基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
开源项目2026-11-18 03:52

用 TypeScript 动手学 AI 工程的 30 天路线

dev.to · AI#AI 工程#TypeScript#本地模型
Editor brief · 编辑速览

这份开源路线用 TypeScript、Node.js 和 Ollama 本地模型,从聊天应用逐步做到工具调用、语义检索和文档问答。练习包括自建向量存储,并覆盖应用评估和提示注入,所需环境无需付费 API 密钥。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

AI Engineering Journey 是一条免费、开源的 30 天学习路线。它用 TypeScript、Node.js 和 Ollama,从聊天机器人一路做到基于文档的助手,中间还安排了手写向量存储、工具调用和评估。全程使用本地模型,无需付费 API Key。

对已经会写前端或 Node.js 的读者,这份路线最有用的地方是给出了一串能动手的小项目。你可以沿着一次用户提问,看清应用怎么调用模型、怎么找资料,又该怎么判断回答有没有用。

为什么从聊天机器人开始

作者的做法是先搭一个能对话的小应用,再逐步加入提示词工程(prompt engineering)、工具调用(tool calling)和 AI 智能体(agent)。最简单的聊天流程只需要把输入交给模型,再把结果显示出来。有了这条链路,改一处提示词就能观察输出怎么变,也更容易分清哪些逻辑由应用负责,哪些结果由模型生成。

工具调用把这条链路往前推了一步。比如用户问订单状态,模型可以提出调用查询函数,应用执行函数,再把结果交回模型组织成回答。到了智能体这一层,模型还可能根据工具返回的结果决定下一步。先做通一次调用,再理解多步决策,每一步都能单独检查。

手写向量存储能学到什么

路线把嵌入(embedding)、语义搜索和手写向量存储放在一起,最后把它们用到文档助手里。嵌入会把文本表示成一串数字,语义搜索用这些数字衡量文本之间的相似程度。比如用户搜「忘了密码」,即使用词不同,也可能找到标题为「重置登录凭据」的文档。

向量存储负责保存这些数字表示,并在查询时找回相近的内容。自己实现一遍,最直观的收获是能看到模型回答前到底收到了哪些资料。文档助手答错时,可以先检查相关段落有没有被找回来,再检查模型有没有用好已经找到的段落。

路线还把评估和提示词注入(prompt injection)列为学习内容。对文档助手来说,评估可以从一组能在文档里找到答案的问题开始。提示词注入则涉及另一件事:检索到的文本也可能夹带指令,应用需要把这些文本当作资料来处理。

我的判断

手写一遍向量存储适合用来理解检索流程。直接接现成组件通常更快,尤其是团队已经知道怎么查检索问题,只想验证文档助手能否解决业务需求时。学习时最费时间的那一步,在交付时可以交给成熟组件。

作者分享的是他在探索 AI Engineering 时采用的学习思路。原文没有实测结果,也没有与先读理论、直接用框架等做法的对照数据。「先做小项目更容易入门」是经验之谈。30 天是路线的安排,原文没有交代每天的投入、本地模型的型号或机器配置。无需付费 API Key 省去了开通模型服务的一步,实际进度还得看你是否熟悉 TypeScript 和 Node.js,以及本地模型跑得怎么样。

能拿来做什么

  • 用熟悉的前端栈搭个对话框,让 Node.js 调用 Ollama。固定几条输入,每次只改一处提示词,观察输出具体变了什么。
  • 给聊天机器人加一个只读工具,例如查询本地的订单样例数据。分别检查模型选择的工具、传入的参数和函数的返回结果,定位出错的是哪一步。
  • 选几份自己熟悉的文档做问答,再加几道文档里找不到答案的题。逐题记录检索命中的段落和最终回答,方便区分资料找错与回答写错。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
GPT‑6.2 双模型亮相,Codex 收紧项目权限
下一篇
一次 API 购买为何会留下两份付款授权

资讯速览

dev.to · AI · 2026-11-18 03:52

AI 评分 8.0 / 10

相关标签

#AI 工程#TypeScript#本地模型

继续阅读

  • 4GB 显存下的本地文档压缩应用架构
  • GPT‑6.2 双模型亮相,Codex 收紧项目权限
  • 一次 API 购买为何会留下两份付款授权
  • SageMaker 加入训练和评测数据准备工具
  • 用预定义操作手册约束运维智能体写入