🤖 AI 全栈学习资源路线图

从大模型核心算法到 AI 应用部署的全栈学习路径，分领域、分梯度精选论文、代码与教程。

---

⚠️ 重要声明

本项目完全由 AI Agent（Claude Code）通过 Exa 搜索引擎自动生成。

所有资源均由 Agent 自主搜索、筛选和整理。我没有逐条核对资料的准确性、时效性和质量——可能存在以下问题：

• 论文链接失效或版本过时
• 对资源重要性的判断有偏差
• 遗漏了该领域的经典工作
• 对中文社区资源的覆盖不够全面

如果你发现任何错误、遗漏或不合适的推荐，欢迎提 Issue 或 PR 指正！ 你的反馈对这个项目至关重要。

---

📖 这是什么？

这是一份 AI 全栈学习资源清单，覆盖从理论到工程的全链路：

AI 全栈
├── Batch 1: 核心算法层
│   ├── 01 基础模型算法    (KV Cache / 注意力变种 / 位置编码 / 长上下文 / 投机解码 / Norm&激活)
│   ├── 02 模型结构         (Transformer演进 / MoE / SSM / 新架构 / 压缩)
│   └── 03 预训练           (Scaling Laws / 数据策略 / 稳定性 / 高效训练 / 长上下文PT / 目标函数)
│
├── Batch 2: 训练与优化层
│   ├── 04 后训练           (SFT / RLHF / DPO / 指令微调 / 偏好对齐)
│   ├── 05 分布式训练       (DP / TP / PP / ZeRO / 3D并行 / 通信优化)
│   └── 06 AI Infra         (训练框架 / 推理引擎 / 算子优化 / 编译器 / 集群调度)
│
├── Batch 3: 部署与应用层
│   ├── 07 推理             (推理优化 / 量化 / 服务化 / PD分离 / Speculative)
│   ├── 08 AI 应用          (Agent / RAG / Coding / 工具调用 / Harness)
│   └── 09 评测与基准       (Benchmark / 评测框架 / 自动化评测 / 多维度)
│
└── Batch 4: 扩展领域
    ├── 10 多模态与视觉语言  (VLM / 视觉生成 / 语音 / 跨模态)
    ├── 11 数据工程与治理    (数据清洗 / 合成数据 / 数据配比 / 去重去污染)
    └── 12 AI 安全与对齐     (RLHF / 红队 / 价值观对齐 / 幻觉 / 越狱 / 可解释性)

---

📂 项目结构

AI-FullStack-Roadmap/
├── README.md                    # 本文件
│
├── batch-1-core/                # 丰富版 - Batch 1: 核心算法层
│   ├── 01-基础模型算法.md
│   ├── 02-模型结构.md
│   └── 03-预训练.md
│
├── batch-2-post/                # 丰富版 - Batch 2: 训练与优化层
│   ├── 04-后训练.md
│   ├── 05-分布式训练.md
│   └── 06-AI-Infra.md
│
├── batch-3-deploy/              # 丰富版 - Batch 3: 部署与应用层
│   ├── 07-推理.md
│   ├── 08-AI应用.md
│   └── 09-评测与基准.md
│
├── batch-4-extended/            # 丰富版 - Batch 4: 扩展领域
│   ├── 10-多模态与视觉语言模型.md
│   ├── 11-数据工程与治理.md
│   └── 12-AI安全与对齐.md
│
└── lean/                        # 精简版 v2.0（零基重写，独立闭环）
    ├── 01-基础模型算法-精简版.md
    ├── 02-模型结构-精简版.md
    ├── ...
    └── 12-AI安全与对齐-精简版.md

版本说明

版本	目录	定位	资源密度
丰富版	batch-*/	大而全，尽可能覆盖子方向所有优质资源	每阶段 5-8 项
精简版 v2.0	lean/	零基重选，独立闭环，只看"不看就血亏"的资源	每阶段 ≤3 项

精简版完全独立，不依赖丰富版——所有条目完整自足，零"参见丰富版"引用。

---

🎯 梯度定义

每个子方向的资源按三个梯度组织：

梯度	定位	前置条件	完成后水平
🟢 初级	子方向入门	CS336 级别的大模型系统通识	能读懂论文引言、跑通基础实验
🟡 进阶	子方向深入	已完成初级入门	能独立复现关键方法、达到实习面试要求
🔴 资深	子方向专家	已完成进阶深入	能独立开展研究/工程、达到正式岗位面试要求

资源类型图例

图例	类型
📄	学术论文
💻	开源代码库
📘	技术文档 & 教程
✍️	技术博客/专栏
🎓	课程

---

📊 进度

所有 12 个领域均已覆盖，丰富版 + 精简版共计约 370 项资源。

批次	领域	状态
Batch 1	01 基础模型算法	✅
Batch 1	02 模型结构	✅
Batch 1	03 预训练	✅
Batch 2	04 后训练	✅
Batch 2	05 分布式训练	✅
Batch 2	06 AI Infra	✅
Batch 3	07 推理	✅
Batch 3	08 AI 应用	✅
Batch 3	09 评测与基准	✅
Batch 4	10 多模态与视觉语言模型	✅
Batch 4	11 数据工程与治理	✅
Batch 4	12 AI 安全与对齐	✅

---

🤔 常见问题

这个路线图适合我吗？

如果你满足以下条件之一，可能会觉得有用：

• 刚学完 CS336 或类似课程，想深入某个子方向
• 准备 AI/ML 实习或正式岗位面试，需要系统性地补课
• 想了解大模型全栈技术栈的整体图景

丰富版和精简版怎么选？

• 快速浏览 / 面试冲刺 → 先看精简版（lean/），每阶段最多 3 项
• 深入研究 / 学术调研 → 看丰富版（batch-*/），覆盖更全面

为什么有些我觉得很重要的论文没收录？

因为这是 AI Agent 自动整理的，不是人工筛选的 😅。如果你觉得某篇论文值得加入，欢迎提 PR！

---

🙏 贡献指南

这个项目非常需要你的帮助！以下方式都可以：

• 🐛 纠错：论文链接失效、分类错误、信息过时 → 提 Issue 或 PR
• ➕ 补充：发现遗漏的重要资源 → 提 PR 添加到对应文件
• 💬 讨论：对路线图结构、梯度划分有建议 → 发 Issue 讨论
• ⭐ Star：觉得有用的话，点个 Star 支持一下~

提交 PR 前请先看看现有的资源格式，保持风格一致即可。

---

⚡ 生成方式

本项目通过以下流程自动化生成：

1. Claude Code Agent 针对每个子领域规划搜索策略
2. 调用 Exa Search 进行多轮语义搜索，覆盖学术论文、GitHub 仓库、技术博客等
3. Agent 对搜索结果进行去重、分类、分级和格式整理
4. 人工（我）进行目录级别的顶层规划，其余内容全部由 Agent 创作

没有经过人工逐条审核。 这就是为什么你的反馈特别重要！

---

📜 License

MIT © 2026

---

_{Made with 🤖 + ❤️ | Read the disclaimer}