面对AI浪潮，如何系统地从入门到精通？这份书单专为工程师打造，精选了涵盖LLM工程、提示工程、RAG、LLMOps及智能体开发的核心书籍。它摒弃了纯理论，聚焦于实战构建与生产部署，旨在为不同阶段的从业者提供清晰的学习路径和实用指南，助你快速掌握将AI产品落地的关键技能。
智能速览
书单侧重工程实践，而非纯理论知识。
Chip Huyen的《AI工程》获ChatGPT创始人推荐，覆盖AI应用完整生命周期。
内容涵盖LLM工程、提示工程、RAG、LLMOps到AI智能体等多个关键领域。
《大语言模型快速入门指南》最适合没有直接LLM经验的初学者。
《AI智能体实战》是首部全面介绍生产级AI智能体的书籍。
精华内容
这些书籍并非孤立的知识点，而是构成了一张从基础到前沿的AI工程学习地图。它们由业内专家撰写，结合了大量实战案例与代码，能够帮助学习者系统地构建起完整的知识体系与应用能力。
工程基础与入门
对于希望系统构建AI应用的工程师，Chip Huyen的《AI工程：基于基础模型构建应用》是必读之作。该书覆盖从提示工程、RAG架构到微调和生产部署的完整生命周期，且内容框架无关，专注于核心原理，获得了ChatGPT联合创始人的高度推荐。对于初学者，Sinan Ozdemir的《大语言模型快速入门指南》(第2版)则提供了极为友好的入门路径，将复杂概念分解为易于理解的模块，并兼顾了生产部署的关注点。
核心技术与深化
在核心技术深化上，James Phoenix与Mike Taylor的《生成式AI提示工程》是目前最全面的资源，不仅涵盖文本与图像生成的提示技术，还提供了跨多个模型的生产级Python示例。而在RAG领域，Denis Rothman的《RAG驱动的生成式AI》提供了权威的深度指南，深入探讨了向量存储、分块策略乃至多模态RAG等前沿话题，是目前市面上对该主题覆盖最深的书籍。
生产部署与运维
将模型投入生产面临诸多挑战，Paul Iusztin与Maxime Labonne的《LLM工程师手册》通过贯穿全书的“LLM Twin”项目，详细讲解了从数据管道设计、监督微调到AWS端到端部署的完整LLMOps流程。而Brousseau与Sharp的《LLM生产实战》则更聚焦于成本优化、安全考虑和Kubernetes编排等实际部署难题，并包含树莓派部署等特色项目，非常适合关注落地细节的团队。
框架应用与智能体
在应用框架层面，Ben Auffarth的《LangChain生成式AI》(第2版)紧跟API更新，是学习LangChain生态系统的最佳单一资源。对于更前沿的AI智能体领域，Micheal Lanham的《AI智能体实战》是首部全面介绍生产级智能体的书籍，内容覆盖多智能体系统、行为树及高级记忆系统，为开发者探索AI自主决策能力提供了宝贵的实战指导。
这份书单为AI学习之路提供了清晰的阶梯，无论是初入行业的新人还是寻求突破的资深工程师，都能从中找到适合自己的进阶路径。掌握这些工程化能力，将是未来在AI领域保持竞争力的关键。面对不断演进的技术，你将从哪个领域开始深入探索？
