大模型全栈中文学习路线：从 Prompt 到部署的生产实践指南

LLM-Master本仓库资料来自卡码笔记-大模型专栏。 程序员的大模型全栈学习路线从第一次调用模型 API，到构建可评估的 RAG、可靠的 Agent 与可上线的 AI 系统。

开始学习全部教程专题索引面试题库网上从来不缺大模型资料，缺的是一条真正适合程序员的学习路径。 LLM Master不是零散文章的合集，而是一套从基础认知 → 应用开发 → RAG → Agent → 微调与部署 → Transformer → 项目与面试逐级展开的完整知识体系。它关心的不只是“这个概念是什么”，更关心：为什么这样设计、工程上如何落地、出了问题怎么排查、面试时如何讲清楚。 如果你有 Java、C++、Go、Python 或前端开发基础，希望进入大模型应用开发、Agent 工程或 AI 后端，这个仓库就是为你准备的。 为什么选择 LLM Master你会得到什么🧭完整路线从入门到生产与面试，按知识依赖组织，不再面对一堆文章无从下手🧱工程视角聚焦 API、数据、检索、工具、状态、评估、性能、成本和可靠性🔬原理与代码从 Q/K/V、Attention 到手写 Tiny Transformer，把黑盒逐层拆开🛠️项目导向每个阶段都有可交付项目和完成标准，学完能做、能讲、能写进简历🎯面试闭环覆盖 RAG、Agent、微调、Transformer、AI 编程及真实大厂面经🔄持续更新跟进 Agent Harness、Context Engineering、MCP、多 Agent 等前沿工程实践大模型开发知识全景方向核心内容学习入口基础认知LLM 关键词、训练流程、岗位选择、Token 与 API 成本开发者入门模型应用Prompt、结构化输出、流式响应、Function Calling、上下文工程应用开发路线RAG Chunk、Embedding、向量数据库、混合检索、Rerank、评估RAG 专题Agent ReAct、工具设计、规划、记忆、状态、失败恢复、评估Agent 路线Multi-Agent Planner/Wo