AI 工程文档系统 · 应用层学习路线图

面向开发工程师团队 | 对接第三方大模型 API，不做模型训练/微调 | 服务于《AI 工程文档智能处理系统》投标与交付

定位原则：本项目的 AI 本质是「RAG + 文档智能 + 可信审查」的工程组合。大模型只是被调用的算力， 真正的技术壁垒在检索质量、文档解析、长文本处理、结果可信度与评估体系。 你们不需要学 Transformer 数学推导、预训练、SFT/LoRA 微调、CUDA/算子优化。 唯一例外：Embedding 与 Rerank 两个小模型需本地私有化部署（满足"数据不出内网"），你们要会部署和选型，但同样不必训练。

一、知识模块地图（学习顺序 = 依赖顺序）

顺序很重要：必须先打通「文档解析 + 检索」，再碰审查，否则 2000 页一致性会直接卡死。

① LLM 基础→ ② Prompt 工程→ ③ RAG 检索增强→ ④ 文档智能解析→ ⑤ Agent 编排→ ⑥ 长文本可信审查→ ⑦ 评估体系→ ⑧ 私有化部署集成

③ RAG 是本项目权重最高的模块（约占 40% 工作量）；⑥⑦ 是验收能否通过的关键（约 30%）。

模块 ①

LLM 基础认知

Token / 上下文窗口 / 采样参数 / 幻觉机制 / 推理与训练的边界

模块 ②

Prompt 工程

结构化提示词、Few-shot、角色约束、反馈重写(refine)链路

模块 ③

RAG（核心）

Embedding、分块、向量库、混合检索、Rerank、元数据过滤

模块 ④

文档智能解析

docx/PDF 解析、版面、OCR、结构化抽取、数值/单位 NER

模块 ⑤

Agent 编排

LangChain/LlamaIndex、DAG 工作流、工具调用、SSE 流式

模块 ⑥

长文本可信审查

长上下文策略、条目对齐、确定性计算、可信度分级、降误报

模块 ⑦

评估体系

忠实度/完整性/格式合规三维、Ragas/DeepEval、专家抽评

模块 ⑧

私有化部署集成

本地 Embedding/Rerank、API 网关、SSO、OpenAPI 同源

二、分模块学习路径 + 在线课程推荐

模块 ① LLM 基础认知（调用视角，不学底层）

本模块只学"怎么调用"，不学原理：只需搞懂 4 件事——① Token 与上下文窗口是什么、怎么计费；② temperature / top_p 等采样参数对输出的影响；③ Function Calling / 工具调用怎么用；④ 什么叫幻觉、怎么规避。不要看 Transformer 结构、注意力数学、预训练/微调——那些对本项目零收益。
课程平台语言形式说明
《ChatGPT Prompt Engineering for Developers》DeepLearning.AI中文字幕免费吴恩达出品，1.5h，入门必看，把 Token/提示词讲透
李宏毅《生成式 AI 导论 2024》B站合集B站中文免费概念打底，讲清"推理≠训练"；跳过训练相关章节，只看能力/安全/对齐
浙江大学《大模型原理与技术》B站B站中文免费覆盖语言模型基础/架构/Prompt/RAG；只看 Prompt/RAG 章节，跳过 Transformer/RNN/训练数学
《Generative AI for Beginners》（21 课）Microsoft / GitHub中英免费含代码示例，体系完整，适合零基础工程师
《Generative AI with Large Language Models》Coursera中英付费/证书DeepLearning.AI + AWS，覆盖评测与部署的系统课

模块 ② Prompt 工程与任务设计

课程平台语言形式说明
《ChatGPT Prompt Engineering for Developers》DeepLearning.AI中英免费同上，Prompt 部分反复看
《Building Systems with the ChatGPT API》DeepLearning.AI英免费Function Calling、链式调用，对应 4.2.1.2 字段级重写
《Prompt Engineering with Llama 2 / Claude》DeepLearning.AI / Anthropic英免费系统提示词、约束与格式控制，对应 docx 格式保留
【AI大模型实战】2 小时彻底掌握提示词工程 B站B站中文免费中文通俗版 Prompt Engineering，对应 4.2.1.2 字段级提示词编写

模块 ③ RAG 检索增强生成 核心

课程平台语言形式说明
《LangChain: Chat with Your Data》DeepLearning.AI中英免费Harrison Chase 主讲，RAG 入门必看，对应 4.2.1.3/4.2.3.1
《Building and Evaluating Advanced RAG Applications》DeepLearning.AI英免费LlamaIndex，高级 RAG + 评估，覆盖混合检索/Rerank
《Vector Databases: from Embeddings to Applications》DeepLearning.AI英免费Weaviate，向量库原理，理解"向量+全文+SQL"混合
Hugging Face《RAG Course》Hugging Face英免费官方实战课，含代码
《大模型 RAG 应用开发实战》极客时间中文付费中文友好、工程化视角，适合团队统一学习
LangChain《Chat with Your Data》B站(中英搬运)B站中英免费吴恩达原课搬运，RAG 入门，附课件代码
【2026版】Agentic RAG 智能体系统教程 B站B站中文免费企业级 RAG 实战，含分块/向量库/检索/RAG 评估

模块 ④ 文档智能与解析

课程平台语言形式说明
《Building Document AI Applications》DeepLearning.AI英免费文档抽取、表格/版面理解，对应 4.2.1.1 模板解析
Hugging Face《Document Question Answering / Multimodal》Hugging Face英免费多模态文档，对应扫描件/图纸处理
实战：Unstructured / python-docx / layout-parser 官方文档GitHub英免费必做：docx 字段标记解析、格式保留导出是本系统底座
多模态 RAG 实战（PDF+OCR+布局识别）B站B站中文免费pdf 转图 + PaddleOCR 布局识别 + 向量化，对应扫描件/图纸解析
大模型零基础系统教程（含 docx/RAG/LangChain）B站B站中文免费含 docx 文档处理、RAG 系统搭建、评估指标，工程化视角
信息抽取 / NER 实战（BERT）B站中文免费对应 4.2.2.3 数值-单位三元组抽取（B站搜"命名实体识别 NER"）

模块 ⑤ Agent 与多步编排

课程平台语言形式说明
《Functions, Tools and Agents with LangChain》DeepLearning.AI英免费工具调用、Agent 基础
《LangGraph》系列（Agentic Design Patterns / Computation with LLMs）DeepLearning.AI英免费多步编排、状态机，对应 4.2.1.4 字段级任务状态机
Hugging Face《Agents Course》Hugging Face英免费官方 Agent 课，含评测
李宏毅《生成式 AI 导论 2024》第 9 讲 用 LLM 打造的 AI Agent B站B站中文免费概念讲清 Agent 原理，对应多步编排
LangChain4j 实战教程（Java）B站B站中文免费若后端用 Java 栈，直接上手 RAG/工具调用/MCP

模块 ⑥ 长文本与可信审查工程

课程 / 资料平台语言形式说明
《Advanced RAG》（含长上下文章节）DeepLearning.AI英免费长上下文检索策略
OpenAI / Anthropic 官方 Cookbook（Citation、Long Context）GitHub英免费引文溯源、长上下文用法，对应 4.2.2.6 依据溯源
论文精读：《Lost in the Middle》《Self-RAG》《RAPTOR》arXiv / 博客英免费理解长文本漏检机理与缓解，对应 2000 页一致性
李宏毅《生成式 AI 导论 2024》第 13 讲 安全性议题 B站B站中文免费幻觉、对齐、可信度概念，对应审查可信分级
RAG、剪枝与卸载：AI 长上下文的终极解决方案 B站B站中文免费上下文工程/长文本失败模式，对应 2000 页一致性

模块 ⑦ 评估体系 验收关键

课程平台语言形式说明
《Evaluating RAG Applications with Ragas》DeepLearning.AI英免费忠实度/完整性指标，对应 4.2.1.4 准确率 80%/95%
Ragas / DeepEval 官方文档与示例GitHub英免费自动评测流水线，项目一开始就要建
自建专家打分后台（项目内）—中文自建三维抽评 + 标注测试集，验收红线

模块 ⑧ 私有化部署与集成

课程 / 资料平台语言形式说明
各向量库 Quickstart（pgvector / Weaviate / Chroma）官方文档中英免费pgvector 与元数据 SQL 同库，完美适配 4.2.3.1
本地 Embedding/Rerank 部署（bge-m3）HF Transformers / Ollama / vLLM中英免费满足"数据不出内网"，必会部署与选型
《Deploying LLM Applications》/ vLLM 部署教程DeepLearning.AI / 社区英免费推理服务化
SSE 流式 + OpenAPI 同源（通用后端教程）MDN / 后端框架文档中文免费对应 4.2.1.4 SSE、4.2.4 API 规范

三、12 周团队学习计划（建议）

第 1–2 周
模块①+②：全员看完吴恩达 Prompt 课 + 李宏毅导论；写 10 个字段级 Prompt 模板跑通 Demo。
第 3–5 周
模块③（核心，给足时间）：LangChain Chat with Data + Advanced RAG；搭好 pgvector + 混合检索 + Rerank 的最小闭环，用院内样例模板验证。
第 6–7 周
模块④+⑧：docx 字段解析与格式保留；本地部署 bge-m3 Embedding/Rerank，打通私有化检索。
第 8–9 周
模块⑤：LangGraph 编排报告生成工作流；SSE 流式输出；字段独立重生成。
第 10–11 周
模块⑥+⑦：长文本一致性（数值 NER + 跨章节比对）、审查结论分级、Ragas 评测流水线 + 专家抽评后台。
第 12 周
端到端试点闭环：仅跑通"1 个报告类型 + 1 个审查场景"全链路，团队复盘，再横向铺开（呼应 4.1.3 试点先行）。

四、资源汇总（可直达）

五、给团队的两点提醒

1. 不要本末倒置：纯 LLM 应用层其实不难，"调 API + 写好 Prompt" 1–2 周就能上手。真正拉开差距的是 RAG 检索质量、文档解析准确度、长文本一致性、评估体系——这些没有现成课，要靠项目里用真实样例反复打磨。

2. 评估先行：4.2.1.4 的"准确率 80%/95%"是合同条款。建议第 1 周就拉招标方给的样例模板建标注测试集，否则后期无法证明达标。

本路线图对应《AI 工程文档智能处理系统技术规范书》4.2 节 AI 能力要求，聚焦应用层工程化，不含模型训练/微调。 课程信息以各平台官网为准；免费课居多，中文友好选项已标注。建议结合 4.1.3「试点先行」策略滚动推进。