AI 知识树（建议版）
这份文档不是要一次写完全部内容，而是先把“AI 词汇应该放在哪一层”固定下来。
你的站点继续保留这 6 个顶层栏目：
learning：学习顺序foundations：概念基础components：能力模块systems：系统搭建practice：实战项目resources：资料库
其中最容易混淆的，是 foundations / components / systems。可以先记一句话：
foundations：解释“这是什么”components：解释“这个能力怎么用”systems：解释“多个能力怎么拼成系统”
一套更细的目录草案
下面这棵树是建议版，你后续可以按它慢慢补文档，不需要一次建完。
text
docs/
├─ guide/
│ ├─ start-here.md
│ ├─ knowledge-architecture.md
│ ├─ ai-knowledge-tree.md
│ └─ site-roadmap.md
├─ learning/
│ ├─ index.md
│ ├─ web-developer-to-ai-roadmap.md
│ ├─ python-math-basics.md
│ ├─ classical-ml.md
│ ├─ deep-learning-core.md
│ └─ ai-web-product.md
├─ foundations/
│ ├─ index.md
│ ├─ ai-basics.md
│ ├─ ai-ml-dl-llm-relationship.md
│ ├─ transformer-basics.md
│ ├─ tokens-and-context-window.md
│ ├─ inference-vs-training.md
│ ├─ pretraining-sft-rlhf.md
│ ├─ fine-tuning-basics.md
│ ├─ reasoning-and-hallucination.md
│ ├─ multimodal-basics.md
│ ├─ evaluation-basics.md
│ └─ model-api-access.md
├─ components/
│ ├─ index.md
│ ├─ prompting.md
│ ├─ context-engineering.md
│ ├─ structured-output.md
│ ├─ embeddings.md
│ ├─ chunking-and-retrieval.md
│ ├─ reranking.md
│ ├─ embeddings-rag.md
│ ├─ knowledge-base-design.md
│ ├─ tool-calling.md
│ ├─ mcp-and-tool-protocols.md
│ ├─ memory-basics.md
│ └─ multimodal-io.md
├─ systems/
│ ├─ index.md
│ ├─ workflow-basics.md
│ ├─ agent-basics.md
│ ├─ agent-patterns.md
│ ├─ planning-and-decomposition.md
│ ├─ reflection-and-self-correction.md
│ ├─ state-and-memory-architecture.md
│ ├─ multi-agent-collaboration.md
│ ├─ guardrails-and-safety.md
│ ├─ evals-and-observability.md
│ ├─ cost-latency-reliability.md
│ ├─ llmops.md
│ ├─ harness-engineering.md
│ └─ agent-first-engineering.md
├─ practice/
│ ├─ index.md
│ ├─ prompt-playground.md
│ ├─ rag-lite.md
│ ├─ tool-agent.md
│ ├─ knowledge-chatbot.md
│ └─ coding-agent.md
└─ resources/
├─ index.md
├─ glossary/
│ └─ ai-glossary.md
├─ landscape/
│ ├─ model-vendors.md
│ ├─ agent-frameworks.md
│ ├─ vector-databases.md
│ └─ ai-product-patterns.md
├─ playbooks/
├─ reading-notes/
├─ reviews/
└─ templates/各层到底放什么
1. foundations 概念基础
这一层放“相对稳定”的东西，重点是建立脑子里的地图。
建议子主题：
- AI、ML、DL、LLM 之间是什么关系
- Transformer 是什么
- Token、上下文窗口、采样、大模型推理在说什么
- 训练、推理、预训练、SFT、RLHF 分别是什么
- 微调到底解决什么，不解决什么
- 推理能力、幻觉、能力边界
- 多模态模型基础
- 评估到底在评什么
常见词汇归类：
Transformer：放这里Token/Context Window：放这里Pretraining / SFT / RLHF：放这里Fine-tuning：先放这里Hallucination：放这里Reasoning：放这里
2. components 能力模块
这一层放“单个能力块”，重点是搞清楚每个模块独立解决什么问题。
建议子主题：
- Prompt 基础与提示结构
- Context Engineering
- Structured Output / JSON 模式
- Embedding
- Chunking
- Retrieval
- Reranking
- RAG
- Knowledge Base 设计
- Tool Calling
- MCP / 工具协议
- 多模态输入输出
- 基础记忆机制
常见词汇归类：
Prompt Engineering：放这里Context Engineering：放这里Structured Output：放这里Embedding：放这里Chunking：放这里Retrieval：放这里Rerank / Reranking：放这里RAG：放这里Tool Calling / Function Calling：放这里MCP：先放这里Memory：如果讲单个记忆能力，先放这里
3. systems 系统搭建
这一层放“组合关系”和“工程问题”，重点不是一个词本身，而是它如何在系统里协作。
建议子主题：
- Workflow 和 Agent 的区别
- 单 Agent 设计
- 多 Agent 协作
- Planning / Decomposition
- Reflection / Self-correction
- 状态管理与长期记忆架构
- Guardrails / 安全边界
- Evals / 观测 / 追踪
- 成本、延迟、稳定性
- LLMOps
- Harness Engineering
- Agent First Engineering
常见词汇归类：
Workflow：放这里Agent：放这里Planning：放这里Reflection：放这里Multi-Agent：放这里State Management：放这里Long-term Memory：放这里Guardrails：放这里Evals：放这里Observability：放这里Harness Engineering：放这里LLMOps：放这里
你提到的几个词，建议这样放
| 词 | 建议位置 | 理由 |
|---|---|---|
| RAG | components | 它本质上是检索增强这个能力模块 |
| Embedding | components | 它是 RAG 的底层能力块之一 |
| Chunking | components | 它属于检索链路里的拆分策略 |
| Reranking | components | 它属于检索排序能力 |
| Context Engineering | components | 它是“如何构造输入上下文”的能力设计 |
| Prompt Engineering | components | 它是最基础的单点能力模块 |
| Tool Calling | components | 它先是能力接口，再进入系统编排 |
| MCP | components | 先把它当工具接入协议理解最稳 |
| Agent | systems | 它不是单个能力，而是多个模块的组合体 |
| Workflow | systems | 它是系统组织方式 |
| Memory | components 或 systems | 讲单个记忆能力放前者，讲长期记忆架构放后者 |
| Harness Engineering | systems | 它是智能体时代的工程方法，不是单模块知识 |
| Evals | systems | 它关心的是整个系统是否稳定可控 |
| Guardrails | systems | 它关心系统边界，不是单点能力 |
一个很实用的判断规则
当你遇到一个新词时，可以按这三个问题判断它放哪：
- 它是在解释基础概念吗？ 是的话，放
foundations - 它是在解释某个单点能力怎么工作吗？ 是的话，放
components - 它是在解释多个能力怎么组合、约束、评估、落地吗？ 是的话，放
systems
后续推荐补充顺序
如果你想系统学 AI，不建议按流行词一个个追。更稳的补法是：
- 先补
foundations：把概念地图搭起来 - 再补
components：把 Prompt、RAG、Tool Calling、Context Engineering 补齐 - 再补
systems：把 Agent、Workflow、Evals、Harness Engineering 补齐 - 最后用
practice和resources做落地与复盘
最后一个建议
不要把所有词都变成顶层栏目。
更稳的做法是：
- 顶层只保留少量稳定分类
- 热门词、新术语、新框架都先挂到二级或三级主题下
- 只有当一类内容长期膨胀时，才考虑升级为独立专题
这样你的知识库不会因为 AI 圈的新词太多而不断重构。