企业官网建设流程全解析

如何一周搭起 AI Engineering 学习体系：aie-book 开源项目上手指南

【免费下载链接】aie-book[WIP] Resources for AI engineers. Also contains supporting materials for the book AI Engineering (Chip Huyen, 2025)项目地址: https://gitcode.com/GitHub_Trending/ai/aie-book

你写完了一个 LLM 应用 demo，效果不错。产品催上线，问题才刚开始：准确率多少才算可信？要不要引入 RAG（检索增强生成，简单说就是让模型先去查资料再回答）？用户会尝试注入提示词攻击它吗？答案散落在几十个博客里，质量参差。aie-book 是 Chip Huyen（O'Reilly 2025 年《AI Engineering》作者）维护的资源仓库，把 AI Engineering 学习资料集中在一个地方。

项目速写：资料架不是教程

aie-book 是一个为《AI Engineering》配套整理的开源资源项目，定位是"学习书架"：按章节提供内容摘要、精选文献索引、真实生产级 prompt 范例和社区读者笔记。它解决的是"学 AI Engineering 不知道从哪下手"的问题。

它不解决的是"照着敲就能跑"的问题。README 里明确写了：这不是教程书，仓库里几乎没有可运行代码。想找开箱即用的项目脚手架，这里不给你。

这张图就是书中给出的 AI Engineering 参考架构，也是整个仓库的知识主线：从用户请求出发，经过上下文构建、护栏（输入输出过滤，防止模型跑偏）、模型网关（统一管路由、生成和评分），最后返回结果。仓库里所有材料都可以往这个框架上挂。

能力拆解：三个最值得用的模块

10 章导航，先判断哪章重要

痛点：全书 500 页、15 万词，直接通读成本高，还不知道哪些章节和你的工作相关。解法：章节摘要 把 10 章各压成一段，配合 目录 可以 10 分钟判断出你该精读哪两章。比如你只做 prompt，重点看第 5 章；要上 RAG，重点看第 6 章。

按章过滤的 1200+ 资源索引

痛点：AI 领域新论文、新仓库每周爆发，自己追会追到崩溃。解法：资源清单 已经按章节分好类，作者写作时读过的论文、课程、工程博客都标在对应章下面，还附了 1000 多个 GitHub 仓库的追踪分类。

这张图直观说明了为什么需要索引：ChatGPT 发布后，AI 工程类仓库数量是陡峭上扬的，自己追信息流不可能追完。

生产级 prompt 范例

痛点：自己写的 prompt 永远是"请总结以下内容"，上线后格式、边界、安全全失控。解法：prompt 示例 收录了 Brex 财务助手、Cursor 任务分类器、Pinterest Text-to-SQL 等真实生产环境的系统提示词，能看到别人怎么加负样本、怎么写约束。

一条完整工作流：从"该不该做"到"选哪条技术路线"

下面这条路径照着走，能走完一个 AI 应用的前期决策全流程。

1. 判断该不该做：读章节摘要第 1 章，对照书里的用例评估清单，先判断你的场景值不值得做，再谈技术。为什么下一步：方向错了，后面的优化都是浪费。
2. 补理论：到资源清单里按你的用例找到对应章节，每章挑 1–2 篇最相关的读，不贪多。为什么下一步：理解模型能力边界后，你才知道 prompt 写不好是该换模型还是该换方法。
3. 写第一版 prompt：打开 prompt 示例，找最接近你场景的真实例子，改写成自己的，拿 20 条真实输入手工跑一遍，记录哪些失败。为什么下一步：失败样本是后面所有优化的依据。
4. 定技术路线：对照下面这张演进图，判断下一步该加检索（RAG）还是微调（用你自己的数据继续训练，让模型贴合场景）。大多数问题在 prompt 和 RAG 层就能解决。

新手避坑清单

• 症状：在仓库里找可运行的教程，找了一圈没有：README 明确说这不是教程书。解法：把书当正文、这个仓库当配套索引，分工别搞反。
• 症状：一上来就想微调，花了不少钱效果还不行：很多"需要微调"的问题其实是检索或 prompt 没做好。解法：按 prompt → RAG → 微调的顺序逐级验证，每级先做评估再往下走。
• 症状：摘要全读完，感觉都懂了，实际业务里用不上：解法：每读一章，就为自己的场景列 3 个检查项，拿真实数据验证，比如读完第 3–4 章就去搭一个最小评估集。
• 症状：担心仓库内容过时，跑去全网找 2026 年新论文：仓库主打不随工具过时的基础方法。解法：定期回看 resources.md 的按章索引就够了，别自己建第二套信息流。

第一周行动建议

• 今天：运行git clone https://gitcode.com/GitHub_Trending/ai/aie-book，打开 章节摘要 读完第 1 章，标出和你当前工作最相关的两章。
• 本周：从 prompt 示例 里挑一个最接近你场景的真实 prompt 改写成自己的，用 20 条真实输入跑一遍，把失败样本记下来。
• 下周：对照演进图，先跑通 RAG 或微调路线中的一条最小实现，把两版效果放在一起对比，留下你的第一份评估记录。

【免费下载链接】aie-book[WIP] Resources for AI engineers. Also contains supporting materials for the book AI Engineering (Chip Huyen, 2025)项目地址: https://gitcode.com/GitHub_Trending/ai/aie-book