Що сталося

Знайома картина: вкладки ростуть швидше за розуміння. Автор спочатку виписав порядок тем, потім написав самі уроки. Потрібен базовий Python — і можна починати сьогодні.

У кожної теми той самий каркас: просте пояснення з побутовою аналогією, схема, код на Python, три питання до співбесіди з відповідями, посилання на статтю або офіційну документацію. Рівень позначено як початковий, середній або просунутий (beginner / intermediate / advanced) — знайоме можна пропустити.

Сім фаз і кількість тем:

За п’ять хвилин: клон репозиторію, віртуальне оточення, pip install -r requirements.txt, pytest -q, далі python 01-rag-foundations/code/mini_rag.py "Why use multi-stage builds?". Скрипт ріже три зразки документів, оцінює їх за запитом і друкує найкращий фрагмент з іменем файла-джерела. У теках code/ демо спираються лише на стандартну бібліотеку (stdlib): мережа й ключ не потрібні.

Автор прямо пише, чого демо не роблять. mini_rag.py рахує збіги за текстом, а не через модель ембедингів: показує кроки конвеєра, а не промисловий пошук по корпусу. У фрагментах усередині сторінок тем уже трапляються sentence-transformers, chromadb і langgraph — їх треба ставити окремо, частина потребує ключа; такі місця позначені. У сьомій фазі є приклади Dockerfile і маніфестів Kubernetes у форматі YAML, але демо підміняють важку інфраструктуру легкими заглушками в тому ж процесі: Docker і Redis не обов’язкові, щоб читати й ганяти приклади.

Автоперевірки в репозиторії дивляться локальні посилання у файлах Markdown, SVG-схеми, тести й збірку TypeScript-прикладу MCP. Автор виправив і свій рахунок: раніше писав про 47 питань до співбесіди; у репозиторії 43 плюс 4 завдання на проєктування системи. Окрема тека — підготовка до співбесіди.

Чому це важливо

«RAG», «агенти», «MCP» звучать у стрічці щодня, а маршрут читання рідко хто викладає цілком. Випадковий туторіал дає один шмат; наступний — інший стек без мосту між ними. Зв’язана дорожня карта знімає головний біль новачка й того, хто переходить у ШІ-інженерію: не «який ще репозиторій відкрити», а «що читати далі».

Уявіть книжкову полицю з пронумерованими полицями замість столу, заваленого роздруківками з різних вкладок. Порядок сам по собі не робить вас сеньйором — але прибирає хаос, через який люди кидають тему на третій вкладці.

Окремо цінна межа: демо вчать кроки, а фрагменти коду на сторінках тем тягнуть справжні бібліотеки. Багато курсів змішують обидва шари й залишають відчуття, ніби промисловий контур уже освоєно. Тут розділення явне: спочатку конвеєр на стандартній бібліотеці, потім — свідоме встановлення важких залежностей.

На практиці

1. Клонуйте репозиторій, підніміть віртуальне оточення (venv) і проженіть pytest -q.
2. Запустіть mini_rag.py зі своїм запитанням: переконайтеся, що бачите нарізку, оцінку й джерело фрагмента без ключа.
3. Ідіть фазами зверху вниз; знайомі рівні пропускайте за мітками складності.
4. Коли в темі з’являться sentence-transformers, chromadb або langgraph, ставте їх свідомо — це вже не «офлайн з коробки».
5. За бажанням задайте ANTHROPIC_API_KEY, щоб порівняти «лише пошук» і «пошук + відповідь моделі».
6. Теку підготовки до співбесіди використовуйте як окремий прогін, а не як заміну читанню фаз.
7. Не плутайте навчальну оцінку збігів за текстом з ембедингами й векторним індексом у промисловому контурі.

Підсумок

ai-engineer-roadmap — відкритий навчальний маршрут: сто тем, сім фаз, єдиний шаблон уроку й демо без обов’язкового API-ключа. Цінність у порядку й явній межі між навчальним ланцюжком і бібліотеками, які ставлять окремо.

Полиця з номерами замість дванадцяти вкладок. Далі — читати, ганяти mini_rag.py і не приймати збіги за текстом за промисловий пошук.