零基础到大模型精通 · 系列大纲

目标：从零基础到精通大模型各领域实战，覆盖基础理论（向量、矩阵、微调、蒸馏、训练）到底层性能优化（算子、运行时、投机解码、编译）。

学习路线总览

文件	阶段	内容	建议周期
00-基础学习大纲.md	一、基础筑基	数学（向量/矩阵/概率）、PyTorch、深度学习、Transformer、微调/蒸馏/量化、毕业项目	约 30 周
01-应用实战大纲.md	二、应用实战	提示工程、RAG、AI Agent（Function Calling/MCP）、领域微调深化、vLLM 生产部署与压测	约 14 周
02-进阶原理大纲.md	三、进阶原理	预训练全流程、MoE/长上下文先进架构、RLHF/DPO/GRPO 对齐、多模态、评测方法论	约 14 周
03-精通底层优化大纲.md	四、精通·底层优化	GPU 体系结构、CUDA/Triton 算子、FlashAttention 与 KV Cache、vLLM/SGLang 源码、投机解码、编译优化、PD 分离分布式推理	约 19 周

使用建议

1. 严格按阶段递进：每个阶段开头标注了前置要求，跳过会导致后续学习断层（尤其第三阶段依赖第二阶段，第四阶段依赖第三阶段）。
2. 实战优先：每个模块的实战任务是硬指标，"看懂"不等于"会做"，毕业自检清单全部打勾才进入下一阶段。
3. 时间弹性：周期按每周 10~15 小时估算，全职学习可压缩至 1/2~2/3。
4. 跟踪前沿：第四阶段的引擎与算子技术迭代极快，以官方 repo 的 release notes 为准更新具体参数与命令。