最近这几个月的时间我一直在补 AI 应用开发、AI 编程实战和 AI 面试这几块内容。现在把它们整理成一份开源指南AIGuide。所有内容完全开源免费你甚至能够克隆到本地在线阅读。这份指南写给想系统学习 AI 应用开发和 AI 工程落地的同学。后端、前端、测试、架构师、技术管理者、产品技术同学都可以看。你不用先转算法岗也不用一上来啃训练框架和论文公式这里重点放在 LLM、Agent、RAG、MCP、Prompt、评测、系统设计、Claude Code、Codex 这些做应用时会真正碰到的东西。如果你本来是 Java / Go 后端高并发、缓存、数据库、消息队列、可观测性这些经验都能迁移过来如果你是前端、测试或产品技术方向也可以从 Prompt、RAG、Agent、AI Coding、评测和系统设计切入先看清楚一个 AI 功能从 Demo 到上线中间到底缺哪些环节。项目地址https://github.com/Snailclimb/AIGuide在线阅读https://javaguide.cn/ai/AI 编程专题https://javaguide.cn/ai-coding/目前每篇文章都会尽量配上真实工程场景、关键参数、踩坑点和图解。有帮助的话欢迎 Star也欢迎提 Issue 一起补内容。AIGuide 内容概览大量配图发布之后收到了不少读者朋友的反馈和推荐。感谢大家我会继续维护。AIGuide 收到了很多读者朋友的好评和推荐怎么读第一次系统学 AI 应用开发可以按这个顺序走先看大模型基础把 Token、上下文窗口、采样参数、API 调用、结构化输出和评测搞清楚。再看RAG企业知识库问答最常见坑也最多文档处理、向量检索、更新链路和评测都要补。接着看AI Agent重点理解 Tool Calling、Memory、MCP、Skills、Workflow / Graph / Loop。最后看AI 系统设计把 Demo 放进生产环境处理网关、限流、fallback、成本、观测、安全和灰度。AI Coding 可以跟着日常工作一起练。写业务代码、改前端页面、补测试、做重构、查线上问题这些任务都能拿 Claude Code、Codex、Cursor、Trae 这类工具试起来。真正用顺之后它会直接改变你写代码、查问题和做验证的节奏。为什么还要做 AIGuideJavaGuide 已经维护很多年了。大三准备秋招面试时我创建了 JavaGuide2018-05-07提交了第 1 个 commit。早期做 Java 的朋友应该有不少人听过这个项目。这两年有人问我现在大家都直接问 AI知识库类开源项目还有必要继续做吗这个问题我也想过。现在查技术问题直接问 AI 确实很快几秒钟就能给你一段看起来完整的答案。对知识库项目来说这肯定有影响。但快不等于准。AI 解释一个概念时可能夹着过时版本、不推荐的方案甚至会编出不存在的 API。更麻烦的是它未必知道真实招聘环境里现在问什么、项目里哪些方案能落地、哪些内容只适合写 Demo。比如 RAG你只知道“检索增强生成”还不够。文档怎么切向量库怎么选召回差怎么排查Rerank 加在哪一层评测集怎么做这些问题最后都会落到代码、数据和指标上。这些判断需要有人长期跟着技术和招聘环境一起更新。有意思的是我从来没专门做过 GEO也没刻意迎合 AI 搜索但 JavaGuide 相关内容已经经常被各种 AI 推荐。个人猜测的核心原因是内容长期稳定结构清楚错误少有真实开发场景。AI 也需要这样的资料当参考。大模型首推球友的反馈AIGuide 做的也是这件事把容易被讲虚、讲错、讲过时的内容整理成开发者能读、能练、能放进项目和面试里的材料。AIGuide 包含哪些内容大模型基础我见过不少开发者调 LLM 参数基本靠试。Temperature 设 0 不行就换 0.7上下文窗口塞满了模型开始漏信息就删几条历史消息结构化输出崩了再换个 Prompt 试试。这很容易变成玄学。AIGuide 会把 Token、上下文窗口、Temperature、Top-p、Max Tokens 这些概念当成工程参数来讲。比如中文和英文的 Token 消耗差在哪Temperature 已经设成 0结构化输出为什么还可能崩上下文窗口满了之后模型漏信息通常出在哪LLM API 从 Hello World 到生产可用中间要补哪些超时、重试、取消和幂等逻辑Golden Set、LLM-as-Judge、Trace 回放和 CI 回归怎么配合做评测这些东西搞清楚之后调参和排查才有依据。AI AgentAgent 很火但系统一点的中文资料并不多。很多文章停在概念层或者直接丢一堆框架代码读完还是不知道自己的 Agent 该怎么设计。AIGuide 会从 Agent Loop、Plan-and-Execute、A2A、Agentic Workflows、Tools 注册这些基础概念讲起再往下拆 Memory、Prompt、Context Engineering、MCP、Skills 和 Harness Engineering。一些容易被带过的问题会单独展开Agent Loop 怎么转什么时候退出Tool Calling 的参数怎么校验短期记忆和长期记忆分别放哪里Context Engineering 和 Prompt Engineering 差在哪Skills、MCP、Function Calling 各自解决什么问题Workflow / Graph / Loop 怎么把 Agent 的不确定性关进可控边界里Prompt 注入攻击也会单独讲。这里会拆攻击方式、上下文隔离、权限收口、人工确认和输出过滤这些工程手段。RAGRAG 是企业落地里很常见的一条路但不少人对它的理解还停留在三步文档切块、转向量、检索。Demo 阶段这么做可以跑起来。到了生产环境麻烦会一层层冒出来。PDF 解析顺序乱了怎么办Chunk 大小怎么定切大了召回不准切小了上下文不够。HNSW、IVFFLAT、pgvector、Milvus、Elasticsearch 怎么选文档更新后怎么去重、灰度、回滚Hybrid Search、Query Rewrite、Rerank 到底该放在哪AIGuide 会围绕企业知识库问答把文档处理、向量数据库、知识库更新、GraphRAG、检索优化和 RAG 评测分开讲。RAG 最容易被低估。看起来只是“查一下资料再回答”真正做起来全是细节。AI 系统设计很多 AI 功能在本地 Demo 里很好看一上线就开始出问题模型超时Token 成本飙升Prompt 改完效果变差RAG 检索结果没权限过滤Agent 调工具调到一半失败。这部分内容会从后端系统角度看 AI 应用AI 应用架构怎么拆模型网关怎么做多模型路由、fallback、限流和计费Prompt、RAG、Memory、Tool、评测、安全怎么放进一条链路里成本、观测、审计和灰度怎么设计实时语音 Agent 里ASR、TTS、VAD、打断处理和低延迟优化怎么配合这也是后端、架构师和技术管理者最容易迁移经验的部分。AI 应用最终还是要进业务系统工程治理绕不开。需要提前说明的是这块内容目前还比较单薄在持续优化完善中。AI 编程实战概念看懂是一回事真正动手又是另一回事。AIGuide 的 AI 编程实战会覆盖一些真实开发场景IDEA Qoder 做接口优化和代码重构Trae MiniMax 排查 Redis 故障、做跨语言重构Claude Code 接 GLM-5.1 做 JVM 智能诊断和慢 SQL 治理DeepSeek V4 Claude Code 做代码审计、数据库迁移和多模型协作MiniMax M3 Claude Code 处理 Redis 故障排查、SCAN 算法复刻和监控面板搭建Claude Desktop 通过 CC Switch 接入第三方模型JetBrains 里接 Claude Code / Codex GUI改善日常开发体验这些内容不会只停在“模型给了个建议”。我更关心它能不能进入真实开发流程能不能读懂项目上下文能不能改对代码能不能跑验证出错后能不能定位原因。AI 编程技巧会用 AI 编程工具和真正用好是两件事。这部分会聊 Claude Code、Codex、Cursor、Trae、Qoder 这类工具怎么选也会拆一些实际工作流Claude Code 的配置、Sub-Agent、多实例协作和上下文管理 -CLAUDE.md怎么写项目变大后怎么拆simplify、code-review、loop、batch、run、verify这些命令适合哪些任务TDD、代码审查、网页自动化这类 Skills 怎么改善 AI 编程体验Codex 的配置、AGENTS.md、任务拆解、验证和安全边界Spec Coding 怎么把需求、约束、验收标准写清楚再让 AI 动手目标很直接少靠感觉多靠上下文、规则、验证和复盘。学习路线与面试题README 里也把学习路线和面试题入口单独拎出来了方便按目标查。学习路线这块包括学习路线合集2026 最新版[2]Java/Go 开发者 AI 应用开发与 Agent 学习路线2026 最新版[3]后端开发者转型 AI Agent 学习建议2026 最新版[4]后端开发者全栈学习路线2026 最新版[5]面试题这块包括AI 应用开发面试题专题[6]AI 应用开发面试指南[7]大模型基础面试题总结[8]AI Agent 面试题总结[9]RAG 面试题总结[10]AI 系统设计面试题总结[11]我不太建议把这些内容当成 AI 八股去背。更好的用法是先用路线搭学习顺序再用面试题查漏。能结合自己的项目讲清楚才算真正学进去了。假如你从2026年开始学大模型按这个步骤走准能稳步进阶。接下来告诉你一条最快的邪修路线3个月即可成为模型大师薪资直接起飞。阶段1:大模型基础阶段2:RAG应用开发工程阶段3:大模型Agent应用架构阶段4:大模型微调与私有化部署配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】