卡码大模型应用开发训练营

市面上讲大模型的课不少，但多数停在「调个 API 写个聊天框」的层面。这套训练营的定位更偏工程落地：它要解决的是——你手上有一个业务场景，怎么把大模型接进去，让它稳定跑起来，而不是只做个能演示的玩具。

它解决的是哪类工作问题

学完之后，你面对的需求大致是这几类：把公司内部文档、产品手册、客服话术变成可检索的知识库，让模型基于这些内容回答而不是瞎编；把一个开源模型部署到自己的服务器上，做并发压测，看它到底能扛多少请求；围绕一个具体业务写提示词、拼上下文、接工具调用，把一次问答变成一条能重复执行的处理流程。这些正是「RAG 工业级项目实战」「大模型部署、压测、应用开发实战」这几块内容指向的方向。如果你的工作里出现过「能不能用 AI 把这个流程自动化一下」这样的问题，这套资料是对着它来的。

适合什么基础，不适合什么基础

资料里单独留了 Python 基础部分，说明它并不假设你已经很熟 Python，但也不打算从零教你编程。比较合适的起点是：能看懂 Python 代码、会装包跑脚本、知道什么是函数和类，对 HTTP 接口有基本概念。如果你完全没写过代码，前面那段 Python 内容需要你花时间补齐，否则后面跟不动。反过来，如果你已经做过 RAG 或部署，这套课的价值主要在前几周的 Transformer、MOE 原理部分和项目实战的组织方式，可以挑着看。

建议的看课顺序和练习方式

不建议按文件夹顺序从头刷到尾。更省时间的走法是：先看 Transformer 和 MOE 那部分，把模型内部在做什么搞清楚，这决定了你后面调参和排错时有没有判断力；然后进入部署与压测，先让模型在你自己的机器或服务器上跑起来，哪怕只是小模型；接着是 RAG 项目，这是最容易对应到实际工作的一块，边看边把课件里的代码跑通，换成你自己的文档试一遍，观察召回效果差在哪里；最后再回头看直播回放里的问答和补充，那些通常是踩坑记录。

练习上有一个原则：每一块都要有一个自己的小场景。学部署就用你手头能拿到的机器跑一次压测，记录不同并发下的响应时间；学 RAG 就找一份你熟悉的文档建库，故意问几个它答不上来的问题，看看是切分的问题还是检索的问题。课件和代码放在一起对照着看，先跑通再改，改坏了再回退，比只看视频有效得多。

需要提醒的是，这套资料体量不小，直播回放占了很多时长，全看完成本很高。把它当成一个可以反复回来查的工程参考，而不是必须一次性刷完的连续剧，会更实际。