学习路径总览

这组内容来自 ai-study 里的学习路线和阶段任务，但已经按当前仓库的结构重新组织过。

这里不回答"概念是什么"，而是回答另外一类问题：

• 先学什么，后学什么
• 每个阶段要做出什么交付物
• 配套代码和复盘应该放在哪

为什么单独拆成 learning

当前站点已经有比较清晰的分工：

• foundations：解释核心概念和技术边界
• components：拆 Prompt、RAG、Tool Calling 这类能力模块
• systems：记录 agent 搭建、模式和工程化方法
• practice：汇总真正可运行的最小示例
• resources：放模板、复盘、资料卡和 playbooks

而 ai-study 里的核心价值，是一条面向 Web 开发者的学习路线和阶段实践计划。它和 foundations 不是一类内容，硬塞进去会让栏目职责变混。

当前仓库里的推荐落位

• docs/learning/：路线图、阶段目标、任务清单、验收标准
• examples/learning/：每个阶段的配套可运行代码
• docs/resources/reviews/：每周复盘、阶段复盘
• docs/resources/templates/：知识卡片、项目总结、PRD 模板

配套代码按阶段组织：

examples/learning/
├─ stage-1-python-math/     # Python 语法、NumPy、数学概念
│  ├─ scripts/              # 4 个可运行脚本
│  └─ notebooks/
├─ stage-2-classical-ml/    # Titanic 建模全流程
│  ├─ src/                  # 数据探索 + 模型对比
│  └─ models/
├─ stage-3-deep-learning/   # PyTorch 训练流程
│  ├─ src/                  # Tensor 基础 + MNIST 分类
│  └─ models/
└─ stage-4-ai-web-product/  # AI 问答产品
   ├─ backend/              # FastAPI 后端
   └─ frontend/             # 问答界面

这样文档和代码的边界会比较清楚：

• 学习说明、任务清单放 docs/learning
• 真的能跑的脚本或项目放 examples/learning/
• 其他模块性知识分别回到 foundations / components / systems / resources

推荐阅读顺序

1. Web 开发者转 AI 学习路线 — 总体路线、周计划、自我评估
2. 阶段 1：Python 与数学基础 — 环境搭建、语法对比、数学代码验证
3. 阶段 2：经典机器学习 — Titanic 全流程、Pipeline、模型对比
4. 阶段 3：深度学习核心 — PyTorch 训练、CNN/LSTM、模型部署
5. 阶段 4：AI + Web 产品化 — LLM 集成、RAG、Agent、前端界面

每个阶段都包含：阶段目标、核心任务（附带完整代码）、推荐资料、交付物清单和完成标准。

怎么和现有栏目配合看

• 看不懂概念时，回到 概念基础
• 要理解 Prompt、RAG、Tool Calling，回到 能力模块
• 要做 agent、自动化或工程化时，回到 系统搭建
• 要整理模板或复盘方式时，回到 资料库
• 要验证理解是否落地，去看 实战项目