知乎AI大模型全栈工程师培养计划(第3期)

这门课面向的是想从传统开发或数据岗位转向大模型方向的在职人员。它不承诺速成，也不打包票进大厂，而是把大模型应用开发这条线上真正会用到的几块能力拆开讲：模型原理的够用部分、提示与检索的工程化写法、以及把模型接进实际业务系统时需要处理的问题。如果你之前只调用过现成接口，或者拿开源模型跑过几个 demo，却说不清一次线上请求从输入到返回中间经过了哪些环节，这门课解决的正是这个断层。

先说适合什么基础

需要你能读懂 Python 代码，知道什么是 HTTP 请求、什么是数据库，最好自己部署过一次环境。完全没写过代码的人跟起来会吃力，因为课程里的实战部分默认你能看懂函数调用和配置文件。反过来，如果你已经做过一两个大模型应用、只是没系统梳理过，这门课的价值在于把零散经验归位，顺带补齐多模态和 Agent 这两块容易绕过去的内容。至于数学基础，不需要你手推反向传播，但至少要能接受用向量、概率这类概念去理解检索和生成过程。

建议先看哪几块，再看哪几块

不要按顺序从头刷到尾。先看大模型原理中讲推理流程和上下文窗口的那部分，把一次生成到底消耗了什么搞清楚；接着看提示工程与检索增强的实战章节，这是目前工作中最直接能用的部分，看完就能改自己项目里的提示词和召回逻辑。等这两块跑通，再回头看多模态和 Agent 的分享内容，因为那几节更偏思路和案例，缺少前面的动手经验容易听成故事。大咖分享部分可以当背景音，里面讲训练百亿参数模型的经历、AI 产品遇到的挑战，对判断方向有帮助，但不适合当作技术主线来学。

学完能独立做什么，资料怎么配合练习

比较现实的目标是：你能独立搭起一个带检索的问答服务，能针对业务数据调整召回和生成策略，能判断一个需求该用提示解决、该微调、还是该换模型。课程里的实战代码建议不要只看，挑一个和自己工作最接近的场景重写一遍，比如把示例里的文档换成你手头的资料，跑通之后再改参数观察输出变化。多模态那部分如果暂时用不上，可以先跳过，等有图片或文档解析需求时再回来翻。整体上，这门课更适合当作转岗前的系统梳理，而不是零基础入门的起点。买之前先确认自己有没有至少一个能动手练的项目场景，没有的话，学完容易停在看懂但用不上的状态。