AI大模型入门课程第五期|赠课软件开发基础概念与环境搭建

这门课的名字里带「AI大模型入门」，但真正值得关注的是它的落点：不是讲模型原理和论文，而是讲怎么把大模型接进一个能跑起来的应用里。如果你在工作中遇到过这些场景——想把公司文档做成能问答的检索工具、想让程序自动调用外部接口完成多步任务、想搞清楚市面上那些「AI 助手」到底是怎么搭出来的——这门课覆盖的正是这一段。它讲的是应用层的开发方法，不是训练模型，也不涉及调参和算力。

适合什么基础，不适合什么基础

课程配了一节软件开发基础概念与环境搭建的赠课，还有一节 AI 编程演示，这个安排本身就说明了定位：它默认你可能不是科班开发。如果你能看懂基本的代码逻辑、知道变量和函数是怎么回事，但没正经做过项目，跟起来会比较顺；完全没碰过代码的产品、运营岗，建议先把赠课那部分看完再进入正课，否则后面调用接口的环节容易卡住。反过来说，如果你已经做过一两个 LLM 应用、熟悉向量检索和工具调用，这门课对你偏浅，价值主要在于把零散经验串成体系。它不适合想学模型训练、微调底层原理的人。

建议的观看顺序和重点

正课的顺序是有讲究的，不建议跳着看。开头的大模型应用开发基础和 Prompt Engineering 是后面所有内容的地基，尤其 Prompt 那节，很多人觉得自己会写提示词，但真正做应用时才发现稳定输出是另一回事。中间几节是这门课的核心：Function Calling 讲模型怎么触发外部功能，RAG 和 Embeddings 讲怎么让模型基于你自己的资料回答，Assistants API 和 Semantic Kernel 则是两种把上面这些能力组织起来的工程化方式。最后那节 LLM 应用开发工具链，可以理解成对整条链路的收口。如果时间紧，Function Calling 和 RAG 这两块优先吃透，它们是绝大多数实际需求的技术底座。

学完能做什么，资料怎么用

跟完之后，你应该能独立做出一个带私有知识库的问答应用，能写出让模型按格式稳定返回结果、并在合适时机调用外部接口的程序，也能看懂一个开源 LLM 项目的代码结构、知道每部分在干什么。这个程度足以应付内部工具、原型验证和面试里的项目讲解，但离生产级系统还有距离，别期待过高。练习上，建议不要只看视频：每学完一个能力点，就用自己手边的真实材料替换掉演示数据，比如把课程里的示例文档换成你的行业资料，把示例接口换成你常用的服务。结课项目和路演部分可以当作自检，做不出来说明中间某节没真正消化。赠课的 AI 编程演示也值得单独看一遍，它展示的是用 AI 辅助写代码的工作方式，这个习惯比某个具体知识点更耐用。