最近几年AI 开发的门槛正在快速下降。以前想进入 AI 行业很多人的第一反应是机器学习深度学习CNNRNNTransformerPyTorch数学推导模型训练这些内容当然重要。但如果你的目标不是去大厂做算法研究而是利用已有的编程基础快速掌握 AI 应用开发并尝试通过自由职业、外包、远程项目接单赚钱。那么学习路线其实可以完全不同。相比从零开始啃深度学习理论我更推荐先走一条AI 应用工程师路线也就是Python ↓ LLM API ↓ RAG ↓ AI Agent ↓ 文档智能 ↓ 自动化 ↓ FastAPI ↓ Docker ↓ 实际接单这篇文章设计了一套90 天 AI 接单学习路线。适合已经具备一定编程经验的人比如你已经会Python / Java / Go / C / JavaScript Git Linux HTTP 数据库 Docker不需要每项都很熟但至少已经具备基本开发能力。整个学习计划按照每天 2 小时设计。90 天总学习时间大约180 小时目标不是“学完人工智能”。而是 90 天后拥有5 个 AI 项目 3 个可以部署的 Demo 一个 GitHub AI 作品集 一套可以用于接单的技术栈一、先明确目标我们学的不是“AI 理论”很多程序员转 AI 时容易走进一个误区。打开课程以后从线性代数 概率论 梯度下降 神经网络 CNN RNN Transformer一路往下学。半年之后发现理论懂了一些但还是不知道怎么完成一个真正的 AI 项目。如果目标是接项目那么应该反过来。先学习怎么利用成熟模型解决真实业务问题。企业客户真正愿意付钱的通常不是帮我实现一个 Transformer。而是把我的 3000 份 PDF 做成一个 AI 知识库。或者每天自动读取几百张发票把金额、公司名称和日期写进 Excel。或者把 Gmail、Excel、CRM 和 AI 连接起来实现自动跟进客户。这些需求本质上都属于AI Application Engineering也就是 AI 应用工程。二、90 天学习路线总览整个路线分成 7 个阶段。阶段时间学习重点项目Phase 1Day 1-15LLM APIAI Text ToolkitPhase 2Day 16-30RAGAI Knowledge BasePhase 3Day 31-45AI AgentResearch AgentPhase 4Day 46-60Document AIAI Document ExtractorPhase 5Day 61-72AI AutomationContent AutomationPhase 6Day 73-82DeploymentOnline DemoPhase 7Day 83-90FreelancingPortfolio 接单整个学习过程坚持一个原则30% 学习70% 写代码。每天两小时可以这样安排30 分钟学习知识点 60 分钟项目开发 15 分钟测试 / Debug 15 分钟Git commit README千万不要变成每天看 2 小时视频因为真正让你具备接单能力的不是“看过”而是做过 踩过坑 部署过 解决过问题三、第一阶段Day 1-15掌握 LLM API第一阶段不要急着学 Agent。也不要先研究 LangChain。先把最底层的能力掌握如何在代码里调用大模型。需要掌握OpenAI API Claude API Gemini API Prompt System Prompt Token Streaming Structured Output Tool Calling 异常处理 API Cost如果你会 Python这一阶段非常快。最简单的程序结构User ↓ Python ↓ LLM API ↓ Answer例如defask_llm(prompt):...然后逐渐扩展summarize(text)translate(text)classify(text)extract(text)这里非常重要的一个知识点是Structured Output比如有这样一段文字张三于 2026 年 10 月 1 日购买了一台 MacBook Pro 价格为 12999 元。普通 ChatGPT 会输出自然语言。但实际项目更希望得到{customer:张三,product:MacBook Pro,price:12999,date:2026-10-01}因为后面可以继续JSON ↓ Database ↓ Excel ↓ ERP ↓ CRM很多 AI 商业项目本质就是非结构化数据 ↓ LLM ↓ 结构化数据这是第一阶段最重要的能力之一。四、第一个项目AI Text ToolkitDay 10 左右就不要再继续刷教程了。直接做第一个项目AI Text Toolkit功能可以包括文章摘要 文本分类 关键词提取 翻译 邮件润色 JSON 信息提取技术栈Python FastAPI Streamlit LLM API项目结构可以设计成ai-text-toolkit ├── app.py ├── api.py ├── llm.py ├── prompts ├── requirements.txt └── README.md这个项目本身可能不值多少钱。但它非常重要因为后面几乎所有项目都建立在这些基础能力之上。五、第二阶段Day 16-30重点学习 RAG如果让我推荐一个最值得程序员学习的 AI 接单方向我会把 RAG 放在非常靠前的位置。RAG 全称Retrieval Augmented Generation简单理解让 AI 根据你自己的资料回答问题。例如企业有产品文档 操作手册 合同 公司制度 培训资料 PDF Word然后员工可以直接问公司的报销标准是多少AI 从公司文档里找到答案。整个流程PDF ↓ Text ↓ Chunk ↓ Embedding ↓ Vector Database ↓ Search ↓ LLM ↓ Answer六、Embedding 不需要先研究数学很多人看到 Embedding 就开始研究向量空间。其实初期没必要。你只需要理解Text ↓ Embedding Model ↓ Vector相似文本通常拥有相近的向量。于是用户问题 ↓ Embedding ↓ Vector Search ↓ 找到最相关文档就可以完成语义搜索。七、Vector Database 怎么选初学阶段推荐Qdrant或者PostgreSQL pgvector如果只是学习和做 Demo我更建议Qdrant原因很简单部署简单 API 清晰 Docker 方便 开发速度快这一阶段需要掌握Embedding Chunking Metadata Similarity Search Top K Reranking Citation其中Chunking 非常重要比如一个 300 页 PDF。不可能一次全部发给大模型。需要切成Chunk 1 Chunk 2 Chunk 3 ...可以测试500 tokens 1000 tokens 1500 tokens然后比较检索效果。八、第二个项目企业 AI 知识库Day 30 左右完成AI Knowledge Base主要功能上传 PDF 上传 Word 自动切分 生成 Embedding 写入 Vector DB 聊天问答 显示引用来源最好再增加删除文档 重新索引 聊天记录 多文件查询这时你的项目已经开始具有一定商业价值。因为客户需求可以直接描述为Build a private AI knowledge base for company documents.相比I can use ChatGPT API.前者明显更容易卖。九、第三阶段Day 31-45学习 AI Agent接下来进入目前非常热门的方向AI Agent但这里建议不要一上来就学复杂 Agent Framework。先搞懂Tool Calling例如提供几个工具search_web()query_database()send_email()generate_report()AI 根据用户请求判断是否需要调用工具 调用哪个工具 需要什么参数整个过程User ↓ LLM ↓ Choose Tool ↓ Tool ↓ Result ↓ LLM ↓ Answer这才是 Agent 的核心。十、LangGraph 放到后面学理解 Tool Calling 后再开始学习LangGraph重点理解State Node Edge而不是背 API。例如用户提出问题 ↓ Search Node ↓ Analysis Node ↓ Report Node这些 Node 组成一个 Agent Workflow。十一、第三个项目AI Research Agent第三个项目建议做Business Research Agent输入TeslaAgent 自动搜索资料 ↓ 阅读网页 ↓ 分析 ↓ 总结 ↓ 生成报告最终输出Company Overview Competitors Products SWOT Market Trends Risks Recommendations甚至直接输出Markdown PDF DOCX这个项目很适合放 GitHub。因为它能展示LLM Tool Calling Agent Web Automation Report Generation十二、第四阶段Day 46-60学习 Document AI我个人非常看好这个方向。因为大量企业业务本质还是PDF Excel Word Email Invoice Contract这些传统文档。AI 可以把人工操作变成自动化。例如Invoice ↓ AI ↓ Company Amount Invoice Number Date ↓ Excel十三、学习 PDF 和 Vision LLM这一阶段学习PyMuPDF pdfplumber掌握读取 PDF 提取文本 读取页码 提取表格然后学习 Vision LLM。比如输入invoice.png输出{invoice_number:INV-2026-001,company:ABC Ltd,amount:1250.5,date:2026-10-01}这时再配合Pydantic做数据验证。例如classInvoice(BaseModel):invoice_number:stramount:floatdate:date这样 AI 输出如果格式错误就可以捕获并处理。十四、第四个项目AI Document Extractor这个项目非常适合接单。支持Invoice Receipt Contract Resume Purchase Order然后输出JSON CSV Excel Database典型客户需求发票批量识别 合同信息提取 采购订单处理 简历解析 物流单据识别相比普通 Chatbot这类需求通常更接近企业真实业务。十五、第五阶段Day 61-72学习 AI Automation当你掌握LLM RAG Agent Document AI之后再补一个非常重要的技能AI Automation推荐学习n8n另外了解Webhook REST API Scheduler Database Email因为很多客户的真实需求不是帮我开发一个新的 AI。而是把我现有的软件连接起来。比如Gmail ↓ AI ↓ Google Sheet ↓ CRM ↓ Slack这种项目非常适合自由职业。十六、第五个项目AI Content Automation可以做一个完整内容生成流水线RSS ↓ 抓取文章 ↓ LLM 总结 ↓ 生成社交媒体内容 ↓ 生成标题 ↓ 保存数据库 ↓ 发送邮件或者Blog ↓ Twitter ↓ LinkedIn ↓ Newsletter这个项目可以展示LLM API n8n Automation十七、第六阶段Day 73-82学会部署这一部分非常重要。很多程序员做 Demo 时python app.py在自己电脑上运行成功。然后项目就结束了。但真实客户想要的是https://demo.example.com因此必须掌握部署。建议学习Docker Docker Compose Nginx HTTPS .env API Key Logging Health Check推荐的简单架构Internet ↓ Nginx ↓ FastAPI ↓ PostgreSQL ↓ Qdrant至少把前面的三个核心项目部署出来AI Knowledge Base AI Document Extractor AI Research Agent这样以后投标可以直接给 Demo。效果比只给 GitHub 好很多。十八、第七阶段Day 83-90停止学习开始接单这是很多程序员最容易犯的另一个错误继续学 继续学 继续学学到最后一年过去了还是没有接第一个项目。所以最后 8 天不再学习新的框架。开始整理作品。十九、GitHub 作品集应该有什么至少放 5 个项目AI Knowledge Base AI Document Extractor AI Research Agent AI Automation Workflow AI Text Toolkit每个项目 README 至少包括Project Screenshot Demo Features Architecture Tech Stack Installation Usage不要只上传src/ requirements.txt然后 README 写AI demo project.这种项目几乎没有展示价值。二十、给自己一个明确定位不要写AI Developer太宽泛。可以写AI Automation LLM Application Developer或者LLM / RAG / AI Agent Developer技能标签Python FastAPI OpenAI API RAG AI Agent Document AI n8n Docker这样客户一眼就知道你到底能解决什么问题。二十一、接单初期如何报价刚开始不要追求特别高报价。第一目标是拿到 3 个真实客户项目。可以简单分成三档。小项目LLM API Integration报价$50 - $150中等项目RAG Knowledge Base Document AI报价$300 - $800完整自动化项目AI Automation System AI Agent Workflow报价可以$1000具体价格当然取决于复杂度。初期项目最大的价值其实不是收入。而是真实需求 真实评价 真实项目经验 客户反馈有了前三个客户以后报价通常会容易很多。二十二、可以搜索哪些项目关键词以后在自由职业平台可以搜索OpenAI API ChatGPT Integration AI Automation RAG AI Chatbot AI Agent PDF AI Document AI n8n Automation Python AI LLM Developer比单纯搜索Machine Learning更适合刚进入 AI 接单市场的人。二十三、90 天后应该达到什么水平理想情况下Day 1会调用 LLM APIDay 30可以独立开发 RAGDay 45可以开发 AI AgentDay 60可以做 Document AIDay 72可以做 AI AutomationDay 82可以把项目部署上线Day 90拥有完整作品集 开始真实投标最终形成这样的技能树AI Application Engineer │ ┌──────────────┼──────────────┐ │ │ │ RAG Agent Document AI │ │ │ Qdrant Tool Calling Vision LLM pgvector LangGraph PDF/OCR │ │ │ └──────────────┼──────────────┘ │ Python │ FastAPI │ Docker │ Linux二十四、哪些内容暂时可以不学前 90 天我反而不建议花大量时间学习CNN RNN GAN Transformer 数学推导 CUDA 大模型训练 复杂 Fine-tuning不是这些技术没用。而是如果目标是尽快拥有 AI 项目开发和接单能力。这些内容短期 ROI 没那么高。更好的方式是80% AI 应用开发 20% AI 基础理论等真正开始接项目以后再深入PyTorch Transformers LoRA Fine-tuning vLLM Local LLM MLOps这样学习目标会清晰很多。总结如果你本身已经有几年开发经验那么转向 AI 开发其实不应该从零开始。你过去积累的编程 API 数据库 Linux Docker 后端开发 Debug这些能力全部还能继续使用。你真正需要补的是 AI 时代新增的几块能力LLM API RAG AI Agent Document AI AI Automation最终不要把目标定成学会 AI。而应该定成能用 AI 解决真实业务问题。90 天时间不可能让一个人成为顶级 AI 算法工程师。但对于已经有编程基础的人来说90 天完全有机会做到能开发 能部署 能演示 能写作品集 能开始接 AI 项目这才是这套路线真正想解决的问题。如果让我只选三个最值得优先做的项目我会选择1. 企业 RAG 知识库 2. AI 文档信息提取系统 3. AI Agent 自动化系统因为相比单纯告诉客户我懂 Prompt Engineering。更有说服力的方式永远是这是我做的系统。 你可以直接体验 Demo。这也是程序员进入 AI 领域最快、最实际的一条路径。