知乎(1-13期)-AI大模型全栈工程师培养计划，做ChatGPT浪潮中顶尖的超级个体

这套资料面向的是想从「会用 ChatGPT 聊天」走到「能把大模型接进真实业务」的人。它解决的问题很具体：你手上有 API，却不知道一个能上线的问答、检索或自动化流程该怎么搭；你能写几句提示词，但换个场景效果就崩；你听过 LangChain，却说不清它到底替你做掉了哪部分工作。资料按十三期推进，主题集中在大模型应用开发这条线上，而不是泛泛的人工智能科普。

适合什么基础，不适合什么基础

如果你已经能读懂 Python 代码、知道什么是 HTTP 请求和 JSON，这门课的内容会跟得上。前端或后端转过来的人，通常在第一期就能找到熟悉的感觉，因为大量工作其实是把模型当成一个不稳定的接口来编排。完全没写过代码的人要慎重：里面涉及函数调用、结构化输出、向量检索这些概念，光看视频不动手，很容易停在「听懂了但写不出」的状态。另外，这套资料不是算法研究向的，不指望把你培养成训练大模型的工程师，重心在调用、编排和落地。

建议先看哪几块，按什么顺序

开头几期的 Prompt Engineering 和 Function Calling 值得反复看，它们是后面所有内容的地基。提示词部分别只记模板，重点看它怎么处理输出格式约束和边界情况；函数调用部分要搞清楚模型返回的结构化结果如何被程序接住，这是从「聊天」跨到「系统」的关键一步。接下来把 LangChain 相关的内容当成主线，理解链、记忆、检索这几类组件的分工，再往后进入机器学习和模型原理的部分，可以当作补背景，不必一开始就钻进去。顺序上建议先跑通一条最小链路，再回头补理论，比顺着目录硬啃效率高。

学完能独立做什么，资料怎么配合练习

走完这条线，你应该能独立完成几类东西：一个带知识库检索的问答工具，能读取你自己的文档并给出带出处的回答；一个把模型接入外部接口的自动化流程，比如根据自然语言指令去查数据、填表、触发操作；以及一套可复用的提示词与调用封装，换业务时改配置而不是重写代码。练习方式上，别只跟着视频敲一遍。每学完一个模块，自己换一个数据集或换一个业务场景重做一次，比如把课程里的示例文档换成你的行业资料。遇到效果不稳定时，先怀疑检索质量和输出约束，而不是急着换模型。资料里的项目部分建议动手改参数、改流程，观察失败案例，这部分经验比看完视频更值钱。

整体来看，这套资料适合当作一条有明确主线的自学路径，而不是速成班。它的价值在于把散落在大模型应用开发里的几个关键环节串了起来，但前提是你愿意边看边写。如果只是收藏起来等有空再看，大概率会停在第二期。