AI 应用工程师学习路线图：6 个月从 CRUD 到能独立交付

系列前四篇我们分别聊了：80% 是工程、Vibe Coding 三步法、PM + 架构师思维、提示词工程。

不少人有疑问：按什么顺序学？学多久能上手？

这篇是系列收官，也是一份可执行的路线图。

先回答：我们到底在学什么？

「AI 编程不就是跟 AI 聊天？有手就行吧？」

做个名片页、倒计时小工具，打开零代码平台描述几句，确实几分钟能出活。

项目一复杂，.chat 就撑不住了： AI 理解偏了、改 A 坏 B、代码越堆越难维护、成本悄悄飙到你看不懂的账单。

所以 AI 编程 / AI 应用工程师要学的东西，可以概括成一条线：

会描述 → 会选工具 → 会管上下文 → 会交付 → 会上线 → 会持续迭代。

我把它拆成 六个阶段。不必一口气学完；想快速出产品，阶段一 + 二就能开干；想系统转型，按 2～3 个月节奏走；要冲 AI 应用岗，再把进阶补上。

阶段一：入门 —— 先做出来，别纠结原理

核心就一句：先把东西做出来。

要搞懂的概念（10 分钟级）

• Vibe Coding：用人话聊需求，AI 写代码，你们一起改到能跑（→ 系列第 2 篇）
• 大语言模型 / Token：模型按 token 计费、有上下文长度上限
• 思维差异：传统你是执行者；AI 时代你是定规矩、给上下文、拆任务的人（→ 第 3 篇）

不用先学 Transformer，能解释清楚「我为什么跟 AI 说话它就能出代码」就够。

动手路径

1. 选一个 零代码平台（Lovable、bolt.new、NoCode 类工具任选）
2. 做 3～5 个小项目：个人名片、倒计时、简单计算器
3. 跑通循环：描述需求 → 多轮改 → 验证 → 修问题

零基础别一上来就 Cursor。 先在零代码平台拿「我能用 AI 做出东西」的成就感，再进专业 IDE，心态会稳很多。

阶段检验

•  独立完成 3 个小工具并发布或本地可演示
•  能说出 Vibe Coding 和传统写代码的角色差异

阶段二：工具 —— 选 1～2 个深入，别全家桶

零代码天花板低，复杂项目要上 AI 代码编辑器。

四类工具，知道即可

类型	代表	适合阶段
AI 代码编辑器	Cursor、Trae、Codex	日常主力
命令行 Agent	Claude Code、Codex CLI	复杂任务、脚本
插件	GitHub Copilot	补全辅助
零代码	v0、Lovable	入门、原型

新手从 Cursor 入门（界面完整、Plan 模式、规则体系——系列第 2 篇 Spec/Skills/Plan 都围绕它展开）。成本敏感可以看 Codex；熟悉工作流后再试 Claude Code 感受 Agent 上限。

五个共通能力（换工具也适用）

1. 基本使用：Chat、Agent、Tab 补全、@ 引用上下文
2. 核心特性：Plan 模式、Background Agent、Browser 测试
3. 扩展：MCP 接外部服务、Agent Skills 技能包
4. 技巧：大任务拆子 Agent、并行处理
5. 配置：规则文件（AGENTS.md / .cursor/rules）——这是系列第 2 篇 Spec 的落地

工具不用全学。1 个 IDE 用熟 + 零代码做原型，够了。

阶段检验

•  用 Cursor（或同类）完成一个比零代码稍复杂的项目
•  配好至少一条项目结构或代码风格规则
•  用过一次 @Files 参考现有代码写新功能

阶段三：核心技能 —— 不靠编程底子，但靠流程

会用工具之后，差距在 单点技能能不能串成流程。这部分和系列前几篇高度重合，这里是按学习顺序再排一次。

1. 需求分析（→ 第 3 篇 PM 思维）

别一条 prompt 梭哈整站。我早期这么干过，生成一堆能跑但难维护的代码。

小步快跑：一次一个小功能，验证通过再下一个。大需求先拆成 plan.md 或 Plan 模式方案。

2. 提示词工程（→ 第 4 篇）

角色、背景、需求、约束、输出格式。
「做得好看」→「背景蓝色渐变，按钮 8px 圆角」。复杂任务拆解 + Few-Shot + 结构化标签。

3. 上下文管理（→ 第 2 篇 Skills）

• 规则文件写死技术栈、目录、API 格式
• @ 引用文件、文档、相似实现
• 一个对话一件事，别在一个 thread 里从登录写到支付又写到部署——上下文漂移是 AI 编程头号翻车模式之一

4. Bug 排查

跟 AI 说 Bug 要带：期望 vs 实际、完整报错、已试过什么。
修不好就 Git 回退，别让它在同一条路上死磕十次。

5. Git：AI 时代的后悔药

不必背完整 Git 教程。核心：add / commit / push，diff 看 AI 改了啥，checkout 回退。
每完成一个小功能 commit 一次——存档点，后面救命的。

6. 项目开发流程（串起来）

需求拆解 → 方案确认 → 逐任务实现 → Review → 必要时重构
         ↑ 每步 Git commit

企业场景：AI 生成的代码不能直 merge，重点查业务逻辑、错误处理、安全、是否误伤其他模块。API Key 别写进代码；AI 推荐的 npm 包先验证是不是钓鱼包。

7. 部署上线

快速路线：Vercel 一键部署前端/全栈，免费额度够练手。再进阶 Docker、云服务器。

三种进阶编程模式（项目变大时再学）

模式	一句话	什么时候用
Vibe Coding	跟 AI 聊出来的	小工具、原型
Agentic Engineering	你当总指挥，AI 执行，你验收	中大型项目
Harness Engineering	给 AI 搭马具：流程、规范、工具链	企业级、长期维护
SDD 规范驱动	规范文档是唯一真相，再写代码	需求复杂、多人协作

小项目 Vibe Coding；正经项目切 Agentic；越大越要 Harness + SDD。系列第 2～3 篇的 Spec/Plan，其实就是 SDD 的轻量化版本。

阶段检验

•  按「小步快跑 + 每步 commit」完成一个完整小项目
•  部署到公网可访问 URL
•  故意制造一次 Bug，用 Git 回退成功

阶段四：项目实战 —— 难度阶梯，别跳级

实战是唯一把知识焊死的方式。 建议三档递进：

第一档：纯前端小工具（1～2 周 × 2～3 个）

作品集站、简历生成器、番茄钟、Markdown 编辑器。
目标：跑通「需求 → AI 实现 → 部署」，不碰后端。

第二档：全栈应用（2～4 周 × 1～2 个）

博客、轻量商城、论坛——前端 + API + 数据库 + 简单鉴权。
目标：理解数据流、API 契约、和系列第 3 篇架构师思维怎么落地。

第三档：AI 能力进项目（4～6 周 × 1 个）

接入大模型 API：对话、内容生成、RAG 知识库、简单 Agent。
可选对接：对象存储、支付、短信、内容审核。

这一档直接对齐系列第 1 篇的四大核心工作：Prompt、RAG、Agent、Eval——你不再是「会调 API 的人」，而是「能交付 AI 功能模块的人」。

项目选题参考（可按兴趣替换）

• AI 热点监控（MCP + Agent 工作流）
• 视频下载 + AI 总结（支付 + SEO）
• 文档翻译 SaaS（多模型接入 + 全栈）
• 带 RAG / Agentic RAG 的学习/闯关类应用

选一个 你真正会用 的方向，比跟风做 demo 重要十倍。

阶段检验

•  至少 1 个公网可访问的全栈项目
•  至少 1 个含 LLM API 或 RAG 的功能模块
•  能口头讲清楚：数据从哪来、模型在哪一环、失败了怎么办

阶段五：进阶 —— 按目标选修，别全学

有 2～3 个完整项目后，你是 有实战的 AI 编程开发者 了。下面按需选，不必通关。

1. 经验技巧 & 失败模式

上下文漂移、功能倒退、架构退化、依赖膨胀——名字知道就行，遇到了对号入座，比事后救火省时间。

2. 上下文工程（Skills 的进阶版）

上下文预算：什么常驻规则、什么按需 @；决策日志：踩坑写进 docs/；何时开新对话、何时沉淀文档。

3. 成本管理

同一任务有人 1 块有人 10 块。简单任务别烧推理模型（→ 第 4 篇）；规则文件别无限膨胀占 token。

4. 编程技术基础（选修）

不必系统学完一门语言，但要对 常见栈有认知：REST、数据库、前后端分工——和第 3 篇架构师思维配合，跟 AI 对话才精准。

5. 大模型原理入门

Token、上下文窗口、温度、幻觉从哪来——知道边界，少做「让 AI 干它 structurally 不擅长的事」。

6. AI 应用开发技术栈（冲岗位重点）

LangChain / LlamaIndex 等框架、RAG、Agent、MCP 服务开发、Eval。
对齐系列第 1 篇 30%+30%+20%+20% 的时间分配，这里才是系统补课区。

7. 产品思维 & 变现（可选）

需求验证、盈利模式、SEO/GEO、推广。AI 编程最爽的一点：你能一个人做出可收费的产品——但产品能力是另一门课，别和技术混为一谈。

阶段六：持续学习 —— 这行没有「学完」

几个月前的最佳实践，现在可能过时。活到老学到老不是鸡汤，是职业要求。

我的习惯：

• 每月至少做 1 个小项目 保持手感
• 关注 1～2 个 工具的主版本更新，别追每一个新玩具
• 写博客，教别人学习

时间怎么排？三张表对号入座

你的目标	建议学到哪	大致时间
快速做一个能用的产品	阶段一 + 二 + 三前半	2～4 周
系统掌握 AI 编程 / 转型	阶段一～四	2～3 个月
冲 AI 应用岗 / 独立交付复杂系统	阶段一～五（6、7 重点）	4～6 个月

和系列前四篇的对应关系

系列文章	路线图位置
第 1 篇 80% 工程 + 四大工作	阶段四第三档、阶段五第 6 点
第 2 篇 Spec / Skills / Plan	阶段二工具配置、阶段三上下文
第 3 篇 PM + 架构师思维	阶段三需求分析、全栈项目
第 4 篇 提示词工程	阶段三核心技能、阶段五模型原理

6 个月执行版（可直接照着做）

第 1 月：入门 + 工具
Week 1～2：零代码做 3 个小项目
Week 3～4：Cursor 入门，配 Spec 规则，重做 1 个小项目

第 2 月：核心技能 + 前端实战
按小步快跑做 2 个纯前端工具并部署 Vercel；养成每功能 commit

第 3 月：全栈 + 提示词/上下文巩固
1 个博客或待办全栈；复习第 3、4 篇，需求文档 + plan.md 写进流程

第 4～5 月：AI 能力项目
选 RAG 或 Agent 方向做 1 个完整项目；加简单 Eval（测试集 + 人工抽检）

第 6 月：进阶选修 + 作品集
补失败模式、成本、原理入门；整理 GitHub + 部署链接 + 一篇「项目复盘」博客

写在最后

路线图看着长，别被吓到。

你不需要明天就变成 AI 专家。你只需要：本周做一个东西，并且比上周做得更稳一点。

系列五篇串起来就一句话：

• 知道 AI 工程师主要在干什么（第 1 篇）
• 会用 IDE 和规则管 AI（第 2 篇）
• 会把需求和技术约束写清楚（第 3 篇）
• 会在非代码场景写好 Prompt（第 4 篇）
• 知道接下来 6 个月怎么走（本篇）

模型会变，工具会变，动手做 + 流程化交付 不会变。

如果你只记一件事：阶段一的目标不是「学会 AI」，是「证明自己用 AI 做得出东西」。 从那里开始，就够了。

┌─────────────────────────────────────────────────────────────┐
│              转型 AI 应用工程师 · 五篇系列                    │
├─────────────────────────────────────────────────────────────┤
│  第1篇 认知        第2篇 工具         第3篇 思维              │
│  80%工程           Spec/Skills/Plan   PM+架构师              │
│  四大工作          Cursor实战          需求模板              │
│       ↓                 ↓                  ↓                 │
│  第4篇 技能        ←── 阶段三核心技能 ──→  第5篇 路线图       │
│  Prompt工程        需求/上下文/Bug/Git   六阶段+6个月排期     │
│  CoT/Few-Shot/安全                      系列总索引           │
└─────────────────────────────────────────────────────────────┘

路线图结构参考了 鱼皮 AI 知识库《AI 编程学习路线》，并按「转型 AI 应用工程师」视角重组。