AI工程师的上限由工程内功决定，能力须沿阶梯逐级修炼

知识以周为单位碎片化更新，会 Python 写不出工程级代码，懂 Transformer 难以亲手训练，能调 API 却扛不住一千 QPS——碎片拼不出完整航图。本书回应的正是：如何把碎片串成从入门到精通的系统路径。

AI工程师能力阶梯

工业级Python编程、后端API开发与Docker容器化部署等基础工程能力。

它如武学内力，决定未来上限；内功不深，再炫的模型也落不了地。

用自有数据对预训练大模型做继续训练，使其适配特定任务的范式。

它是定制模型的核心手段，涵盖数据准备、训练与效果评估全流程。

检索增强生成——先检索外部知识，再交由大模型生成答案的架构。

它以较低成本注入实时与私域知识，是智能问答系统的主流方案。

让大模型自主规划、调用工具、迭代完成任务的智能体应用范式。

它把模型从回答者变为执行者，是通往AGI应用的关键形态。

通过量化、vLLM、KV Cache与批处理策略压榨推理服务的性能。

原型与商业产品之间隔着性能鸿沟，优化是降本增效的硬核能力。