本仓库为《转型 AI 工程师》 专栏的配套实战项目代码。
包含：
- 待办 AI 拆解
- 多模态对话应用
- RAG 文档问答
- ...
各子项目独立依赖与端口，可分别启动。
| 路径 | 功能 | 默认端口 | 启动方式 |
|---|---|---|---|
| todo-and-chat | 待办 + 多模态 AI 对话 | 3000 | 见下方 |
| rag | RAG 文档上传与问答 | 4000 | 见下方 |
路径：todo-and-chat/
功能：待办事项管理 + 多模态 AI 对话。支持任务 CRUD（Supabase）、流式对话、图片/视频生成、提示词优化、语音转写等；前端为 Next.js + Tailwind，含长期/短期记忆与用户画像。
启动方式：
cd todo-and-chat
npm install # 首次需安装依赖
npm run dev -- -p 3000运行端口：3000（本地访问：http://localhost:3000）
环境：复制 env.example 为 .env.local，配置 Supabase 与 AI 相关变量；数据库需执行 supabase-schema.sql。详见 todo-and-chat/API_DOCUMENTATION.md。
路径：rag/
功能：RAG（检索增强生成）文档问答。支持 PDF/CSV/TXT 等上传、文档切分与向量化、基于文档的对话与溯源；技术栈为 Next.js + LangChain，可选 Chroma / Milvus 等向量库。
启动方式：
cd rag
npm install # 首次需安装依赖
npm run dev -- -p 4000运行端口：4000（本地访问：http://localhost:4000）
环境：按需配置向量库与嵌入模型（见 rag/README.md 或项目内说明）。
- todo-and-chat：
npm run dev -- -p 3000→ http://localhost:3000 - rag：
npm run dev -- -p 4000→ http://localhost:4000
两项目端口不同，可同时启动，互不影响。
《转型 AI 工程师：重塑你的能力栈与思维》
我是一名在大前端领域深耕 10 余年的“老兵”，也曾和你一样，面对 AI 的浪潮既兴奋又焦虑。
为了亲身体验到 AI 究竟是怎样影响到产品迭代和业务改造，2024 年中，我转岗到 AI 工程师，一开始也是不知道该怎么上手，在经历了数月的内外求索，总算步入了正轨，到今天，已经参与和主导了多个 AI 商业项目从概念到落地实施。
熟悉的朋友可能知道，我写技术文章已经有 11 年（2014 年开始），也在人民邮电出版社出版过技术书籍，最擅长将晦涩难懂的技术，转化为小白熟悉的语言。
这个专栏，我将注重“理论与工程实践的结合”，将我转型路上的实战笔记与心血结晶都总结给你，相信一定能让你有不少收获！
目标：认识 AI 工程师的工作内容和能力要求，建立 AI 编程新思维。
- 第 01 讲 | 职业全景：为什么要转型 AI 应用工程师，这个岗位需要什么能力？
- 第 02 讲 | 别再设限：全栈比想象中容易得多
- 第 03 讲 | 编程新范式：如何高效 Vibe Coding
- 第 04 讲 | 提示词工程：你缺的不只是专业术语
目标：学会通过代码优雅地控制大模型，跨越转型 AI 工程师的第一道技术门槛。
- 第 05 讲 | API 避坑指南：如何像老手一样优雅地调用大模型
- 第 06 讲 | 多模态全览：文/图/音视频大模型一网打尽
- 第 07 讲 | 实战：开发一个多模态（文本、生图、生成视频）聊天应用
- 第 08 讲 | 上下文工程：让你的应用怎么聊都懂用户
目标：具备解决大模型“胡说八道”和“不懂私有数据”的能力，这是目前企业招聘最看重的技能。
- 第 09 讲 | 理解 RAG 全貌：如何实现语义搜索？
- 第 10 讲｜RAG 实现详解（上）：数据导入、文本切块和 Embedding
- 第 11 讲｜RAG 实现详解（下）：向量数据库、检索前处理、检索后处理、响应生成
- 第 12 讲｜RAG 实战
目标：掌握很多企业都在使用的 Agent 低代码平台 —— Coze 和 Dify。
- 第 12 讲 | 选型指南：Agent 初探与低代码平台对比
- 第 13 讲 | Coze 快速上手：从 Prompt 优化到插件系统
- 第 14 讲 | Coze 实战：可视化编程——工作流编排
- 第 15 讲 | Dify 工程化 (上)：私有化部署与知识库搭建
- 第 16 讲 | Dify 工程化 (下)：打造企业级 AI 中台
- 第 17 讲 | 实战：打造你的“AI 私人投资助理”
目标：深入代码底层，让 AI 拥有“大脑”和“手”，掌握 2025 年最硬核的 Agent 架构开发。
- 第 18 讲 | Agent 核心基石：Function Calling 与 ReAct 模式
- 第 19 讲 | AI 时代的标准接口：MCP 实战
- 第 20 讲 | 告别胶水代码：用 LangChain 重构你的 AI 代码
- 第 21 讲 | 架构升级：LangGraph 如何让 Agent 自我纠错
- 第 22 讲 | 组建虚拟团队：Multi-Agent 多智能体编排实战
- 第 23 讲 | 毕业大作业：打造你的“深度研究助手”
- 第 24 讲 | 独行疾步：AI 工程师的职业护城河
- 前端/后端/移动端开发工程师：渴望打破 CRUD 循环，转型 AI 全栈。
- 技术 Leader / 架构师：需要为团队引入 AI 工作流，搭建企业级 AI 中台。
- 独立开发者 / 自由职业者：想利用 AI 快速构建产品，实现一人公司。
- 计算机专业学生：希望直接对标企业最新招聘需求。