HarmonyFidelisHarmonyFidelis
登录
AI 基础LLM 原理LLM 技能评估术语表构建器

Aura · AI 学习路径

理解 AI。使用 LLM 构建。验证真实效果。

一张循序、实用的地图：机器学习、深度学习、Token、Transformer、RAG、工具、智能体、评估与安全。

从基础开始构建 AI 指令
  • 免费访问
  • 无需账户
  • 一手来源

01 · Aura · AI 学习路径

六个章节，一条连贯路径

初学者可按顺序学习，也可直接打开与你当前问题对应的章节。

  1. 01 · 20 分钟

    AI、机器学习与深度学习

    区分系统、模型和产品，理解如何从数据中学习。

    先选择合适的方法类别，再选择模型。

    打开章节
  2. 02 · 25 分钟

    LLM 如何工作

    Token、嵌入、注意力、Transformer、训练、对齐与推理。

    理解能力和局限，不把 LLM 当成数据库。

    打开章节
  3. 03 · 30 分钟

    LLM 工程技能

    提示词、结构化输出、RAG、工具、MCP、智能体与适配。

    将每种技术用于它真正能解决的故障。

    打开章节
  4. 04 · 25 分钟

    评估与安全

    基线、代表性测试、事实性、注入、隐私、成本与发布。

    用测量结果决策，并限制系统影响范围。

    打开章节
  5. 05 · 参考

    AI 术语表

    搜索 AI、深度学习与 LLM 工程的 46 个核心术语。

    快速读懂技术文档与讨论。

    打开章节
  6. 06 · 工具

    指令构建器

    将目标、上下文与成功标准转成可移植的 AI 指令。

    生成清晰、可编辑、可复用的提示词。

    打开章节

02 · Aura · AI 学习路径

工作地图

有用的 LLM 系统是一条处理链。质量取决于最弱的接口，而不只取决于模型。

  1. 01

    界定

    定义需求、风险与可观察的成功。

  2. 02

    提供依据

    加入相关上下文、数据或检索结果。

  3. 03

    生成

    明确模型约束与输出格式。

  4. 04

    执行

    以最小权限授权工具并验证边界。

  5. 05

    评估

    测量质量、安全、成本与恢复能力。

03 · Aura · AI 学习路径

按目标选择路径

核心原则：流畅的回答是建议，不是证据。重要主张应可追溯，重要操作应有边界。

我想理解

基础 → LLM → 术语表

建立准确的心智模型与持久词汇。

我想构建

LLM → 技能 → 评估

设计有用系统并用真实案例测试。

我想更好地使用 AI

基础 → 构建器 → 评估

给出更清晰的指令，并批判性审查输出。