2026.05 — 2026.12 VOLUME · VI
张桃 · CassandraCat
PART · 00 / OVERTURE

THE MAKING OF AN AI ENGINEER

AI 工程师 养成
8 个月叙事 双轨并行 三个作品 GitHub 见 从前端走到 AI
主线 · MAIN 56 h/月 Java · Spring AI · Browser Agent
副线 · SIDE 20 h/月 Python · Obsidian RAG → AI Code Reader
能力树 · CAPABILITY 8 块 基础 → 进阶, 12 月底覆盖完
总时数 · TOTAL 1,032 h 8 月 · 三/四线并行
01/Dual Track Timeline

两条轨道, 八个月, 一张地图

上半轨是 Java 主线 — Browser Agent 随月份从「Tool 试水」走到「v2.0 多 Agent · GitHub 开源」。 下半轨是 Python 副线 — Obsidian RAG (8-10 月) 串行做到 AI Code Reader (11-12 月)。 两条轨道独立跑, 在 8 块 AI 能力上汇合。

Track A · Java

AI Browser Agent

Spring AI · Playwright Java · CDP
SPRING AI
第一关跑通
+ 5 扩展点实战
FOUNDATION
Tool calling + RAG
Browser Tool 试水
v0.1
ReAct 循环
简单 web 任务
v0.5
多步骤 + 表单
截图反馈
v1.0 ↑
公司业务流落地
+ LangSmith 评估
v1.5 · VISION
多模态
LLM 看截图
v2.0 · MULTI-AGENT
Planner+Executor
+Verifier 协同
OPEN SOURCE ★
GitHub 开源
Java 阵营首发
05· May
06· Jun
07· Jul
08· Aug
09· Sep
10· Oct
11· Nov
12· Dec
Track B · Python

Obsidian RAG → AI Code Reader

FastAPI · LangChain · Next.js
— 未启动 —
副线 6 月起步
入门
LangChain 基础
+ Next.js 入门
综合练习
全栈 hello world
项目 1 架构设计
RAG 1 · v0.1 ↑
Obsidian RAG 公开
Wiki 个人助手
RAG 1 · v0.2
多 embedding
+ 链接图谱
RAG 1 · v0.5
LangGraph 多 Agent
项目 1 收尾
CODE READER · v0.1
AI Code Reader
repo → 代码地图
v1.0 ★
AI Code Reader
双语 + LangSmith
02/Two Anchor Projects

三个锚项目

项目是岸, 月份是浪。主线一个长跑, 副线两个串行, 8 个月后, 三个 GitHub 仓库摆在那里 = 能力证明。

Track A · 主线 · 长跑

AI Browser Agent

Java 阵营首个完整 Browser Agent 实现 · 开源 + 公司业务自动化

Java 25 Spring Boot 4 Spring AI 2.x Playwright Java Chrome DevTools Redis LangSmith Java

当下 AI 圈最热方向 (Manus / Browser Use / Operator), Java 阵营空白。 Spring AI 控制 Chrome → 自然语言 → 自主完成跨系统业务流。 落地公司自动化 (回归测试 / 数据录入), 同时 GitHub 开源给 Java 社区。 学满 8 块能力: Tool / RAG / Agent / 多 Agent / 多模态 / 评估 / 生产 / 进阶。

月时 56h 2h × 28 工作日
里程碑 7 v0.1 → v2.0 → 开源
最终 OSS 12 月 GitHub 公开
Track B · 副线 · 串行

Obsidian RAG → AI Code Reader

两个 Python 全栈作品串行做 · GitHub 开源

Python 3.12 FastAPI LangChain Next.js 14 React TypeScript ChromaDB tree-sitter

项目 1 (8-10 月) Obsidian RAG · 你 Wiki 现成数据 → AI 知识助手, 1.5 个月出 v0.1。
项目 2 (11-12 月) AI Code Reader · 输入 GitHub repo URL → AI 自动生成代码地图 + 模块依赖 + 流程图。
串行做, 不并行 — 学习专注度优先, 累积两份完整全栈 AI 作品。

月时 20h 5h/周, 11 月起 8h/周
作品数 2 RAG + Code Reader
部署 OSS Vercel + Railway + GitHub
03/Capability Tree

AI 应用工程师 八块能力

不是 ML 算法, 不是模型训练。是把 LLM 接入产品的 8 块工程能力。 每块标注涉及月份, 项目里程碑会用到这些能力。

01 Foundation

基础

LLM 调用 / Prompt 工程 / Token 与成本管理 / 多模型切换

5月6月7月8月 9月10月11月12月
02 Dialogue

对话

SSE 流式输出 / Memory / Context 滑动窗口 / 多轮对话

5月6月7月8月 9月10月11月12月
03 Tools

工具

Function calling / Tool use / Spring AI @Tool / 工具链编排

5月6月7月8月 9月10月11月12月
04 Retrieval

检索

Embedding / Vector DB / RAG 基础到进阶 / 检索质量评估

5月6月7月8月 9月10月11月12月
05 Agent

Agent

单 Agent (Tool 编排) / 多 Agent / LangGraph supervisor / 路由

5月6月7月8月 9月10月11月12月
06 Evaluation

评估

LangSmith / 自定义 evaluator / A/B 测试 / 数据集 trace

5月6月7月8月 9月10月11月12月
07 Production

生产

监控 / 成本控制 / 延迟优化 / 错误处理 / 安全

5月6月7月8月 9月10月11月12月
08 Advanced

进阶

多模态 / RAG 系统优化 / Agent 编排 / 不做 Fine-tune

5月6月7月8月 9月10月11月12月
04/Time Allocation

时间, 是路线图的肌肉

四条线在月份里此消彼长。CG (图形学) 是兴趣, 6 月起降级, 11 月暂停; AI 主副线相对稳定, 副线 11 月冲刺 v1.0; Algo 全程不变。

Java · Spring AI 主线
Python · LangChain 副线
CG · GAMES101
Algo · 左程云
5月
56h
56h
28h
140h
6月
56h
20h
28h
28h
132h
7月
56h
20h
28h
28h
132h
8月
56h
20h
28h
28h
132h
9月
56h
20h
28h
28h
132h
10月
56h
20h
14h
28h
118h
11月
56h
32h
28h
116h
12月
56h
32h
28h
116h
05/Monthly Breakdown

逐月进度

每月把 4 条线 (Java 主 / Python 副 / CG / Algo) 落到具体任务, 末尾的 milestone 就是月底要交的"东西"。

05·
140 h 5 月 · 起步
Spring AI 第一关 · GAMES101 入门 · 算法奠基
Java · 56h
  • W1 JDK + IntelliJ + Spring Initializr 项目骨架 · 第一个 ChatClient 跑通 /api/chat · ChatClient vs WebClient · System/User/Assistant 三角色 · Token 计费
  • W2 Flux<String> 流式 + 后端 SseEmitter + 前端 EventSource · SSE 三个坑 (超时/重连/[DONE]) · 前端 Vue useStreamChat · 记 TTFT 基线
  • W3 Spring Interceptor JWT 校验 · 对话历史存 Redis (userId:sessionId, TTL=24h) · 滑动窗口 10 轮 · System Prompt 多角色 · Session 隔离
  • W4 Prompt Engineering for Developers (5h) · Zero/Few-shot/CoT/ReAct 4 策略对比 · System Prompt 库 · Browser Agent Prompt 模板 3-5 个
Python · 0h
  • — 副线 6 月启动
CG · 56h
  • W1 L1 概览 + L2 线性代数 · 叉积/点积几何意义 · 虎书 Ch.2 · 作业 0 (旋转一个点)
  • W2 L3 2D 变换 · 缩放/旋转/切变 · 齐次坐标 · 变换复合顺序 · 虎书 Ch.6
  • W3 L4 3D 变换 + MVP · 罗德里格斯 · 视图/正交/透视 · 虎书 Ch.7
  • W4 作业 1 实现 get_model/view/projection_matrix · 提高: 任意轴旋转 · L1-L4 cheatsheet
Algo · 28h
  • W1 左程云 001-006 · 导论 + 二进制位运算 + 选/冒/插排序 + 对数器 + 二分搜索
  • W2 007-012 · 时间复杂度 + 数据结构介绍 + 链表入门题
  • W3 013-018 · 栈/队列 + 双端队列 + 二叉树三种遍历
  • W4 019-024 · 笔试输入输出 + master 公式 + 归并 + 随机快排
milestones
Spring AI 完整跑通 (流式 + JWT + Redis + Prompt 库)
GAMES101 L1-L4 视频 + 笔记 + 作业 0/1 完成
左程云 001-024 学完 + LeetCode ≥ 15 题
06·
132 h 6 月 · 双轨启动
Browser Agent 打地基 · Python / Next.js 入门
Java · 56h
  • W1 Spring AI @Tool 注解 / FunctionCallback · Anthropic Cookbook tool_use 实战 2-3 example · LLM 选工具流程: 定义→注册→选择→执行→回传
  • W2 Playwright Java 试水 — 启动 headless Chrome · 封装 Browser Tool 第一组 (navigate / click / type / screenshot / getDom) · ChatClient + Browser Tool 端到端 demo
  • W3 Spring AI RAG · DocumentRetriever + Embedding (text-embedding-3-small / 智谱 / BGE) + Vector Store (Chroma/Redis Stack/pgvector) · QuestionAnswerAdvisor 跑通
  • W4 操作记忆 RAG — 成功流程 + 失败案例库切块入 Chroma · 下次类似任务可检索复用 · 评估复用率/准确率
Python · 20h
  • W1 uv/mise 配 Python 3.12 · LangChain 基础 ChatModel/PromptTemplate/Chain · Spring AI 概念对照 (Advisor≈Runnable) · 第一个 LangChain ChatBot CLI
  • W2 ConversationBufferMemory / SummaryMemory / VectorStoreRetrieverMemory · @tool 装饰器 · ReAct Agent 自主循环
  • W3 ChromaDB 本地向量库 · 完整 RAG 链 Load→Split→Embed→Store→Retrieve→Generate · 跟 Spring AI 实现对比
  • W4 Next.js 14 App Router (路由/SSR/API routes) · shadcn/ui + Tailwind · Hello World 全栈: Next.js → FastAPI → LangChain · 部署 Vercel + Railway
CG · 28h
  • W1 L5 光栅化 · 三角形 → 像素 · 采样
  • W2 L6 反走样 · MSAA / SSAA · 频域分析
  • W3 L7 着色 1 · Blinn-Phong · 光源模型
  • W4 L8 着色 2 · 纹理映射 · 作业 2 Triangle Rasterization
Algo · 28h
  • W1 025-029 哈希表 + 比较器 + 排序总结
  • W2 030-035 异或骚操作 + 二叉树递归套路
  • W3 036-041 二叉树非递归 + 层序
  • W4 042-048 链表 + 链表+哈希混合
milestones
Browser Agent 第一组 Tool 跑通 (LLM → Chrome 自动操作)
Spring AI RAG 调通, 操作记忆 + 失败案例库可检索
Python LangChain 基础 RAG 跑通
Next.js + FastAPI 全栈 hello world 部署 Vercel
07·
132 h 7 月 · v0.1 端到端
Browser Agent v0.1 · Python 全栈练习
Java · 56h
  • W1 Spring AI Advisor 链编排 · 多 Advisor 串联 (Logging + Memory + RAG)
  • W2 ReAct Agent 循环: 观察(getDom/截图) → 思考(LLM) → 行动(Tool) → 反馈, 自主跑多步任务
  • W3 Browser Agent v0.1 端到端: 自然语言 → 自主完成简单 web 任务 (打开网页/搜索/提取信息)
  • W4 录制 Demo Video (3-5 分钟) + 单元测试 + 性能基线 (任务成功率 / 步骤数)
Python · 20h
  • W1 LangChain Memory 进阶 + Chain 编排 (LCEL)
  • W2 Python 全栈 hello world 完整化 (Next.js + FastAPI + LangChain 真实交互)
  • W3 ChromaDB 持久化 + 多 collection 管理
  • W4 副线项目 1 (Obsidian RAG) 架构设计 (8 月动工前预习)
CG · 28h
  • W1-2 L9-L10 几何 1-2 · 隐式/显式表面 · 贝塞尔/B-Spline 曲线
  • W3-4 L11-L12 几何 3-4 · 网格简化 · 细分曲面
Algo · 28h
  • W1 049-054 二叉树深度题
  • W2 055-060 二叉树高频题
  • W3 061-066 二叉树题型套路
  • W4 067-072 链表与二叉树综合
milestones
Browser Agent v0.1 端到端 (LLM 自主完成简单 web 任务) + Demo Video
副线项目 1 (Obsidian RAG) 架构设计完成, 8 月动工
08·
132 h 8 月 · 公开化
Browser Agent v0.5 · Obsidian RAG v0.1 公开
Java · 56h
  • W1 复杂 Tool 集 (waitForSelector / 复杂选择器 / 多页面 tab 管理)
  • W2 表单填写 + 复杂交互 (下拉/弹窗/iframe/认证)
  • W3 截图反馈机制 — 操作后截图 → LLM 看 → 判断成功 or 重试
  • W4 跨页面跳转 + 状态持久化 (Redis) · Browser Agent v0.5 内部 demo
Python · 20h
  • W1 Obsidian Vault 数据加载 (md 解析 + 链接图谱)
  • W2 RAG 全套 (chunk + embed + Chroma) + 简单 chat UI (Next.js + shadcn/ui)
  • W3 Demo Video 录制 + README 中英双语
  • W4 GitHub 公开 + Vercel 部署 + 朋友圈/小红书/V2EX 找第一批用户
CG · 28h
  • W1-2 L13-L14 光线追踪基础 · Whitted-style RT · 加速结构 (BVH/KD-tree)
  • W3-4 L15-L16 辐射度量学 + 渲染方程 · 蒙特卡洛积分
Algo · 28h
  • W1 073-078 链表进阶题
  • W2 079-084 滑动窗口
  • W3 085-090 单调栈
  • W4 091-096 单调栈高频
milestones
Browser Agent v0.5 (多步骤 + 表单 + 截图反馈)
Obsidian RAG v0.1 GitHub 公开, README + Demo 完整
Obsidian RAG 收到第一批用户反馈
09·
132 h 9 月 · v1.0 落地
Browser Agent v1.0 公司业务流落地 · Obsidian RAG v0.2
Java · 56h
  • W1 错误恢复机制 (重试 / 回退 / 降级 / 异常分类)
  • W2 Spring AI 评估接入 LangSmith Java SDK · 任务成功率/步骤数/失败回滚率 metrics
  • W3 Browser Agent 落地一个公司业务自动化场景 (跑回归/数据录入/跨系统操作)
  • W4 Browser Agent v1.0 发布 + 1 篇深度博客「在 Java 阵营做 Browser Agent」
Python · 20h
  • W1 整理 Obsidian RAG 用户反馈 · 列 v0.2 feature 优先级
  • W2 添加 多 embedding 对比 (OpenAI / 智谱 / 本地 BGE)
  • W3 添加 Wiki 链接图谱可视化 + 跨笔记问答
  • W4 Obsidian RAG v0.2 发布 + 1 篇博客 (Obsidian RAG 实战)
CG · 28h
  • W1-2 L17-L18 光追进阶 · 路径追踪 · 重要性采样
  • W3-4 L19-L20 材质 · BRDF · 微表面模型
Algo · 28h
  • W1 097-102 单调队列
  • W2 103-108 单调队列高频
  • W3 109-114 字典树 (Trie)
  • W4 115-120 字典树高频
milestones
Browser Agent v1.0 (错误恢复 + 公司业务流落地 + LangSmith)
Obsidian RAG v0.2 (多 embedding + 链接图谱 + 跨笔记问答)
2 篇深度技术博客 (Java Browser Agent + Obsidian RAG)
10·
118 h 10 月 · 多模态 + 多 Agent
Browser Agent v1.5 多模态 · Obsidian RAG v0.5 收尾
Java · 56h
  • W1 Spring AI 多模态调用 (Vision API: GPT-4o / Claude / 智谱 GLM-4V)
  • W2 Browser Agent 加 视觉理解: 操作后截图 → LLM 看 → 判断状态/找下一步元素
  • W3 复杂页面适配 (动态加载 / 长滚动 / 弹窗) — 多模态 vs DOM 双通道决策
  • W4 Browser Agent v1.5 发布 + 任务成功率优化报告
Python · 20h
  • W1 LangGraph 官方文档 + DeepLearning.AI 课 · 建立直觉
  • W2 LangGraph 实战: supervisor / 路由 / 状态机
  • W3 Obsidian RAG v0.5 加多 Agent (检索 Agent + 总结 Agent + 引用 Agent)
  • W4 Obsidian RAG v0.5 发布 · 项目 1 收尾 (项目 2 AI Code Reader 11 月动工)
CG · 14h
  • W1-4 L21-L22 收尾 · 动画 (Key Frame / Mass-Spring) + 仿真 · 0.5h/天
Algo · 28h
  • W1 121-126 字符串匹配 (KMP/Manacher)
  • W2 127-132 字符串高频题
  • W3 133-138 并查集
  • W4 139-144 并查集高频
milestones
Browser Agent v1.5 (Spring AI 多模态 · 视觉理解页面)
Obsidian RAG v0.5 (LangGraph 多 Agent), 副线项目 1 收尾
GAMES101 主体讲完
11·
116 h 11 月 · 多 Agent 协同
Browser Agent v2.0 多 Agent · AI Code Reader 启动
Java · 56h
  • W1 多 Agent 架构设计 (Planner 拆任务 / Executor 执行 / Verifier 验证)
  • W2 Planner Agent · LLM 把复杂任务拆成子步骤树
  • W3 Executor + Verifier Agent 协同 + 失败重新规划
  • W4 Browser Agent v2.0 内部发布 + 跑复杂业务流 demo
Python · 32h
  • W1 AI Code Reader 架构: GitHub URL → clone → 解析 → AI 生成代码地图
  • W2 代码解析 (AST / tree-sitter) + 模块依赖图
  • W3 LLM 生成代码导览文档 + 关键流程图 (mermaid)
  • W4 Next.js 前端展示 + Vercel 部署 + GitHub 公开 v0.1
CG · 0h
  • — 暂停 · 集中精力副线 v1.0
Algo · 28h
  • W1 145-150 DP 入门 (1D)
  • W2 151-156 DP 中等 (2D)
  • W3 157-162 DP 区间
  • W4 163-168 DP 子序列
milestones
Browser Agent v2.0 (Planner + Executor + Verifier 多 Agent)
AI Code Reader v0.1 GitHub 公开
1 篇技术博客 (Browser Agent 多 Agent 架构演进)
12·
116 h 12 月 · 开源 + 收尾
Browser Agent 开源 · AI Code Reader v1.0 · 综合收尾
Java · 56h
  • W1 Browser Agent 完整文档 · 架构 / 接入指南 / 故障排查 / API reference
  • W2 GitHub 开源准备 (README 中英文 / Demo Video / 推广素材)
  • W3 Spring AI 多模型路由 + 成本控制 (Browser Agent 调用次数多, 成本敏感)
  • W4 GitHub 公开 + 1 篇综合博客 + 12 个月学习年度沉淀
Python · 32h
  • W1 LangSmith 接入 (Trace / Eval / Dataset) — 给两个 Python 项目都加
  • W2 AI Code Reader v0.5 — 加流程图生成 + 用户反馈迭代
  • W3 AI Code Reader 中英双语 README + 用户教程 + 部署优化
  • W4 AI Code Reader v1.0 发布 + 推广 + 年度沉淀
CG · 0h
  • — 暂停 · 主体已学完
Algo · 28h
  • W1 169-174 DP 进阶 (路径)
  • W2 175-180 DP 高难度
  • W3 181-188 图论 (BFS/DFS/最短路)
  • W4 189-197 图论高频 + 197 集全部学完
milestones
Browser Agent GitHub 开源 (Java 阵营首个完整实现) + 综合博客
AI Code Reader v1.0 完整 (LangSmith 评估 + 双语文档)
三作品 GitHub 完整呈现 · 左程云 197 集学完 · 8 块能力覆盖完