Что произошло

Знакомая картина: вкладки копятся быстрее, чем понимание. Автор сначала выписал порядок тем, потом написал сами уроки. Нужен базовый Python — и можно начинать сегодня.

У каждой темы один и тот же каркас: простое объяснение с бытовой аналогией, схема, код на Python, три вопроса к собеседованию с ответами, ссылки на статью или официальную документацию. Уровень помечен как начальный, средний или продвинутый (beginner / intermediate / advanced) — знакомое можно пропустить.

Семь фаз и число тем:

За пять минут: клон репозитория, виртуальное окружение, pip install -r requirements.txt, pytest -q, затем python 01-rag-foundations/code/mini_rag.py "Why use multi-stage builds?". Скрипт режет три образца документов, оценивает их по запросу и печатает лучший фрагмент с именем файла-источника. В папках code/ демо опираются только на стандартную библиотеку (stdlib): сеть и ключ не нужны.

Автор прямо пишет, чего демо не делают. mini_rag.py считает совпадения по тексту, а не через модель эмбеддингов: показывает шаги конвейера, а не промышленный поиск по корпусу. Во фрагментах внутри страниц тем уже встречаются sentence-transformers, chromadb и langgraph — их нужно ставить отдельно, часть требует ключа; такие места помечены. В седьмой фазе есть примеры Dockerfile и манифестов Kubernetes в формате YAML, но демо подменяют тяжёлую инфраструктуру лёгкими заглушками в том же процессе: Docker и Redis не обязательны, чтобы читать и гонять примеры.

Автопроверки в репозитории смотрят локальные ссылки в файлах Markdown, SVG-схемы, тесты и сборку TypeScript-примера MCP. Автор поправил и свой счёт: раньше писал про 47 вопросов к собеседованию; в репозитории 43 плюс 4 задания на проектирование системы. Отдельная папка — подготовка к собеседованию.

Почему это важно

«RAG», «агенты», «MCP» звучат в ленте каждый день, а маршрут чтения редко кто выкладывает целиком. Случайный туториал даёт один кусок; следующий — другой стек без моста между ними. Связанная дорожная карта снимает главную боль новичка и того, кто переходит в ИИ-инженерию: не «какой ещё репозиторий открыть», а «что читать следующим».

Представьте книжную полку с пронумерованными полками вместо стола, заваленного распечатками из разных вкладок. Порядок сам по себе не делает вас сеньором — но убирает хаос, из-за которого люди бросают тему на третьей вкладке.

Отдельно ценна граница: демо учат шаги, а фрагменты кода на страницах тем тянут настоящие библиотеки. Много курсов смешивают оба слоя и оставляют ощущение, будто промышленный контур уже освоен. Здесь разделение явное: сначала конвейер на стандартной библиотеке, потом — осознанная установка тяжёлых зависимостей.

На практике

1. Клонируйте репозиторий, поднимите виртуальное окружение (venv) и прогоните pytest -q.
2. Запустите mini_rag.py с своим вопросом: убедитесь, что видите нарезку, оценку и источник фрагмента без ключа.
3. Идите по фазам сверху вниз; знакомые уровни пропускайте по меткам сложности.
4. Когда в теме появятся sentence-transformers, chromadb или langgraph, ставьте их осознанно — это уже не «офлайн из коробки».
5. При желании задайте ANTHROPIC_API_KEY, чтобы сравнить «только поиск» и «поиск + ответ модели».
6. Папку подготовки к собеседованию используйте как отдельный прогон, а не как замену чтению фаз.
7. Не путайте учебную оценку совпадений по тексту с эмбеддингами и векторным индексом в промышленном контуре.

Итог

ai-engineer-roadmap — открытый учебный маршрут: сто тем, семь фаз, единый шаблон урока и демо без обязательного API-ключа. Ценность в порядке и явной границе между учебной цепочкой и библиотеками, которые ставят отдельно.

Полка с номерами вместо двенадцати вкладок. Дальше — читать, гонять mini_rag.py и не принимать совпадения по тексту за промышленный поиск.