指南
ai-application-roadmap 记录 AI 应用工程方法如何随时间演进。
一个小故事
17 岁左右，我迷上了哲学。当时看了一些中西哲，比如《菜根谭》《人类知识原理》《单向度的人》《矛盾论》……
随着看的书越多，我发现哲学非常大，却没有一个清晰的时间线/地图让我知道自己在哪。后来我想：大学有教哲学，那我买一本哲学教科书，看看他们是怎么学习的。
这本教科书开篇就抛出观点：学哲学，其实就是在学哲学史。那一刻，我就知道我没有买错。
这也是我做这个项目的原因。AI 应用工程正在快速演进，一些东西上一个月还在流行，下一个月随着模型能力的增强，就已经用不上，甚至会限制模型发挥智能....
我们缺少一张清晰的“技术时间线地图”，让后来者知道自己身处哪一段、要往哪里走、那些已经被废弃了。
如果你只精通一两个热门技术，也许能拿到阶段性的高回报；但你会成为专家，想要成为专家，你得要知道历史。
如果你也是认真做 AI 应用工程的人，欢迎一起贡献。这个仓库的门槛很低：你只需要新增一个 docs/zh/timeline/*.md（或英文 docs/en/timeline/*.md）文件，把你认可的节点写清楚并提交 PR 就可以了。
你会看到什么
本站内容分两类：
时间轴（Timeline）
回答「哪些技术节点值得关注、处于什么阶段、趋势如何」。每个节点附有工程意义与采用判断，不只看热度。Guide 教程
回答「具体怎么做」，持续更新三块内容：- Vibe coding 的核心概念与实战方法；
- 时间轴关键技术的上手路径（怎么用、何时用、常见坑）；
- 用 AI 提效的具体操作（操控浏览器、生成 PPT、处理数据……）
如何使用本站
建议按以下顺序使用：
① 先看时间轴，定位「该学什么」
在首页筛选集里，按年份与落地门槛缩小候选，再看推荐标记与关键节点。
② 用「演化判断」决定「现在值不值得上」
把 phase / trend / signal 当成决策三问：
- 这是成熟方案，还是萌芽方案？
- 它在上升、平稳，还是正在被替代/收缩？
- 社区热度与真实工程价值是否一致？
③ 去 Guide 学「怎么落地」
进入对应教程，重点看：最小可运行路径、推荐配置、常见误区与迁移方式。
举个例子：everything-claude-code 这个仓库很火，内容也确实完整，官方 README 给了 Quick Start。但真正上手时，除了装插件，还要处理 rules、安装依赖、针对不同语言跑脚本，部分能力还需要额外配置。结果很多人反而觉得：照着弄完，AI 能力好像还下降了？
AGI 来临之前，希望这里能帮你少走一些弯路。