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 HuyenOReilly 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。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。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。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。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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何一周搭起 AI Engineering 学习体系：aie-book 开源项目上手指南
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 HuyenOReilly 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。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。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。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。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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考