聚客AI大模型1-5期|1聚客大模型一二三期

这套资料围绕大模型应用开发展开，从 Python 起步，一路铺到 Prompt、LangChain、RAG、Agent 编排和项目实战。它适合的目标很明确：让你能自己动手搭出一个能跑起来的大模型应用，而不是停留在调 API 聊天的层面。

它解决的到底是什么问题

很多人学大模型卡在中间地带：会写几句 Prompt，也知道 RAG、Agent 这些词，但真给一个业务需求——比如把公司文档做成能问答的知识库、让模型按流程调用几个工具——就不知道从哪下手。这套内容针对的正是这段断层。它把 Python 基础、模型调用、向量检索、流程编排串成一条线，重点落在"怎么组装成一个可用的东西"，而不是逐个概念科普。如果你已经在用现成的 AI 产品，想进一步搞清背后的实现逻辑，或者想把手上的重复工作交给一个自动化流程，这里的场景是对得上的。

适合什么基础，先看哪几块

基础要求不算低。完全没写过代码的人，需要先老老实实过 Python 部分，否则后面 LangChain 的代码会直接看不懂；有编程经验、但没接触过大模型的，可以从 AI 与 LLM 基础切入，快速建立调用、上下文、token 这些概念。建议的进入顺序是：先看 Prompt 基础，建立和模型打交道的直觉；再看 LangChain 基础与 Embedding、RAG 基础，理解检索增强这条主线；最后进 LangChain 进阶、LangGraph 和项目实战。多模态、Llama3、ModelScope、LlamaIndex 这些偏工具和模型侧的内容，可以按需查阅，不必一开始就全铺开。AutoGen Studio 这类偏多智能体编排的部分，放在有了一定实战经验之后再看，吸收效果更好。

学完能独立做什么，资料怎么配合练

按这条线走下来，比较现实的产出是：能独立完成一个基于私有文档的问答应用，能设计多步的 Prompt 流程，能用 LangChain 把模型、检索和外部工具串起来，并对 RAG 的召回质量、切分策略有基本的调试判断。这些是能写进简历、也能直接用在内部工具里的能力。练习方式上，不要只看视频。每学完一块，就用自己手头的材料做一个小验证：Prompt 部分拿真实工作文本试；RAG 部分用自己的文档建一个小库，观察检索结果对不对；项目实战部分跟着做一遍后，换一个自己的题目重做一次。项目实战一、二期和后续实战内容是检验前面所有环节的地方，建议留足时间，别赶进度。这套资料的价值在于链路完整，但完整也意味着量大，按需取用、边学边做，比一次性刷完更实际。