CV、NLP、LLM 和 Agent 怎么选：AI 就业方向学习地图
解释计算机视觉、自然语言处理、大语言模型和 AI Agent 的关系、典型任务、技术栈与作品集差异，帮助学习者按兴趣、已有基础、目标行业和就业岗位选择一条主方向。
AI 学习路线
精选AI 学习路线领域的 AI 与开发者文章，共 6 篇，持续更新行业观察、教程与实践。
AI 学习第一阶段：Python、Git、Linux、SQL 与数据处理
把 AI 入门所需的公共工程基础拆成可验收任务：Python 编程、命令行、Git、SQL、NumPy、pandas、可视化和 API 基础，并给出练习项目与进入机器学习阶段的判断标准。
AI 学习进阶：从 LLM API、RAG 到 Agent 生产化
面向就业项目的 LLM 应用路线：依次掌握模型 API、结构化输出、Embedding、RAG、工具调用、Agent 工作流、评测、安全、成本、监控和部署，并建立生产验收标准。
AI 学习第二阶段：机器学习、深度学习与 Transformer
从数据切分、基线和指标开始学习机器学习，再进入 PyTorch、神经网络和 Transformer；重点说明数学学到哪里、实验如何记录，以及怎样判断模型真的有效。
AI 人工智能学习路线：从零基础到就业的完整地图
面向零基础和转行学习者的 AI 就业路线图：先建立 Python、数据与工程公共底座，再进入机器学习和深度学习，最后按 CV、NLP/LLM、Agent 应用三条方向完成作品集与求职准备。
AI 求职最后一阶段：作品集、GitHub、简历与面试
把学习成果转化为求职证据：规划三个递进 AI 项目，完善 GitHub README、在线演示和技术复盘，并针对算法、LLM 应用与 Agent 工程岗位准备简历和面试。