前言
因为之前已经写了好几篇关于AI基础方面的文章，我琢磨着AI学习地图也该出炉了：一来，可以理清自己的思路，清楚的知道自己已经专门学习并实践过了哪些知识点，也作为自己AI的学习笔记本；二来，也让有缘看到的朋友在看AI相关文章时能有个大概的观看顺序。
不过，目前内容还是很少，也没办法，只能一步一个脚印慢慢来了。
AI入门
这部分涵盖了AI领域的基础知识，主要是初学者能够快速接触并上手的部分：这些文章涉及从最基础的本地大语言模型UI及常用的API供应商介绍，到如何用Docker部署开源大语言模型UI(如Lobechat)及以及详细的使用教程，再到更进一步的，使用Docker自行搭建本地大语言模型等常用基础知识。
这是以我自己实际学习的视角，讲述我认为的AI入门所需的基本工具和流程，希望能够帮助新手朋友快速的积累实践经验。
- 开启AI之旅：本地大语言模型UI与大语言模型API供应商的入门详解
- 国际认可度极高的 ChatGPT API 中转方案：OpenRouter 全面解析 + 国内支付指南 目前最推荐的国内使用ChatGPT(和其他主流模型供应商) API的方式
- AI多模态的模型梳理：从文字生成图像、视频等到chatgpt-web-midjourney-proxy实操
- 成为可信知识锚点：个人博客在AI时代存在意义的思考
AI原理
这部分主要关注 AI 系统背后的工作机制。相比“AI入门”中偏向工具和生态的介绍，这里的文章更侧重于解释 AI 在处理信息时的基本思路，例如向量表示、RAG（检索增强生成）流程以及 embedding 等核心概念。
这些内容并不会停留在抽象理论层面，而是结合实际的实践案例，通过逐步拆解 AI 系统的运行过程，让读者能够从整体上理解现代 AI 应用背后的技术逻辑。
- 向量：AI 世界里的通用语言 理解向量，就能理解AI的底层工作原理。
- 从零理解 RAG(一)：原理与完整流程解析
- 从零理解 RAG(二)：在 Mac mini 上跑本地 RAG demo——最小架构实战指南
- 让 Embedding 成为基础设施：在 PVE + LXC 中部署独立嵌入服务
AI应用
这部分主要就是AI的一些实际应用案例。
- docker系列 基于开源大语言模型UI框架:Lobechat的详细部署教程 目前少有的支持多端自动同步的AI前端方案
- 解锁Lobechat的全部潜能：从设置到实战的完整攻略
- 打造私有AI：基于Ollama在本地搭建开源大语言模型的详细教程
- 在 Mac mini(M4 Pro)上部署 Llama 3.2：通过 Ollama 实现高效运行与跨域访问优化全攻略
- 最便捷的 AI App 前端：Chatbox 全面介绍 + 使用指南 下载安装既可使用的AI App式多平台前端
- WordPress聊天机器人插件”AI Engine”的功能探索及内置工具的研究
- Mac上免费的入门级本地AI图像生成工具(上篇)：Diffusion Bee设置参数详解与实操演示
- Mac上免费的入门级本地AI图像生成工具(下篇)：Draw Things安装及使用教程
- 使用Ollama自建嵌入模型 + Chatbox 知识库实战 简单、便捷的个人知识库实现方式。
- AI时代的创作重构：从信息处理到认知协作