6个月从零成为GenAI工程师的12阶段学习路径

如果我有 6 个月时间成为一名 GenAI 工程师，我会这样做。

阶段 1：Python + 异步架构
FastAPI、asyncio、严格的 Pydantic v2、Server-Sent Events（SSE）、背压处理、事件驱动的 agent 循环。

阶段 2：多模态 LLM 基础
上下文工程、token 预算、System-One 与 System-Two 路由、视觉/音频流、语音活动检测（VAD）。

阶段 3：结构化输出 + Prompt 运维
语法约束解码、严格 JSON 强制、动态上下文组装、prompt 注册表、DSPy 编译器。

阶段 4：高级 RAG + 知识图谱
Agentic RAG、自纠正检索、GraphRAG、上下文分块、权限过滤混合搜索、弃权逻辑。

阶段 5：Agentic 工作流 + 编排
持久状态机（Temporal/LangGraph）、原生 MCP 服务器、A2A 类型化交接、检查点、异步 HITL 门控。

阶段 6：生产级 GenAI 应用
生成式 UI、优雅降级链（前沿模型 → 中端模型 → 本地模型 → 缓存）、语义缓存、成本熔断开关。

阶段 7：评估 + 质量保证
轨迹评分、黄金 DAG、CI 回归门控、影子路由（5% 流量镜像）、校准的 LLM 作为评判。

阶段 8：推理 + 基础设施优化
vLLM/SGLang、KV 缓存前缀共享、投机解码、FP8 量化、分离式预填充/解码、WebGPU 回退。

阶段 9：MLOps + 可观测性
面向 LLM 的 OpenTelemetry、轨迹回放调试、DPO 数据飞轮、TTFT/ITL SLO 跟踪、成本归因。

阶段 10：AI 安全 + 合规
Agent 间净化代理、PII UUID 掩码/解掩码、沙箱 microVM 执行（E2B/gVisor）、面向 agent 的委托 OAuth。

阶段 11：开源 + 作品集
公开发布持久多 agent 集群、发布架构决策记录（ADR）、撰写公开的成本/延迟拆解分析。

阶段 12：投递
GenAI 工程师、AI Agent 工程师、上下文工程师、前置部署 AI 工程师、AI 基础设施工程师岗位。

大多数人一直卡在看教程。动手构建的人才能被录用。（收藏起来）