瑞克老张《从零开始玩转大模型和智能体》

这门课的主题是大模型与智能体的实际开发，不是讲原理综述，也不是带你背概念。它要解决的是一个很具体的问题：当你手里有一个业务场景，想用大模型去做点东西，但从哪儿下手、数据怎么准备、模型怎么调、智能体怎么搭，这条链路怎么走通。资料里从自定义模型落地讲到数据洞察、在线标注、数据集类型，再转到智能体的作用和搭建过程，整体是一条从模型侧走向应用侧的路径，而不是零散的工具介绍。

适合什么基础的人看

如果你完全没写过代码，这门课会有门槛，尤其是涉及模型训练和数据处理的环节，需要你能看懂基本的脚本操作和数据结构。比较合适的起点是：会一点 Python，跑过现成的模型接口，知道什么是训练集和验证集，但没自己完整做过一次模型落地。转行者如果只是对 AI 感兴趣、还没动过手，建议先把调用类的基础打一打再进来，否则数据标注和训练那几讲容易卡住。已经在做产品、运营或数据分析的上班族，想搞清楚大模型项目到底怎么推进，也可以看，重点放在数据洞察和智能体那几讲，训练细节可以略过。

建议先看哪几块，学完能做什么

不建议从头顺着播。先看智能体那一部分，搞清楚智能体能解决什么、搭建流程分几步，建立整体印象；再回头看自定义模型落地，理解模型从通用到贴合自己业务要经过哪些动作；最后补数据洞察和在线标注，这部分是训练效果的地基，放在后面看会更有针对性。数据集类型那一讲可以随时翻，属于工具性内容。学完之后，你应该能独立完成一条小链路：针对一个具体场景整理数据、做标注、选合适的模型做微调或接入，再把它包成一个能响应任务的智能体。做不到全自动上线，但能自己跑通一遍，知道每一步的坑在哪。

资料怎么配合练习

视频是主线，但只看不练基本留不下东西。每看完一讲，拿自己工作里一个真实的小需求去套，哪怕只是把一批客服问答整理成训练数据。数据洞察和标注那几讲，最好边看边动手标一小批，感受一下标注质量对结果的影响。智能体部分可以先用现成模型接，不必等模型训练完再开始，两条线并行推进更快。遇到讲得快的段落，暂停自己复现一遍，比反复看更有效。整门课偏实战，节奏不算慢，留出动手时间比赶进度重要。