# 黄波的 AI 知识结构 · 全景盘点与价值评估

> 盘点日期：2026-07-17 ｜ 整理：小企（基于多轮深度讨论 + huangbo career.txt + 课程目录文档 + 行业现状核查）
> 配套文档：`黄波的AI知识结构-20260711.md`（2025 课程基线的完整目录）
> 性质：**纯知识资产盘点**，以 2026 年年中主流 AI 知识架构为背景坐标，评估各板块的当前价值与时间线走势。

---

## 〇、盘点背景：2026 年年中的主流 AI 知识架构

行业知识版图当前分八层（本文全部评估以此为坐标系）：

| 层 | 包含内容 | 行业热度信号（2026-07） |
|---|---|---|
| ① 模型层 | 原理/Transformer/微调(LoRA/RLHF/GRPO)/MoE | 热度让位：微调训练营开到第11期成流水线商品 |
| ② 部署层 | 私有化/量化/Ollama/边缘推理/成本工程 | 成本工程升温（"月省70%：模型路由与缓存"类课程上榜） |
| ③ 上下文层 | RAG/Embedding/记忆系统/Context Engineering | Prompt→Context→Skills 迁移中，记忆系统成 Agent 标配 |
| ④ Agent 层 | Function Calling/MCP/A2A/harness/多智能体编排 | **最热层**：极客时间热搜前10有6个是 Agent/Claude Code/Codex/harness |
| ⑤ 运营层 | 评测(Evals)/可观测性/Agent安全/成本控制 | 快速升温：Agent 自主性放大后的必然需求（GPT-5.6 删硬盘事故即信号） |
| ⑥ 多模态层 | 图/视频/语音生成的工程化管线 | 持续高热（Seedream、即梦/可灵、数字人） |
| ⑦ 应用商业层 | 产品化/分发/单位经济 | 大厂 Agent 入口大战开启（ChatGPT Work/百度搭子/AutoGLM 等） |
| ⑧ 邻接域 | 传统 ML / 具身智能 | 具身智能爆发（LingBot/Optimus/宇树），传统 ML 稳定存续 |

---

## 一、知识资产盘点

### 1.1 「2025 基线」——三个月集中学习（2025.10–2026.1，极客时间彭靖田三营）

| 模块 | 具体内容 | 获得方式 |
|---|---|---|
| ML/DL 基础 | 神经网络、反向传播、监督/非监督/半监督 | 全栈营第1章 |
| Transformer 体系 | 注意力/自注意力/多头/位置编码/稀疏注意力 | 全栈营第2章 |
| GPT 家族与提示学习 | GPT1→4 演进、CoT/ToT/自洽性 | 八周营基础篇 |
| OpenAI 开发栈 | API、Embedding、Function Calling | 八周营 |
| LangChain 全家桶 | Chains/Memory/Agents/Data Connection | 八周营进阶篇 |
| RAG 全链路 | DeepSeek RAG、FastGPT 企业级、私有化部署 | 全栈营 4/6/14-16 章 |
| 应用平台 | Dify、Langbot、FastGPT | 全栈营 7-10 章 |
| 协议层 | **MCP、A2A** | 全栈营 11-13 章 |
| 微调专项 | PEFT/LoRA/QLoRA/量化(GPTQ/AWQ)/RLHF/MoE/DeepSpeed 分布式 | 微调营全程 |
| 企业落地 | 权限分级、数据隐私、硬件选型 | 全栈营17章+八周营生态篇 |

### 1.2 「2025 实践资产」——边学边做边面试

- 自己微调过多个模型（ChatGLM3、LLaMA2 指令微调、Whisper LoRA 等）
- 开发多个 Agent 与 RAG 应用（两段项目化简历：RAG 应用 + Agent 开发）
- **"开发-测试-认知"闭环方法**：以真实面试为反馈信号迭代知识结构（头两周被问哑→反推市场→补齐→12月面试起飞）
- 技术叙事能力：微调故事（数据准备→训练→准确度）的结构化表达

### 1.3 「2026 新增」——实践中自发长出的板块（这部分不在任何课程目录里）

| 板块 | 具体内容 | 时间 |
|---|---|---|
| **评测系统实践 ①** | 语音英语聊天 Agent 的 LLM-as-judge：提示词解构场景（对话者/场景/背景/轮数）→ 十几个 **0/1 二元维度**打分（遵守背景/纠错/公序良俗等）→ 按轮次/按用户/跨用户统计 → 为换模型/换提示词提供客观基线；评测标准本身随系统协同进化 | 2026.01 |
| **评测系统实践 ②** | AI 报表生成的分级评测：**硬门槛**（数据准确性，错一票否）+ **质量评分**（十几个更细的 0/1 维度）；不过门槛不发布；评测系统与生产系统解耦、各自迭代 | 2026.06 |
| **Agent 操作系统** | OpenClaw（小龙虾）自托管：多 Agent 常驻编队（小企/小珍/小文等），人格化配置，Telegram 接入 | 2026 上半年 |
| **记忆基建（自建）** | hb-memory 向量记忆系统：agent_id 隔离、kb 重点标注、语义检索——用 2025 年学的 Embedding/RAG 知识给自己造的基础设施 | 2026 上半年 |
| **编码智能体日用** | Claude Code / Codex 日常驾驶；60+ skills 装机；**自写 skill**（视频脚本/内容改写/记忆等） | 2026 上半年 |
| **多 Agent 编排管理** | 分任务、定口吻、验收拍板的日常实操 | 持续 |
| **工作域知识** | 支付欺诈检测公司的报表/数据核对/AI report；传统 ML 工程环境（特征工程/recall/precision 在深入中，预计 1-2 月内掌握工程脉络） | 2026.02 起 |
| 自动化周边 | 浏览器自动化（Playwright）、MCP 工具日用、内容生产管线（转录/生图） | 持续 |

### 1.4 八层对照总览

| 层 | 覆盖状态 | 一句话评语 |
|---|---|---|
| ① 模型层 | 🟢 学过且动手过 | 知识在手，市场价值已折旧 |
| ② 部署层 | 🟡 部署会、成本工程空白 | 半层 |
| ③ 上下文层 | 🟢🟢 最强层 | 不但会用，还造过基建（hb-memory） |
| ④ Agent 层 | 🟢🟢 实践超前 | 自托管编队+skills，领先多数课程内容 |
| ⑤ 运营层 | 🟢评测实践领先 ｜ 🔴安全/可观测/成本空白 | **修正后**：评测是隐形王牌，其余三件是真空洞 |
| ⑥ 多模态层 | 🟡 消费级 | 已确认的盲区，无工程化管线 |
| ⑦ 应用商业层 | 🟡 进行中 | 一人公司/vSaaS 探索中，变现未走通 |
| ⑧ 邻接域 | 🟡 传统ML原理熟悉、工程在补 ｜ ⚪具身智能零覆盖 | 传统ML由工作自然喂养即可 |

---

## 二、时间线价值评估

### 2.1 🔴 已过时（死亡资产，残值≈0，只剩"我经历过"的叙事价值）

| 资产 | 死因 |
|---|---|
| ChatGPT Plugin 开发 | Plugin 体系整体废弃，被 GPTs→Agent 取代 |
| AutoGPT 复刻经验 | 被 Claude Code/Codex/ChatGPT Work 产品级 Agent 碾压 |
| ChatGLM2/3、LLaMA2 具体模型经验 | 模型代际淘汰（现为 GLM-5.2/DeepSeek-V4 世代） |
| GPT 家族演进史 | 史料化 |

### 2.2 📉 正在贬值（持有不加仓）

| 资产 | 贬值机理 | 残值定位 |
|---|---|---|
| LangChain 框架技能 | 框架热让位 harness/脚手架；API 记忆归零 | Chains/Memory **概念**可迁移 |
| 手工提示词技巧（CoT/ToT） | 被推理模型内化、被产品封装 | 理解模型行为的背景知识 |
| 手搓 RAG 手艺 | 被产品化（FastGPT/各家知识库） | RAG **架构判断力**保值 |
| **微调专项（LoRA/QLoRA/DeepSpeed）** | 信息差→第11期流水线商品；前沿模型+上下文工程使多数场景无需微调 | 全栈判断力的底座 + 经历背书 |
| 神经网络/Transformer 原理 | 不腐坏但 ROI 持续走低 | 长期背景知识 |

### 2.3 🟢 硬通货（保值，继续持有）

- **RAG 概念与架构**（→ Agentic RAG，企业刚需未变）
- **MCP / A2A 协议**（2025 学它时是新协议、现在是行业标准——2025 基线里押对的最大一注）
- **Function Calling**（一切 Agent 的地基）
- **Embedding / 向量检索**（且已被自己用于造基建，从"会用"升级为"能造"）
- **私有化部署**（Ollama 路线持续走强）
- **企业权限分级 / 数据隐私**（Agent 进企业的第一道坎，越来越值钱）

### 2.4 💎 护城河（正在升值且稀缺，本次盘点的核心修正）

| 资产 | 为什么是护城河 |
|---|---|
| **评测实践（两个真实系统）** | ① 0/1 二元判据暗合业界最佳实践（二元判据比量表打分在 LLM-as-judge 场景下稳定得多）；② gate+score 分级门槛、③ 评测/生产系统解耦各自进化、④ 换模型换提示词的回归基线——四项全部自发收敛到行业正确答案；**且同行大多尚未意识到该做这件事**。缺的只是理论坐标（术语/文献），数天可补 |
| **Agent 运营实操** | 自托管编队 + 记忆基建 + skills 封装 = Context/Skills 时代的先行实践，比课程市场领先一代 |
| **"造基建"能力** | 用所学知识给自己造工具（hb-memory）——从使用者跨到建造者的分水岭能力 |
| **传统 ML + LLM 双栖位** | LLM 时代进场者大多没摸过传统 ML；"什么时候不该用大模型"的判断力稀缺，且工作环境（欺诈检测）持续喂养 |
| **跨层走通的判断力** | 从微调→部署→应用→运营全链路都亲手走过，技术选型时能做出单层专家做不出的横向判断 |
| **闭环方法论（元能力）** | 学-做-以真实外部反馈迭代。所有具体知识都会折旧，这个不会 |

### 2.5 🕳️ 尚未意识到、将越来越重要（价值上行盲区）

1. **Agent 安全**（提示注入/权限沙箱/护栏）——自托管 Agent 接收外部入站消息、持有文件与浏览器权限，**暴露面真实存在**；行业事故（自主 Agent 删除用户数据类事件）已经开始发生，该板块价值曲线陡峭上行。
2. **可观测性**（Agent 行为日志/追踪/告警）——Agent 编队规模化、无人值守化的前提；目前完全缺位。
3. **成本工程**（token 经济学/模型路由/缓存）——token 成本至今由雇主托底，**从未自己算过账**；Agent 规模一上去这是第一道墙。
4. **多模态工程化管线**（已自我确认的盲区）——图/视频/语音生成从"消费级手动"到"管线化"之间隔着完整一层。
5. **评测的理论坐标**——实践已领先，缺行业黑话与文献定位（LLM-as-judge、rubric、golden set、regression suite）；投入极小、补齐后实践资产才能被外部准确识价。

### 2.6 ⚠️ 尚未意识到、将加速贬值（价值下行盲区）

1. **"手搓 Agent"的开发手艺本身**——微调的今天很可能是 Agent 手工开发的明天：ChatGPT Work/百度搭子/AutoGLM 类产品正把"开发 Agent"变成"配置 Agent"，大厂在批量踏平这层门槛。**耐久的不是搭 Agent 的手艺，是运营 Agent 的判断**（验收/安全/成本/编排）——投入重心应据此校准。
2. **平台绑定型技能**（Dify/FastGPT 等具体平台的操作深度）——与 LangChain 同一条贬值曲线，概念保值、操作折旧。

### 2.7 价值走势总表（时间线视角）

| 资产 | 2025 末价值 | 2026 中价值 | 2028 预判 | 动作 |
|---|---|---|---|---|
| 微调专项 | ★★★★★（信息差红利） | ★★☆ | ★☆（利基技能） | 停止投入 |
| LangChain/平台操作 | ★★★★ | ★★ | ★ | 停止投入 |
| 手工提示词 | ★★★★ | ★★☆ | ★☆ | 停止投入 |
| RAG 架构判断 | ★★★★ | ★★★★ | ★★★☆ | 持有 |
| MCP/协议层 | ★★☆（超前） | ★★★★★ | ★★★★ | 持有 |
| Agent 编排实操 | ★★★ | ★★★★★ | ★★★☆（部分被产品吃掉） | 持有＋向运营层迁移 |
| **评测实践** | ★★☆ | ★★★★☆ | ★★★★★ | **加仓（补理论坐标）** |
| Agent 安全/可观测/成本 | ☆（空白） | ★★★★（行业） | ★★★★★ | **重金补齐** |
| 多模态管线 | ☆（空白） | ★★★☆（行业） | ★★★★ | 按需搭建 |
| 传统 ML 工程 | ★★ | ★★★ | ★★★（稳定） | 工作自然喂养 |
| 造基建能力/闭环方法 | ★★★ | ★★★★★ | ★★★★★ | 元能力，持续复利 |

---

## 三、投资结论（知识层面）

1. **不再投入**：模型层深挖（RL 新范式/预训练/架构细节）、任何新框架、微调加深、具身智能深究、吴恩达式全课程补全。
2. **不加仓、持有**：提示词技巧、RAG 手艺、平台操作——概念保值、操作折旧，维持即可。
3. **重金投入（按序）**：
   - ① **运营层补全**：评测理论坐标（数天）→ Agent 安全（暴露面治理）→ 可观测性 → 成本工程。四件合起来是"Agent 规模化运营"的完整层，也是当前知识结构里唯一一块"行业陡峭上行 × 自己接近空白"的重叠区。
   - ② **多模态工程化管线**：唯一自认盲区，直接决定内容/应用生产力；只搭管线，不学原理。
   - ③ **大厂 Agent 入口产品的持续跟踪**（ChatGPT Work/百度搭子/AutoGLM/CodeBuddy 等）：不为学工具，为保持对"哪些手艺正在被产品化"的敏感——这是校准自己投入方向的雷达。
4. **总判断**：知识结构的重心应完成第三次迁移——**2025"造 AI"（模型层）→ 2026 上半年"雇 AI"（Agent 层）→ 下一阶段"管 AI"（运营层）**。前两次迁移都踩对了节拍，第三次的窗口正在打开，且已握有先发实践（两个评测系统）。

---

*配套：向量记忆已存（topic=黄波的AI知识结构）。课程基线明细见 `黄波的AI知识结构-20260711.md`。*