马士兵-AI大模型全链路实战|msb-AI大模型工程师

先判断值不值得学

这套课的主题是 AI 大模型工程化落地，不是讲算法推导的科研课，也不是只教你调 API 的体验课。它要解决的问题很具体：你在工作中接到一个需求，比如把公司文档做成能问答的助手、给现有产品加一个翻译或摘要功能、把开源模型部署到自己的服务器上，这时你需要的是一条从模型调用、提示词设计到微调部署的完整动手链路，而不是零散的知识点。如果你现在的状态是「知道大模型很热，但真让我搭一个能跑的东西就不知道从哪下手」，这门课对应的正是这个缺口。

需要提醒的是，它不适合两类人：一是完全没有编程基础、连 Python 语法都没写过的人，课程里大量环节要读代码、改配置、跑脚本，零基础会非常吃力；二是已经做过完整大模型项目、只想要前沿论文解读的人，内容对你偏基础。比较合适的起点是：会 Python 基本语法，懂一点 Linux 命令行，知道什么是 HTTP 接口调用，最好还接触过一两个机器学习概念。转行者如果补过这些前置，也能跟上。

建议先看哪几块

按投入产出比排，建议不要从第一课顺着往下看。先进入提示词工程那部分，它决定你后面所有调用类任务的效果上限，而且不依赖环境，边看边拿现成模型试，当天就能用上。接着看嵌入模型那一块，理解文本怎么变成向量、检索是怎么工作的，这是知识库问答类需求的地基，跳过它后面很多设计你会知其然不知其所以然。

然后按你手上的工具选一条主线：习惯用开源生态的，从 Hugging Face 的基础用法入手，把模型下载、加载、推理跑通；想先做出可见成果的，直接看智能翻译助手这类小项目，用完整案例把调用、提示词、结果处理串一遍。理论部分和 LLaMA、ChatGLM 的解析可以放在动手之后回看，那时候你对名词有实感，理解会快很多。理论课不必一次啃完，当成查阅手册用更划算。

学完能独立做什么，资料怎么用

认真跟完并自己动手，你应当能独立完成这几件事：为一个具体场景设计并迭代提示词，把效果调到可用；用嵌入加检索的方式，给一批自有文档搭出问答流程；调用开源或国产模型完成翻译、摘要、信息抽取这类任务，并处理异常和格式问题；把模型跑在自己的环境里，做基本的参数调整和效果对比。这些是能写进简历、也能直接接到工作需求上的能力，但前提是你真的跑过，不是只看过。

资料的使用方式建议是「看一段、停一下、自己复现一遍」。视频里演示的代码，不要照抄，先关掉画面自己写，卡住了再回去看。提示词和嵌入这两块，最好准备一个自己的测试集，比如十几条真实业务问题，每改一版就对比一次效果，这样才有判断力。项目部分建议至少完整做完一个，从数据准备到跑通结果，中间踩的坑比看十遍视频都有用。理论解析类的课时可以二刷，第一遍建立印象，第二遍带着项目里的疑问去看。整体节奏上，与其一周刷完，不如把动手环节拉长，留出调试和查资料的时间。