学习路线图
系统化的技术学习路径，面向全球华人开发者。选择你感兴趣的技术方向，按照路线图循序渐进地学习，点击节点可查看详细资源和标记学习进度。
可用的学习路线图
机器学习架构&RAG架构流程图
通用机器学习架构&RAG架构流程图
企业级 RAG 系统
An Enterprise RAG System
2026年AI学习路线图
2026 年 AI 学习路线图 是一条以“可落地、可就业”为目标的现实型 AI 成长路径，按照阶段逐步构建完整的 AI 技术能力体系。路线图从基础阶段开始，涵盖 Python 编程、AI 数学基础、数据分析、版本控制以及云计算入门，为后续学习打下坚实基础。随后进入核心机器学习与深度学习阶段，通过监督与非监督学习、模型评估、计算机视觉等内容，帮助学习者具备构建真实模型和完成项目的能力。在进阶阶段，路线图重点聚焦大语言模型（LLMs）、生成式 AI 和智能体系统，包括 Prompt Engineering、RAG 架构、模型微调与评估方法。后续阶段则进一步强调 MLOps、云端部署、系统扩展性与监控，确保 AI 模型能够真正运行在生产环境中。最后，通过多个专业化方向（如 AI Agent、多模态 AI、搜索与 RAG、对话式 AI、AI 伦理等），学习者可以根据自身目标选择深入领域。整体来看，这是一条面向 2026 年 AI 行业需求设计的、从基础到实战再到专业化的完整学习路线。
AI Voice-Driven预约系统架构
AI语音驱动预约系统架构,AI Voice-Driven Appointment Booking System Architecture
RAG 检索增强生成路线图
RAG（检索增强生成）路线图 展示了一种将外部知识与大语言模型相结合的实用型 AI 架构，用于解决模型“只依赖参数记忆”的局限。在这套流程中，系统首先对已有文档进行向量化并存入向量数据库，从而支持基于语义的高效检索。当用户提出问题时，问题本身也会被向量化，用于从向量数据库中检索最相关的内容，这些内容会作为上下文被注入到 Prompt 中，再由大语言模型生成最终答案。通过将“检索”与“生成”结合，RAG 显著提升了回答的准确性、专业性和知识时效性。这条路线图真实反映了当前企业级 AI 助手、知识问答系统和搜索增强应用在生产环境中的主流实现方式。
Agent System路线图
Agent System Overview 路线图 展示了以大语言模型为核心的自主智能体（Autonomous Agent）系统的整体架构，以及各个组件如何协同完成复杂任务。系统以 Agent 作为中枢，负责整合推理、规划、记忆、工具调用和行动执行。Agent 通过短期记忆和长期记忆维持上下文、回溯历史决策，并将关键信息持久化到外部数据库中，从而实现持续学习和状态保持。规划模块帮助 Agent 将复杂目标拆解为可执行步骤，常见技术包括思维链（CoT）、任务分解、自我反思和批判性评估。工具系统则突破了纯文本生成的限制，使 Agent 能够执行搜索、计算、代码运行以及与外部系统交互。通过“规划 → 行动 → 反馈 → 记忆更新”的循环，这类 Agent 能够逐步完成高复杂度的工作流。该路线图真实反映了当前企业级和研究级 AI Agent 系统的主流设计思路。
GenAI工作负载
Reliabiy building,delivering,&manaing generative AI workloads
Datasets and human-in-the-loop workflows
这张路线图展示了一套通过人类参与反馈（Human-in-the-Loop, HITL）来构建高质量数据集并持续优化模型的端到端流程。流程从数据准备和标注开始，人类标注人员将原始用户数据转化为结构化的训练数据，用于模型训练和部署测试。进入训练与调优阶段后，模型输出会被系统性地交由人工评估，用于发现模型缺陷、评估效果，并生成新的监督信号，包括用于监督微调的数据和基于人类反馈的强化学习数据（RLHF）。在部署与管理阶段，模型的实际推理结果会被持续抽样并送回人工复审，从而形成一个不断迭代的数据和模型改进闭环。整体来看，该路线图强调了自动化系统与人类判断相结合，是构建可靠、可演进、可落地 AI 系统的关键方法。
AI Coding: From Idea to Product
AI Coding: From Idea to Product 是一条面向开发者与未来 AI 工程师的实战型成长路线，目标不是“学会用 AI 写代码”，而是真正具备将一个 AI 想法落地为可部署、可使用、可迭代产品的能力。 这条路线覆盖从 问题定义 → 系统设计 → AI 能力接入 → 产品开发 → 云端部署 → 真实使用反馈 的完整闭环，让学习不再停留在 Demo 或 PoC，而是走向真实世界。 Learn AI coding from idea to production. Build real AI products with LLMs, RAG, system design, deployment, and product thinking. 从 Vibe Coding 出发，学习 AI Coding 的完整产品路线图。掌握 LLM、RAG、系统设计与部署，真正把 AI 想法做成可用产品。
AI Engineering
AI Engineering 路线图
Vibe Coding 学习路线图
Vibe Coding 是一种 AI 辅助编码方式：用 LLM（例如 Claude / GPT）作为 co-pilot，帮你更快理解代码、生成草稿、定位问题、重构并交付。它的目标不是“让 AI 取代你写代码”，而是把交付流程做得更快、更稳、更可验证。
为什么选择 JR Academy 学习路线图
由资深IT从业者和教育专家共同设计，帮助你少走弯路，高效学习，快速进入IT行业
系统化学习路径
从基础到进阶，每个知识点都有清晰的先后顺序，避免学习碎片化
精选学习资源
每个节点都附有优质文档、视频和实战项目，告别资源选择困难
进度追踪
标记已学习的知识点，可视化你的学习进度，保持学习动力
完全免费
所有路线图和资源推荐完全免费开放，无需注册即可开始学习
适合谁使用
无论你是刚入门的新手还是想要进阶的开发者，都能找到适合自己的学习路线
在校学生
IT/CS相关专业学生，想要系统掌握实用技能，为就业做准备
IT转行新人
零基础想进入IT行业，需要一条清晰的入门路径和学习指导
在职程序员
想要拓展技术栈或深入某个领域，需要系统化的进阶路线
求职准备
正在准备技术面试，需要查漏补缺，完善知识体系
常见问题
关于学习路线图的常见疑问解答
目前有哪些学习路线图可以使用？
学习路线图适合什么人使用？
学习路线图是免费的吗？
如何使用学习路线图？
前端和后端应该先学哪个？
完成一条学习路线需要多长时间？
学完路线图可以找到IT工作吗？
开始你的技术成长之旅
选择一条适合你的学习路线，立即开始系统化学习。无论你是新手还是有经验的开发者，这里都有适合你的成长路径。
浏览学习路线