定位：从零代码 / 低代码 → Python 简单调用 API → 本地大模型应用 → 完整 Web 产品梯度递进，避开复杂算法训练，重点做应用层开发，新手不需要从头训练大模型，聚焦调用、编排、业务封装。每个项目给出：难度、技术栈、核心功能、可扩展点、学习收获。
🟢 入门级（零基础，1‑3 天完成，不用训练模型）
核心：调用公有大模型 API（OpenAI / 通义千问 / 豆包 API/Qwen API），重点学 Prompt、API 调用、简单业务逻辑。
项目 1：个人智能文档问答助手
难度：★☆☆☆☆ 技术栈：Python + 大模型 API + PyPDF2/python‑docx + Streamlit 核心功能
上传 PDF/Word/TXT 文档
解析提取文本，做简单切片
用户提问，把文档片段 + 问题一起发给大模型，基于文档回答
Web 页面可视化交互 最简实现：不做向量库，直接把文档片段塞进 Prompt（适合小文档，10 页以内） 扩展升级：接入 Chroma 向量数据库，实现 RAG 检索增强 学习收获：文件解析、Prompt 工程、API 调用、RAG 基础、Streamlit 快速 Web 原型
项目 2：AI 双语笔记 / 翻译润色工具
难度：★☆☆☆☆ 技术栈：Python / Node.js + API + Streamlit/Gradio 核心功能
输入文本：翻译、语法纠错、改写、总结、生成学习笔记
模式切换：论文润色、口语简化、邮件生成
导出结果为 markdown/txt 扩展：增加批量处理 txt 文件，支持拖拽上传 学习收获：角色 Prompt 设计、参数调优（temperature、top_p）、批量 AI 任务处理
项目 3：AI 聊天机器人（带角色设定）
难度：★☆☆☆☆ 技术栈：Python + Gradio / Streamlit 核心功能
自定义角色：学习搭子、面试模拟、心理咨询陪伴、技术答疑
维护对话上下文历史
清空会话、切换角色模板 扩展：保存聊天记录到本地 json 文件 学习收获：对话上下文管理、会话状态管理、前端交互原型
🟡 进阶级（有基础 Python，3‑7 天，接触 RAG、Agent 基础）
开始接触向量数据库、工具调用、简单 Agent，可本地跑开源大模型。
项目 4：本地知识库 RAG 问答系统（高频必做）
难度：★★★☆☆ 技术栈：Python、LangChain / LlamaIndex、Chroma / FAISS、Qwen‑Embedding、Streamlit 核心功能
批量导入本地文件夹文档（pdf、md、txt）
文本分块、向量化存入向量库
用户问题向量化检索相关片段，交给大模型生成答案，标注引用来源
页面：文档入库、问答、显示引用片段 可选两种路线
云端版：用 API 做 LLM，本地只做向量检索，配置简单
完全本地版：本地部署 Qwen‑7B，不上传数据到外网，数据隐私 扩展点：支持图片 OCR 文档、过滤重复文档、相似度阈值调优 学习收获：完整 RAG 链路，分块策略、Embedding 选型、向量库使用，工业界最常用 AI 应用场景。
项目 5：简易 AI Agent 工具助手
难度：★★★☆☆ 技术栈：LangGraph / LangChain、Python、大模型工具调用 核心功能，给大模型赋予工具能力
工具 1：本地文件查询（读取文件）
工具 2：计算器
工具 3：网页搜索（DuckDuckGo 搜索）
大模型自主判断什么时候调用工具，再整合结果回答用户 示例提问：“统计这个 txt 文件里面数字总和，并且总结内容”，模型自动选择调用工具。 扩展：增加多轮思考、日志输出，观察 Agent 思考链 学习收获：Function‑call 工具调用、Agent 工作原理，现在 AI Agent 开发主流基础。
项目 6：AI 面试助手 Web 应用
难度：★★★☆☆ 技术栈：Python + Streamlit，RAG 核心功能
用户输入岗位名称，AI 自动生成面试题
用户输入回答，AI 打分、点评回答不足、给出优化参考答案
可导入简历文档，基于简历做针对性提问 扩展：导出面试报告 PDF 学习收获：业务场景封装，Prompt 结构化输出（JSON 格式返回打分结果）
🔴 实战高级项目（7‑14 天，可作为作品集项目，接近真实产品）
引入前后端分离、数据库、鉴权、本地开源模型部署，可放到简历。
项目 7：个人 AI 知识库平台（前后端分离版）
难度：★★★★☆ 技术栈：后端：FastAPI + Python；前端：Vue3；向量库 Chroma；数据库 SQLite/MySQL；LLM API 或本地 Qwen 功能
用户注册登录；个人文档空间
上传、管理文档，后台异步构建向量库
问答，历史会话保存
权限隔离，每个用户只能访问自己知识库 对比入门版：不再用 Streamlit 原型，做真实前后端接口，异步任务处理。 学习收获：AI 应用工程化，接口开发、权限、异步任务，完整产品流程。
项目 8：本地多模态 AI 助手（图文问答）
难度：★★★★☆ 技术栈：Qwen‑VL（视觉大模型）、Python、Gradio、OCR 功能
上传图片，AI 识别图片内容，回答图片问题
支持截图解析、试卷识别答题、图表解读
结合文档 RAG：图片 + 文档混合问答
硬件：本地至少 16G 显存；没有显卡可调用云端多模态 API 学习收获：多模态 AI 应用开发，图文混合输入输出。
项目 9：简易自动化工作流 AI Agent 平台
难度：★★★★★ 技术栈：LangGraph、FastAPI、前端 Vue 功能：用户可视化配置简单 AI 工作流： 示例工作流：读取文件夹文档 → 批量总结 → 翻译 → 生成报告 → 保存本地。 用户可以拖拽配置步骤，AI 自动执行整套流水线。 学习收获：Agent 编排、工作流引擎，贴近现在 Agent 开发主流方向。
📌 新手实操路线建议（学习顺序）
先做：项目 1 文档问答助手（Streamlit + API），跑通最简单 AI 应用，理解输入输出。
进阶：项目 4 RAG 知识库，工业最常见，强烈建议作为第一个主力作品集项目。
再学：项目 5 Agent 工具调用，理解 Agent 原理。
有余力：改造为前后端分离项目 7，提升工程能力。
🛠️ 新手避坑建议
不要上来就训练大模型：新手优先做应用开发（调用、编排 RAG/Agent），微调、预训练门槛高，硬件成本大。
优先用开源 API：通义千问、豆包 API、Qwen API，有免费额度，方便练习。
原型优先 Streamlit/Gradio，快速验证想法；产品化再上 FastAPI+Vue。
做项目时把代码上传 GitHub，写 README 说明部署步骤，作为求职作品集。
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢