龙哥 - AI大模型应用开发-模型训练-RAG-Agent-AI项目实战

这门课面向的不是零基础转行者，而是已经在写代码、想把大模型能力接进自己项目里的开发者。它解决的核心问题是：会用 API 调个对话接口，和能独立搭出一套可上线的应用，中间差着好几层——模型怎么部署和量化、检索怎么做准、Agent 怎么稳住不乱跑、效果怎么评估。课程基本沿着这条链路走，而不是停在"调通一个 demo"。

适合什么基础，不适合什么基础

如果你完全没写过 Python、不了解 HTTP 请求和基本的数据处理，直接进来会比较吃力，里面的向量检索、模型微调、图数据库都需要一定的工程手感。但如果你写过后端或前端、能看懂 Python 代码、对"接口调用"和"数据流"不陌生，这门课的坡度是合理的。它不要求你事先懂深度学习原理，但要求你愿意动手跑代码、调参数、看报错，而不是只看视频。

建议先看哪几块

不要按顺序从头刷。建议先把模型部署那一块过一遍，搞清楚模型合并导出、量化、本地跑起来是怎么回事——这是后面所有环节的地基，很多人卡在"模型跑不起来"就放弃了。接着看向量数据库选型和相似性搜索算法，这两块决定了你的检索质量上限，也是 RAG 类项目最容易做砸的地方。等这两块有感觉了，再进入 RAG 的进阶部分，包括图结构检索和轻量检索方案，最后看 Agent 的设计模式，理解 Fewshot、ReAct 这类思路是怎么让模型自己决定下一步动作的。RAG 评估放在偏后，因为它需要你先有一个能跑的系统才有东西可评。

学完能独立做什么，资料怎么配合练

比较现实的目标是：你能自己搭一个带私有知识库的问答应用，把文档灌进去、选好向量库、调通检索链路，并知道效果不好时该从哪一层排查——是切分方式、Embedding 模型、还是检索算法。再往上，你能给这个应用加上工具调用和简单的 Agent 逻辑，让它不只回答问题，还能执行几步操作。评估部分会让你有能力用指标而不是感觉去判断一次改动是好是坏。

资料以视频为主，配套的代码和笔记建议边看边跑，不要囤着。每看完一块，自己换一份数据重做一遍，比如把示例文档换成你工作里真实的资料，踩到的坑才是真正学到的东西。模型训练和 Embedding 微调这类内容，如果暂时没有算力条件，可以先理解思路，等有环境再回头补，不必卡在这里影响整体进度。