877.极客时间AI2|02-章节实战讲解持续更新中

这门课的主题很明确：围绕智能客服这条落地链路，把意图识别、垂直领域问答微调、FAQ 检索三块核心能力拆成可动手的实践。它不是泛泛讲大模型原理的科普课，而是解决一个具体问题——当你手上有一批业务问答数据，想把它们变成能对外服务的客服系统时，中间该做哪些事、每一步用什么思路、哪些环节容易卡住。

它解决的是哪类工作场景

最典型的场景是：团队决定用大模型改造现有的客服或知识问答，但不知道从哪里切。直接调通用模型回答业务问题，往往答得似是而非；把所有问答塞进提示词，又受长度和稳定性限制。这门课给的是一条分层路径——先用意图识别把用户问题归类，让不同问题走不同处理分支；再针对垂直领域做微调，让模型学会本行业的表达习惯；最后用向量检索搭 FAQ 系统，把标准问答对沉淀成可召回的库，减少模型自由发挥带来的偏差。

这三块各自独立，又能拼成一个完整系统。如果你只关心其中一环，也可以单独看对应部分，不必按顺序从头啃到尾。

适合什么基础，建议先看哪几块

需要你至少写过 Python，能看懂基本的接口调用和数据处理代码，对训练、推理、向量这些词有模糊印象即可。完全没碰过深度学习的读者，直接看微调那一块会吃力，建议先把意图识别部分跑通，建立对训练流程的直观感受。

建议的进入顺序是：先看意图识别模型的训练与接口部署，这一块链条短、反馈快，能让你快速理解从数据到可用服务的全过程；然后看 FAQ 检索系统的构建，重点理解向量库的选型和召回逻辑，这部分对多数业务场景性价比最高，不一定非要微调模型；最后再看垂直领域问答的微调实践，因为它对数据和算力要求更高，放在有前两块经验之后再看，判断会更清楚。

学完能独立做什么，资料怎么配合练习

把三块都跟下来，你应该能独立完成一套小规模客服问答原型：能准备和清洗问答数据，训练一个意图分类模型并封装成可调用的接口，能把 FAQ 灌进向量库并实现检索问答，也能在垂直语料上跑一次微调并评估效果。这套能力足以支撑一个内部工具或早期产品验证，但离高并发、多轮复杂对话的生产系统还有距离，这一点要提前有预期。

资料以讲解视频和配套文档为主，内容在持续补充。练习的关键是别只看不动手：意图识别部分，把示例数据换成你自己业务里的几十条问题，感受分类边界；FAQ 检索部分，重点调召回数量和相似度阈值，观察结果变化；微调部分，先小样本跑通流程，再考虑扩数据。遇到讲得快的环节，回看并对照文档补细节，比反复刷视频有效。整体节奏建议按周推进，每块留出动手时间，不要一次性看完再练。