16 · 你该挖哪一块

⏱ 20 分钟 ｜ ⭐⭐⭐ 这一章是整份导论的目的

🎯 一句话

前面 15 章给了你地图，这一章帮你画路线。三种方法：看结论、做决策树、或者打分。

📚 零、先看看站里已经有什么

这份导论只是索引，不是终点。选方向前先知道哪些路已经铺好了——挖到哪一块，顺着链接就能接着往下走：

🔑 两条会直接改变取舍的事实： ① 下面的结论表把「09 推理范式、11 评测、13 LLMOps」标成 ⚠️「不值得当成一个独立方向」—— 这不等于「别学」，而是它们已经被《智能体工程教程》完整覆盖了，去那里学就行。 ② 08 RAG 的召回/排序那一半，《推荐算法》已经讲透了—— 去挖 RAG 时，真正需要新学的只有「文档切分、embedding 选型、上下文组装」这几块。

📊 方法一：直接看结论表

我把 14 个方向按两个维度排了序。第四列不是在猜你会什么——它说的是「从哪个背景过来，这一块最省力」，对上了是省力，没对上不影响学：

图例：✅ 值得当成一个独立方向系统啃 ｜ 🟡 看你的情况 ｜ ⚠️ 内容量不足以独立成一个方向——跟相邻方向一起看，或直接去站内已有的板块学

🌳 方法二：决策树（30 秒出答案）

   你现在最想解决的问题是什么？
   │
   ├─「想让 AI 用上我们的文档/知识库」
   │      → 👉 08 RAG   ★ 最高优先级，见效最快
   │
   ├─「老觉得知其然不知其所以然，想搞懂原理」
   │      → 👉 02 Transformer（+03 Tokenizer）
   │
   ├─「API 账单太贵 / 数据不能出内网」
   │      → 👉 06 推理优化 + 07 本地部署
   │
   ├─「想让模型有特定风格/格式，或用小模型省钱」
   │      → 👉 05 微调（但先确认不是 RAG 能解决的！）
   │
   ├─「要做图像/语音/视频应用」
   │      → 👉 10 多模态
   │
   ├─「想进模型团队 / 做研究」
   │      → 👉 02 → 04 → 12（按这个顺序）
   │
   ├─「要做 To B 企业交付」
   │      → 👉 08 RAG + 07 本地部署 + 14 合规
   │
   └─「就是想全面了解，没有具体目标」
          → 👉 02 Transformer（它是理解其他一切的钥匙）

🎯 方法三：打分表（拿不定主意时用）

给每个方向按三个问题打分，总分最高的就是答案：

💡 ADHD 专属提醒：第 ② 列（兴奋度）权重要加倍。 你能坚持学完的，一定是让你有兴趣的那个，不是「理论上最该学」的那个。 一个学完的次优选择，胜过三个半途而废的最优选择。

🏆 如果你要我直接推荐

🥇 首选：08 RAG 深水区

理由： - 实用价值第一——企业知识库是当前最主流的落地形态 - 迁移余地最大——⭐ 如果你做过推荐或搜索，召回/粗排/精排/重排、Recall@K/NDCG、向量检索至少一半直接复用（本站《推荐算法》讲的就是这一套）；没做过也不吃亏，它是全表门槛最低的几块之一 - 见效最快——一周能做出可用的东西 - 零硬件门槛——不需要 GPU，不需要新数学

这块有多大：大致是 15–18 章的量，其中必须有一个「从 demo 版做到生产版」的完整改造练习——RAG 的难全在这一段，只做 demo 学不到。

🥈 次选：02 Transformer 原理（含 03 Tokenizer）

理由： - 认知价值第一——补完这块，你前面学的所有结论会突然通透（为什么上下文腐烂、为什么长上下文贵、为什么数不清字母） - 不大——手写一个 GPT 一个周末能搞定 - 是其他方向的地基——想挖 04/05/06/10 任何一个都得先有它

这块有多大：大致是 12–15 章的量，核心是一个「手写 GPT 并训起来」的项目——那个项目做完才算真的过了这一关。

🥉 第三：看你的具体情况

• 有账单压力/合规要求 → 06 推理优化 + 07 本地部署
• 做内容/语音产品 → 10 多模态
• 想进模型团队 → 04 训练三阶段

🗺️ 三条推荐路线（如果想连着学）

 【路线 A · 实用派】—— 最快产出价值
    08 RAG → 06 推理优化 → 05 微调
    适合：做应用、做交付、要出成果

 【路线 B · 原理派】—— 建立完整认知
    02 Transformer → 04 训练三阶段 → 05 微调 → 12 对齐
    适合：想搞懂本质、想转模型岗

 【路线 C · 全栈派】—— 端到端能力
    02 原理 → 08 RAG → 06 推理优化 → 07 部署
    适合：想独立做完整的私有化 AI 系统

✋ 四个「先别急」的提醒

① 别一次选三个。 选一个，学完，再选下一个。这份导论会一直在这，不会跑。

💡 为什么这条对 ADHD 特别重要：同时开三个方向的真实结果是 三个都停在第 3 章——因为每次回来都要重新加载上下文，切换成本高得惊人。 一个学完的次优选择，胜过三个半途而废的最优选择。

② 别选「应该学」的，选「想学」的。 ADHD 大脑对「应该」的东西抵抗力极强，对「好奇」的东西续航惊人。

③ 有些方向真的不用单独挖。 标 ⚠️ 的那几个（03/07/14/15），内容量撑不起一个独立方向—— 本导论对应的那一章已经给了 70–80% 的价值。 而 09/11/13 在《智能体工程教程》里有完整版，直接去那儿。

④ 先做一个能跑的小东西，再决定要不要深挖。 ⭐

   ❌ 花两周读完一个方向的所有材料，再决定要不要做
   ✅ 花一个下午做一个最小 demo，用手感来决定 ⭐

   例：想挖 RAG？
       先花 2 小时用 20 行代码做一个「读 PDF + 问答」的玩具
       → 做完你会立刻知道：这条路是不是你想走的

这比任何决策树都准。

✅ 现在做一件事

回到上面的决策树，30 秒内给自己一个答案。写在这：

   我选：____________________

   理由：____________________

然后直接开始第一步——不是"准备开始"，是打开编辑器写第一行代码， 或者点开对应教程的第一章。决定的价值只在被执行时才兑现。

✅ 检查点

1. 站内已有的板块覆盖了本导论的哪几章？这对结论表里标 ⚠️ 的那几章意味着什么？
2. 挖 RAG 时，哪一半站内已经讲透了？真正需要新学的是什么？
3. 三种决策方法各适合什么情况？
4. 打分表里哪一列该加倍权重？为什么？
5. 为什么"别一次选三个"对 ADHD 特别重要？
6. 第 ④ 条提醒说了什么？为什么它比决策树更准？

🛑 导论到此结束

⚡ 走神救援

⭐ 先看站里已有什么：《智能体工程教程》已完整覆盖 09推理范式/11评测/13LLMOps（结论表里那三个⚠️不是"别学"，是"别在这儿学，去那儿学"）；《推荐算法》已经讲透了 08 RAG 的召回/排序那一半——挖 RAG 真正要新学的只有文档切分/embedding选型/上下文组装。决策结论：首选 08 RAG（实用第一+见效最快+零硬件门槛，做过推荐/搜索的人迁移余地还最大），次选 02 Transformer（认知价值第一+是其他方向地基+一个周末能搞定）。有账单压力→06推理优化；做内容语音→10多模态；想进模型岗→04训练→12对齐。三方法：结论表(快速对比)/决策树(有痛点时30秒出答案)/打分表(兴奋度那列权重加倍——你能学完的一定是有兴趣的那个)。四提醒：①别一次选三个(ADHD 同开三个的真实结果是三个都停在第3章，切换成本极高)②选想学的不选该学的 ③03/07/14/15 别单独挖 ④⭐先花一个下午做个最小 demo，用手感决定——这比任何决策树都准。

👉 回到导论首页 ｜ 智能体工程教程 ｜ 推荐算法教程