知乎AI大模型全栈工程师培养计划（第五期）

这套资料的主题是大模型应用开发，不是教你训练一个自己的大模型，而是教你把已经能用的模型接进真实产品里。如果你在工作中遇到的是「想让 AI 读我们自己的文档再回答」「想让模型调用内部接口查数据」「想把 AI 能力做成一个能上线的小工具」这类需求，它对着的正是这些场景。反过来，如果你期待的是从零推导 Transformer、自己跑预训练，那这份资料的覆盖深度不够，别抱错预期。

适合什么基础的人看

需要你能写 Python，看得懂基本的接口调用和 JSON，最好自己动手调过一次大模型 API，哪怕只是照着文档跑通一个对话。完全没写过代码的产品、运营同学，前几节还能跟上思路，到函数调用和向量检索那部分会比较吃力，建议先补 Python 基础再来。转行者如果已经有后端或前端经验，学起来会顺很多，因为这门课的重点是把模型能力嵌进已有的工程结构里，而不是从零讲编程。

建议先看哪几块，按什么顺序

• 先看从 AI 编程认知 AI 这一节，它决定了你后面用什么样的方式写代码。很多人卡住不是因为不会模型，而是还在用纯手写的方式做本该让工具辅助完成的事。
• 接着看 Function Calling 和 Assistants API。这两块是分水岭，学完你才知道模型怎么跟外部系统交换数据，而不是只会一问一答。
• 然后看 RAG 和 Embeddings。这是目前企业里落地最多的方向，文档问答、知识库检索都靠它，理解切分、召回、拼接这几步比记代码更重要。
• Semantic Kernel 放在后面看，它更像是一种把前面几块组织起来的写法，前面没弄懂，直接看框架会变成抄代码。

学完能独立做什么，资料怎么配合练习

比较现实的目标是：你能独立做出一个带知识库的问答应用，能接上至少一个外部接口让模型去查实时数据，能把整个流程部署成一个别人可以访问的服务。做到这三点，简历上写「大模型应用开发」就不算虚。多模态和 AI 产品运营那部分，建议当作视野扩展，不必一开始就深挖。

练习方式上，不要只看视频。每看完一块，自己换一个数据集或换一个业务场景重做一遍，比如把课程里的示例文档换成你所在行业的资料。RAG 部分尤其要反复调，切分粒度、召回数量这些参数换一换，观察回答质量的变化，这种手感是看视频看不出来的。笔记和演示类资料适合当查阅手册，遇到具体问题时再翻，不建议从头顺序刷一遍，效率低。整套资料的信息量不小，按上面四块的顺序走，配合至少两个自己动手的小项目，比追求看完更重要。