louisfb01/start-ai-engineering

它解决了什么问题

这是一份完整、实用的指南，适合任何零基础或几乎没有编程或 AI 背景、希望在 2026 年成为一名优秀 AI 工程师的人。该领域已远不止简单的提示工程，本指南汇集了您所需的视频、文章、书籍、课程和真实项目，以培养 AI 系统背后的判断力：决定构建什么、选择架构、评估结果，以及判断何时可以安全发布。

它的运作方式

本指南根据您的学习偏好进行组织：短视频、长篇书籍、在线课程、动手项目和特定主题的深入探讨。它涵盖了完整的现代 AI 工程栈：上下文工程、检索增强生成（RAG）、嵌入和向量数据库、工具和模型上下文协议（MCP）、工作流、智能体、多智能体系统、评估和可观测性、微调、多模态和语音应用、部署以及安全。每个资源都带有 1 到 10 的难度标记，因此您可以从自己的水平开始。没有唯一正确的顺序；建议的默认路径从基础视频开始，然后是一门免费课程、一两本书、两三个小项目，最后是评估、追踪和部署。

适合谁

适合零基础或几乎没有编程、AI 或机器学习背景、希望在 2026 年成为 AI 工程师的人。也适合已经了解一些 Python 并希望转向基于 LLM 的系统的开发者。本指南明确警告不要盲目依赖编码智能体，并强调培养 AI 工作背后的决策层。

亮点

• 几乎所有内容都是免费的；付费资源有明确标注，部分链接是联盟链接，在不增加额外费用的情况下支持本指南。
• 涵盖完整的 2026 AI 工程栈，从提示到推理模型、RAG、智能体、评估、微调、语音和部署。
• 每个资源都包含难度评级（1-10），以便您调整节奏。
• 为初学者建议默认学习路径，并提供个性化提示，可粘贴到 AI 编码智能体中。
• 由 Louis-François Bouchard 策划，他是一名 AI 工程师，在 Towards AI 招聘咨询工作，并在 2026 年全年更新。