 特征、标签、过拟合、评估指标
• 微调、蒸馏、量化、LoRA
• 这些词在 AI 应用开发中什么时候会遇到

第 11 章：速查表与概念地图

• 术语中英对照
• 一页流程图
• 常见误区
• 推荐学习路径