AI Engineering Courses in 2026: What to Study, Where to Study, and What to Skip

---

Section 1 — AI 工程的四个学习层次

很多人在学 AI 时没有清晰的层次感，导致要么学了很多 API 调用却不知道怎么架构系统，要么陷入深度学习数学公式而忽略了工程实践。下面是我认为 2026 年最合理的学习框架：

Layer 1：API 使用（1-4 周）
→ 目标：能用 OpenAI / Claude API 完成基本任务
→ 产出：会写 Completion、Chat、Embedding、Function Calling
→ 技能：Python、HTTP 请求、JSON 解析、环境变量管理
→ 不需要: 了解 Transformer 内部结构

Layer 2：RAG 系统（4-8 周）
→ 目标：构建能"接入私有知识"的 AI 应用
→ 产出：一个运行在本地的文档问答系统
→ 技能：向量数据库（Chroma/Pinecone）、Embedding 模型、检索策略
→ 不需要: 知道 RAG 的数学原理

Layer 3：AI Agent（8-16 周）
→ 目标：构建能自主规划、使用工具、执行多步任务的 Agent
→ 产出：一个能搜索网页、写代码、调用 API 的 Agent
→ 技能：LangChain / LlamaIndex、工具调用、状态管理、错误处理
→ 不需要: 博士级 ML 知识

Layer 4：微调（16 周+，可选）
→ 目标：为特定任务微调开源模型
→ 产出：一个在特定领域优于通用模型的专用模型
→ 技能：HuggingFace Transformers、LoRA/QLoRA、GPU 资源管理
→ 需要: 一定的深度学习基础 + GPU 算力

---

Section 2 — 平台对比

---

Section 3 — 最值得学的具体课程

DeepLearning.AI — Andrew Ng AI Agent 系列

这是 2025-2026 年 AI 工程领域含金量最高的免费课程集合。具体推荐：

必学课程（均免费，每门约 1-2 小时）：
→ "AI Agentic Design Patterns with AutoGen"
→ "Building Agentic RAG with LlamaIndex"
→ "Functions, Tools and Agents with LangChain"
→ "Multi AI Agent Systems with crewAI"
→ "AI Agents in LangGraph"

学习策略：
→ 不要一次学完所有课程
→ 完成一门 → 立即动手复现 → 再学下一门
→ 配合 Anthropic / OpenAI 文档同步阅读

LangChain 官方教程

LangChain 文档质量在 2025 年大幅提升，官方的 LangChain Academy 提供结构化的免费课程，从 LangGraph 基础到生产部署，是 Agent 开发的最佳入门路径。

fast.ai 实用深度学习

如果你想进入 Layer 4（微调），fast.ai 的"Practical Deep Learning for Coders"是最好的起点。Jeremy Howard 的教学风格是"先跑起来，再理解原理"，非常适合工程背景的学习者。

---

Section 4 — 哪些不值得花钱

不推荐的课程类型（及原因）：

✗ "用 ChatGPT 每月赚 $10,000" 类 Udemy 课程
  → 内容停留在 Layer 1 的皮毛，无工程深度

✗ 2023 年录制、未更新的 LangChain 课程
  → LangChain API 变化极大，旧课程代码几乎无法运行

✗ 以"AI提示词工程师"为核心卖点的课程
  → 提示词工程是必要技能，但不值得为此单独花钱

✗ 需要预先购买"AI工具套餐"的课程包
  → 通常是变相销售订阅服务

✗ 纯理论的 ML 数学课（对工程师而言）
  → 除非目标是 Layer 4 微调，否则过早学线性代数/反向传播
    会占用大量时间而不产生工程产出

---

Section 5 — 5 个能放进作品集的 AI 项目

项目1（Layer 1）：个人 AI 助理 CLI 工具
→ 用 Claude 或 GPT-4 API 构建命令行对话工具
→ 支持多轮对话、上下文管理、markdown 渲染
→ 难度：低 | 时间：1-2 天

项目2（Layer 2）：企业文档问答系统
→ 上传 PDF/Notion 文档，通过 RAG 回答问题
→ 技术栈：LangChain + Chroma + Streamlit
→ 难度：中 | 时间：1-2 周

项目3（Layer 2-3）：代码审查 AI Agent
→ 读取 GitHub PR，使用 AI 自动生成 Code Review 意见
→ 接入 GitHub API + LLM + 规则引擎
→ 难度：中 | 时间：2-3 周

项目4（Layer 3）：多工具研究 Agent
→ 能自主使用搜索引擎、Python 解释器、计算器完成研究任务
→ 基于 LangGraph 状态机设计
→ 难度：高 | 时间：3-4 周

项目5（Layer 3）：AI 驱动的个人 Newsletter 生成器
→ 自动抓取指定领域新闻 → 聚合 → 生成摘要 → 发送邮件
→ 技术：RSS + LLM + 邮件 API + 定时任务
→ 难度：中 | 时间：1-2 周

---

Section 6 — 每周 10 小时的 6 个月学习课表

Month 1（Layer 1 打基础）：
→ Week 1-2：Python 基础 + OpenAI/Anthropic API 入门
  - 资源：官方文档 + Anthropic Cookbook（GitHub 免费）
→ Week 3-4：Function Calling + 提示词工程
  - 资源：DeepLearning.AI "ChatGPT Prompt Engineering"
  - 里程碑：完成项目1（CLI 工具）

Month 2-3（Layer 2 RAG）：
→ Week 5-8：向量数据库 + Embedding + 检索策略
  - 资源：HuggingFace Embeddings 课程 + LangChain 官方文档
→ Week 9-12：RAG 系统架构 + 评估方法 + 前端集成
  - 资源：DeepLearning.AI "Building and Evaluating Advanced RAG"
  - 里程碑：完成项目2（文档问答）

Month 4-5（Layer 3 Agent）：
→ Week 13-16：LangGraph 基础 + 工具调用 + 状态机设计
  - 资源：LangChain Academy 免费课程
→ Week 17-20：多 Agent 系统 + 错误处理 + 监控
  - 资源：DeepLearning.AI "Multi AI Agent Systems with crewAI"
  - 里程碑：完成项目4（研究 Agent）

Month 6（综合 + 求职准备）：
→ Week 21-24：生产部署（Docker + Cloud + 监控）+ 作品集完善
  - 资源：fast.ai 实用部分 + 目标公司技术博客
  - 里程碑：作品集 GitHub 页面上线，开始投简历

---

Section 7 — Getting Started

本周行动：

1. 注册 DeepLearning.AI，完成"ChatGPT Prompt Engineering for Developers"（免费，1.5小时）
2. 申请 Anthropic API Key（claude.ai/api），用 Anthropic Cookbook 里的第一个样例跑起来
3. 在 GitHub 创建学习仓库，用 README 记录你的学习进度

AI 工程的核心门槛比大多数人想象的要低——真正的挑战是坚持把每个项目做到"能给别人用"的程度，而不是停在"能跑通样例"就算完。