知乎AI大模型应用开发实战营 12期

这门课的主题是大模型应用开发，不是教你训练模型，而是教你把现成的大模型能力接进真实业务里。它解决的问题很具体：多数人会用聊天框提问，但一到"把模型接进自己的系统、让它读公司文档、让它查数据库出报表"就卡住。课程围绕 API 调用、提示词设计、向量检索、RAG、Text2SQL、LangChain 编排这几条主线展开，目标是把一个只会用对话框的人，推到能独立搭出一个可用的 AI 应用。

适合什么基础，不适合什么基础

如果你有基本的编程能力，能看懂 Python 代码、知道什么是 HTTP 接口和 JSON，这门课跟得下来。它不要求你有机器学习背景，也不要求你会调参或懂 Transformer 的数学推导，原理部分讲的是"够用"的程度——知道模型为什么会胡编、上下文窗口怎么影响设计、Embedding 为什么能算相似度，这些是为了让你在工程上做对决策，而不是为了考试。反过来说，完全没写过代码的人会吃力，因为课程大量环节要动手跑脚本、调接口、改配置。另外，如果你期待的是"学完就能做算法岗"或"自己训一个模型"，方向不对，这门课的重心在应用层和工程落地。

建议先看哪几块，顺序怎么排

不要从目录第一项顺着往下刷。建议先看大模型原理与 API 使用这一块，把调用方式、参数、返回结构摸熟，这是后面所有内容的地基。紧接着看提示词工程，因为无论做 RAG 还是做报表，提示词写不好，后面全是白费。第三块看 Embeddings 和向量数据库，理解文本怎么变成可检索的向量，这是 RAG 的前置。等这三块过了，再进 RAG 技术与应用，你会发现自己能看懂每一步在干什么，而不是照抄代码。Cursor 相关的编程和数据可视化部分，可以当作工具效率内容穿插着看，不必一次看完。LangChain 多任务应用开发放在偏后，它更像把前面零件组装成系统的胶水。Text2SQL 适合有报表需求的人重点看，没有这块场景可以先跳过。

学完能独立做什么，资料怎么配合练

走完主线，你应该能独立完成几件事：把大模型 API 接进自己的脚本或小服务；针对一个具体任务写出稳定可用的提示词；把一批文档切分、向量化、存进向量库，并搭出一个能基于文档回答问题的问答应用；用 LangChain 把检索、模型调用、输出处理串成一条链；在有结构化数据库的前提下，做一个用自然语言提问、自动生成 SQL 并返回结果的小工具。这些都不是玩具级 demo，而是能直接对应到企业内部知识库、客服辅助、数据自助查询这类真实需求。

资料的使用建议是：每看完一块，立刻找一个自己的小场景复现一遍，哪怕只是把一份产品文档做成问答。RAG 部分至少要自己跑通一次完整流程，从切分策略到检索效果都亲手调一调，否则遇到"检索不准"时你不知道问题出在切分、Embedding 还是提示词。案例类内容（如保险反欺诈）建议放在最后看，用来对照自己前面的理解是否到位，而不是一上来就照做。整套资料更适合当工作手册反复查，而不是一次性刷完。