知乎AI大模型全栈工程师培养计划（第七期）

这门课的名字里带「全栈工程师」，但真正值得关注的是它把大模型应用开发和 AI 编程放在一起讲。市面上讲大模型原理的课不少，讲怎么把模型接进一个能跑起来的产品里的课不多，这套资料偏向后者。如果你的工作是「用 AI 做点能交付的东西」，它比纯讲 Transformer 的课更贴手。

它解决的是哪类工作场景

具体说，它对应的是这样几种活儿：给公司内部做一个能查文档、能回答业务问题的问答工具；把大模型接进已有的后台或工作流，让它自动处理文本、生成结构化结果；用 Prompt 加少量代码，把原来需要人工重复做的环节压下来。这些场景的共同点是——不需要你训练模型，但需要你懂模型能做什么、边界在哪、怎么用代码把它串起来。课程里的 Prompt Engineering 和大模型应用开发两块，基本就是围绕这些展开的。如果你期待的是从零训练一个大模型、调参调出 SOTA，这套资料不是那个方向，别买错。

适合什么基础，先看哪几块

它假设你至少能读懂一段代码，知道变量、函数、接口调用是怎么回事。完全没写过代码的人，前半段能跟上，后半段动手部分会比较吃力。反过来，有开发经验但没碰过大模型的人，是这套资料最舒服的受众。

建议的进入顺序是：先过一遍大模型原理部分，不用抠数学细节，目标是搞清楚上下文窗口、Token、温度这些概念到底影响什么；然后重点放在 Prompt Engineering，这块看着简单，实际是后面所有应用的地基，值得反复练；最后再进应用开发部分，把前面学到的东西用代码串成一个能跑的小东西。原理部分可以快，Prompt 和应用开发要慢。

学完能独立做什么，资料怎么配合练

按这个顺序走下来，比较现实的产出是：你能自己搭一个带界面的问答或文本处理工具，能把大模型接进一个已有的流程里，能判断一个需求该不该用大模型做、用哪种方式做更稳。这些是能拿出手、能写进项目经历的东西。

练习上有个建议：别只看不动手。每学完一块，就找一个自己工作里真实存在的小麻烦去试，比如把一堆格式乱的客户反馈整理成表格，或者给一份长文档做个能问答的入口。用真实问题练，比跟着示例敲一遍记得牢，也更容易发现自己到底哪块没懂。资料本身可以当参考手册反复翻，不必追求一次看完。

整体判断：这套资料适合已经会写代码、想尽快把大模型用起来的人。如果你还在纠结要不要转行、或者完全没有编程基础，先补编程再来看它，效率会更高。