测试开发转大模型应用开发岗全套学习规划（10周70天，每日1~2h）

测试开发转大模型应用开发岗全套学习规划（10周70天，每日1~2h）

前置说明

1. 岗位定位：只做应用落地，不深入底层模型训练、预训练、完整RLHF算法，跳过复杂数学推导；核心能力：API封装、Prompt、RAG知识库、Agent工具调用、私有化部署、工程化服务、自动化评测，完美匹配你Go/Python/Shell/测试工程基础。
2. 每日投入：工作日1～1.5h，周末2h；理论40% + 代码实操60%
3. 总周期：10周70天（砍掉原计划复杂微调底层训练内容，聚焦企业刚需应用开发）
4. 资源规则：每日任务附带官方文档/B站视频/GitHub开源教程可直接访问链接，全部免费可落地
5. 你的优势复用：接口封装、异常重试、并发控制、Docker/Shell自动化、自动化测试、性能调优全部融入实战

全套通用核心资源总清单（全程复用）

文档类（必收藏）

1. Datawhale《动手学大模型应用开发》（入门主线教程）
   https://datawhalechina.github.io/llm-universe/
2. LangChain 中文官方文档（框架核心）
   https://www.langchain.com.cn/
3. Qwen通义千问官方开发文档（国内主流开源模型）
   https://qwen.readthedocs.io/
4. Milvus向量数据库官方文档（生产级RAG）
   https://milvus.io/docs/
5. FastAPI官方文档（后端服务）
   https://fastapi.tiangolo.com/
6. vLLM推理加速官方文档（私有化部署）
   https://docs.vllm.ai/
7. LlamaIndex官方文档（轻量化RAG）
   https://docs.llamaindex.ai/

B站视频（配套实操看）

1. 全栈大模型应用开发全套实战（2026最新）
   https://www.bilibili.com/video/BV1HF7N68Eyh/
2. 清华刘知远大模型应用公开课（概念科普）
   https://www.bilibili.com/video/BV1UG411p7zv/
3. FastAPI AI后端实战教程
   https://www.bilibili.com/video/BV1mY4y1X7qL/

GitHub实战仓库

1. llm-universe 完整RAG/API示例：https://github.com/datawhalechina/llm-universe
2. LangChain官方examples：https://github.com/langchain-ai/langchain
3. Qwen-Agent工具调用Demo：https://github.com/QwenLM/Qwen-Agent

---

分阶段每日详细学习计划（每日附带学习链接）

阶段1：基础铺垫（第1-2周，14天）｜目标：搭建AI环境，掌握LLM核心术语、Python AI工具链

第1周 Day1~Day7

Day1（1.5h）

学习内容：区分大模型应用开发/算法训练岗；主流模型（Qwen/GLM/DeepSeek）；基础术语Token、Embedding、上下文窗口、幻觉、流式输出

学习资源：

文档：https://datawhalechina.github.io/llm-universe/ch1/introduction.html

视频：https://www.bilibili.com/video/BV1HF7N68Eyh/?p=1

实操：Conda创建AI独立虚拟环境，安装numpy/pandas/jupyter

产出：可用Python AI开发环境

Day2（1h）

学习内容：向量、余弦相似度极简数学（仅工程需要部分，跳过微积分）
学习资源：
文档：https://datawhalechina.github.io/llm-universe/ch2/embedding.html
实操：Numpy编写向量相似度计算代码，文本向量化基础Demo

Day3（1.5h）

学习内容：NLP发展简史（Word2Vec→BERT→GPT）；编码器/解码器区别，Transformer宏观结构（仅模块认知，不抠数学）

学习资源：

视频：https://www.bilibili.com/video/BV1UG411p7zv/?p=3

文档：https://datawhalechina.github.io/llm-universe/ch2/transformer.html

实操：文本清洗通用函数（去换行、分段、过滤特殊字符）

Day4（1h）

学习内容：零样本/少样本/ICL上下文学习、预训练/微调基础概念（仅知道用途，不训练）

学习资源：https://datawhalechina.github.io/llm-universe/ch2/basic_concept.html

实操：Jupyter标准化调试模板封装

Day5（1.5h）

学习内容：Tokenizer分词原理BPE/SentencePiece，Token数量统计、上下文超限问题

学习资源：Qwen官方Tokenizer文档 https://qwen.readthedocs.io/en/latest/tokenizer.html

实操：AutoTokenizer加载Qwen分词，统计不同文本token长度

Day6（1h）

学习内容：国内主流大模型API（通义、智谱、千帆）调用规范、限流、计费

学习资源：阿里云百炼API文档 https://help.aliyun.com/zh/model-studio/user-guide/overview

实操：requests封装通用HTTP请求类，兼容多厂商API入参

Day7（周末2h）

周复盘项目：批量读取本地TXT清洗+向量相似度匹配Top3文本

配套资源：llm-universe第一章完整案例 https://github.com/datawhalechina/llm-universe/tree/main/notebook/ch1

第2周 Day8~Day14

Day8（1.2h）

学习内容：Embedding稠密向量作用、本地轻量向量库Chroma基础概念

资源：https://datawhalechina.github.io/llm-universe/ch3/vector_store.html

实操：Chroma本地入库、查询极简Demo

Day9（1.5h）

学习内容：模型推理参数temperature、top_p、max_tokens、stop词含义

资源：https://help.aliyun.com/zh/model-studio/user-guide/text-generation

实操：封装可自定义参数的LLM调用函数

Day10（1h）

学习内容：SSE流式输出原理，对话上下文拼接逻辑

资源：FastAPI流式响应文档 https://fastapi.tiangolo.com/tutorial/streaming/

实操：实现打字机流式API调用

Day11（1.5h）

学习内容：LangChain整体架构、Chain、Memory基础组件

资源：LangChain中文入门 https://www.langchain.com.cn/docs/get_started/introduction

实操：最简LangChain LLM调用Demo

Day12（1h）

学习内容：文档加载器基础（TXT/PDF），文本分割基础逻辑

资源：https://datawhalechina.github.io/llm-universe/ch3/document_loader.html

实操：单PDF文档读取、分段

Day13（1.2h）

学习内容：RAG完整链路概念（文档→分块→向量入库→检索→问答），解决幻觉原理

资源：https://datawhalechina.github.io/llm-universe/ch4/rag_basic.html

实操：极简单文档RAG问答Demo

Day14（周末2h，阶段1结业小项目）

完整链路：文档清洗→向量化存入Chroma→问题检索匹配片段问答

源码参考：https://github.com/datawhalechina/llm-universe/blob/main/notebook/ch4/rag_simple.ipynb

阶段2：大模型API工程化+Prompt工程（第3-5周，21天）企业最基础业务能力

第3周 Day15~Day21（API封装+后端服务）

Day15（1.5h）

内容：多模型统一客户端封装设计，统一入参出参屏蔽各厂商差异

资源：https://datawhalechina.github.io/llm-universe/ch3/api_call.html

实操：Python通用LLM Client类，兼容通义/智谱API

Day16（1h）

内容：对话Memory实现、超长上下文自动截断策略

资源：LangChain Memory文档 https://www.langchain.com.cn/docs/modules/memory/

实操：多轮对话记忆自动裁剪代码

Day17（1.5h）

内容：FastAPI搭建LLM后端，同步/流式双接口、自动接口文档

资源：FastAPI快速入门 https://fastapi.tiangolo.com/tutorial/first-steps/

实操：/chat对话接口，支持stream参数切换流式

Day18（1h）

内容：LLM调用异常处理：超时、429限流、token超限、服务报错、重试机制

资源：https://datawhalechina.github.io/llm-universe/ch3/error_handle.html

实操：给客户端增加重试、日志捕获、异常分类返回

Day19（1.2h）

内容：批量文档摘要并发控制、线程池限速

资源：Python concurrent.futures官方文档

实操：多线程批量调用LLM生成文档摘要

Day20（1h）

内容：Go语言调用大模型API（发挥你的Go优势）

资源：Qwen Go SDK https://github.com/QwenLM/qwen-go-sdk

实操：Golang HTTP客户端调用通义API，对比Python实现

Day21（周末2h）

项目：完整LLM后端服务：多厂商兼容+异常重试+流式输出；附带Go简易调用Demo

参考项目：https://github.com/datawhalechina/llm-universe/tree/main/notebook/ch3/api_server

第4周 Day22~Day28（Prompt工程核心）

Day22（1.5h）

内容：Prompt四大结构：角色、任务、约束、输出格式；零/少样本提示词

资源：LLM Cookbook提示词教程 https://github.com/datawhalechina/llm-cookbook

实操：结构化JSON提取Prompt，自由文本转JSON

Day23（1h）

内容：CoT思维链原理，复杂推理场景优化

资源：https://datawhalechina.github.io/llm-universe/ch5/prompt_cot.html

实操：普通Prompt vs CoT推理效果对比

Day24（1.5h）

内容：强制结构化输出，规避模型乱输出、JSON解析容错

资源：LangChain OutputParser https://www.langchain.com.cn/docs/modules/model_io/output_parsers/

实操：固定返回JSON模板，增加解析异常捕获

Day25（1h）

内容：行业定制Prompt，测试开发专属Prompt（自动生成接口测试用例）

实操：输入接口文档，输出标准化测试用例JSON

Day26（1.2h）

内容：Prompt效果简易评估方法（输出稳定性、准确率、token消耗）

实操：批量样本对比2版Prompt输出效果量化

Day27（1h）

内容：Prompt注入攻击与输入过滤防御方案

资源：https://owasp.org/www-top-10-for-llm-applications/

实操：输入敏感词过滤、prompt加固逻辑

Day28（周末2h）

实战项目：智能测试用例生成工具，FastAPI对外提供接口

参考：https://github.com/datawhalechina/llm-universe/tree/main/notebook/ch5/prompt_project

第5周 Day29~Day35（Function Calling工具调用）

Day29（1.5h）

内容：Function Calling原理、工具描述JSON规范，模型自主判断调用工具

资源：Qwen Function Calling文档 https://qwen.readthedocs.io/en/latest/toolcall.html

实操：计算器工具调用Demo

Day30（1h）

内容：多工具注册、工具返回结果二次入模型总结

实操：注册日期查询、文本摘要双工具自动调度

Day31（1.5h）

内容：LangChain Tools工具集封装

资源：https://www.langchain.com.cn/docs/modules/tools/

实操：本地文件读取工具封装

Day32（1h）

内容：Few-shot样本库动态插入Prompt提升效果

实操：本地样本检索匹配，自动注入提示词

Day33（1.2h）

内容：长文档分层摘要Prompt（分段摘要+全局汇总）

实操：万字文档分层摘要工具

Day34（1h）

内容：Redis缓存高频问答，减少token消耗、降低调用成本

实操：本地Redis缓存问答逻辑

Day35（周末2h，阶段2结业项目）

工具问答机器人：多工具调用+结构化输出+Redis缓存+FastAPI接口

阶段3：RAG检索增强生成（第6-8周，21天）求职核心项目，企业刚需

第6周 Day36~Day42（基础RAG链路）

Day36（1.5h）

内容：标准Naive RAG完整流程，解决知识截止、幻觉

资源：https://datawhalechina.github.io/llm-universe/ch4/rag_basic.html

实操：单文档LangChain RAG问答

Day37（1h）

内容：文本切分策略、chunk大小/重叠调优，两种分割器对比

资源：LangChain TextSplitter https://www.langchain.com.cn/docs/modules/data_connection/document_transformers/text_splitters/

实操：Recursive分割/语义分割效果对比

Day38（1.5h）

内容：多格式文档加载PDF/Word/TXT/Markdown

资源：https://datawhalechina.github.io/llm-universe/ch3/document_loader.html

实操：批量上传多文件解析入库

Day39（1h）

内容：检索优化：TopK召回、相似度阈值、Rerank重排序

资源：https://datawhalechina.github.io/llm-universe/ch6/rag_rerank.html

实操：接入Rerank模型优化检索精准度

Day40（1.2h）

内容：向量库持久化、知识库新增/删除/更新接口

实操：Chroma封装CRUD知识库接口

Day41（1h）

内容：RAG专属Prompt模板设计，区分检索上下文与用户问题

实操：通用知识库问答提示词模板

Day42（周末2h）

简易本地知识库系统：上传文件→自动入库→问答检索

完整代码：https://github.com/datawhalechina/llm-universe/blob/main/notebook/ch4/rag_full.ipynb

第7周 Day43~Day49（RAG工程优化&生产向量库Milvus）

Day43（1.5h）

内容：父文档检索优化，解决chunk分割丢失上下文问题

资源：https://datawhalechina.github.io/llm-universe/ch6/rag_parent_doc.html

实操：实现父文档检索代码

Day44（1h）

内容：Embedding缓存，重复文本不重复向量化节省算力

实操：本地JSON缓存向量逻辑

Day45（1.5h）

内容：Milvus轻量部署，对比Chroma生产级差异

资源：Milvus快速启动 https://milvus.io/docs/install_standalone-docker.md

实操：Docker启动Milvus，完成文档入库检索

Day46（1h）

内容：RAG检索评估指标：精确率、召回率、MRR

实操：构造测试集量化检索效果（复用测试开发自动化思维）

Day47（1.2h）

内容：FastAPI封装RAG问答接口，并发限制、请求限流

实操：RAG上传/问答全套API服务

Day48（1h）

内容：Shell脚本自动扫描文档目录，增量更新知识库（发挥Shell优势）

实操：定时增量更新向量库Shell脚本

Day49（周末2h）

升级项目：Milvus生产级RAG系统，多文件上传、增量更新、并发问答

第8周 Day50~Day56（高阶RAG场景+可视化页面）

Day50（1.5h）

内容：多知识库路由，自动匹配领域知识库

实操：技术库/产品库双知识库路由检索

Day51（1h）

内容：混合检索BM25关键词+向量多路召回融合

资源：https://datawhalechina.github.io/llm-universe/ch6/rag_hybrid.html

实操：BM25+向量双路召回实现

Day52（1.5h）

内容：RAG+Function Calling联动，知识库+实时工具结合问答

实操：检索文档后自动调用工具补充实时数据

Day53（1h）

内容：向量库元数据过滤（时间、标签、文档类型筛选）

实操：基于元数据条件检索

Day54（1.2h）

内容：多轮对话RAG，携带历史上下文优化检索

实操：多轮记忆+检索联动

Day55（1h）

内容：Gradio快速搭建可视化问答前端页面

资源：Gradio官方文档 https://www.gradio.app/docs

实操：可视化知识库问答界面

Day56（周末3h，阶段3核心简历项目）

企业私有知识库问答平台：混合多路检索、多轮对话、工具联动、Gradio前端、Shell自动增量更新

阶段4：Agent智能体开发（第9周，7天）企业自动化AI刚需

Day57~Day63

Day57（1.5h）

内容：Agent四大核心组件Plan规划/Memory记忆/Tools工具/ReAct反思

资源：Hello-Agents教程 https://github.com/datawhalechina/hello-agents

实操：基础ReAct工具Agent，多步骤任务自主执行

Day58（1h）

内容：Agent任务规划，结构化输出步骤拆解

实操：文档分析→摘要→导出报告多步骤Agent

Day59（1.5h）

内容：LangGraph状态机Agent，分支流程控制

资源：LangGraph文档 https://www.langchain.com.cn/docs/langgraph/

实操：简单对话分支流程

Day60（1h）

内容：Agent分层记忆：短期对话记忆+RAG长期任务记忆

实操：Agent绑定私有知识库长期记忆

Day61（1.2h）

内容：Agent日志追踪、步骤记录、失败自动重试

实操：完整Agent执行日志、异常捕获重试

Day62（1h）

内容：测试自动化Agent场景：需求文档→生成测试用例→评审

实操：测试专属智能体Demo

Day63（周末2h）

自动化测试Agent项目：输入需求自动生成、评审测试用例，输出标准化报告

阶段5：私有化模型部署+工程化落地（第10周，7天）面试加分核心，区分初级应用开发

Day64~Day70（弱化底层微调，只学部署+轻量化推理，不训练模型）

Day64（1.5h）

内容：开源模型本地推理方案Transformers、vLLM加速原理

资源：vLLM快速入门 https://docs.vllm.ai/en/latest/getting_started/quickstart.html

实操：vLLM部署Qwen-7B流式推理本地服务

Day65（1h）

内容：模型量化4bit/8bit，降低显存占用，本地低成本推理

资源：GPTQ量化文档 https://github.com/oobabooga/GPTQ-for-LLaMa

实操：4bit量化Qwen本地加载推理

Day66（1.5h）

内容：Docker容器打包大模型推理服务（复用测试CI/CD能力）

资源：vLLM Docker部署文档 https://docs.vllm.ai/en/latest/deployment/docker.html

实操：编写Dockerfile封装推理服务

Day67（1h）

内容：模型服务基础监控：QPS、响应延迟、显存占用埋点

实操：简易吞吐量监控日志打印

Day68（1.2h）

内容：Shell一键启停、更新、重启模型服务自动化脚本

实操：全套运维Shell脚本

Day69（1h）

内容：Go高性能网关开发，统一转发私有模型/云API（发挥Go优势）

资源：Qwen Go SDK https://github.com/QwenLM/qwen-go-sdk

实操：Go网关路由转发LLM请求

Day70（周末3h，结业综合简历大项目）

一站式AI测试开发平台（可直接写进简历）

1. 底层：Docker vLLM量化私有化Qwen推理服务
2. 中间层：Milvus混合检索RAG知识库
3. 上层：LangGraph自动化测试Agent
4. 网关：Go高性能转发网关
5. 配套：Shell自动化部署、RAG自动化评测脚本、Gradio可视化页面

转型关键学习取舍（适配应用岗，避开算法岗无用内容）

1. 不用深入学习：完整Transformer数学推导、预训练大模型、全量微调、RLHF训练、分布式训练、多卡训练；仅知道概念用途即可。
2. 重点深耕：API工程封装、Prompt优化、RAG全链路、Agent工具调用、向量库运维、私有化推理部署、自动化评测、Go/Shell工程落地。
3. 差异化求职优势：突出测试开发+大模型交叉能力：RAG检索自动化评测、大模型接口压测、Agent流程回归测试、CI/CD一键部署AI平台，普通纯开发不具备。