极客时间-蔡超-AI大模型企业应用实战

这门课讨论的不是"大模型能做什么"这种泛泛的话题，而是把它放进企业的真实业务里：怎么让模型按固定格式输出、怎么让它调用公司已有的接口、怎么把一段提示词沉淀成可复用的任务模板。如果你所在团队正在评估要不要上大模型、或者你已经接到"用 AI 改造某个内部流程"的任务，这门课的内容基本对得上。

它解决的是哪一类工作问题

企业里做大模型应用，难点往往不在模型本身，而在工程侧：模型回答不稳定、格式对不上、拿不到内部数据、多轮对话记不住上下文。课程围绕几个具体能力展开，比如用 In-context learning 让模型学会处理某个特定任务，用 Function Calling 让模型去调用外部工具和接口，用 ReAct 模式把"思考—行动—观察"串起来，做出能自己决定下一步该干什么的智能体雏形。这些不是概念介绍，而是直接对应"我要让模型干这件事，代码怎么写"的问题。

课程里也涉及 LangChain 这类框架的使用，以及最后把前面几块拼成一个多模态对话应用的完整过程。换句话说，它走的是一条从单点能力到组合成型的路线，而不是零散地讲一堆名词。

适合什么基础，不适合什么基础

如果你完全没写过代码，这门课会比较吃力，因为里面的实现需要你至少能读懂 Python，知道怎么发一次 HTTP 请求、怎么处理 JSON。反过来，如果你已经做过一段时间的后端或数据开发，只是没系统接触过大模型应用层，那门槛是合适的——课程不会花大篇幅讲 Python 语法，也不会讲模型训练和微调，重点在应用层的调用、编排和落地。

需要提醒一点：这门课不负责教你"怎么训一个自己的大模型"，也不涉及算力采购、私有化部署这类基础设施话题。如果你的诉求是模型训练或底层调优，方向不对。

建议的看课顺序和练习方式

不建议从第一讲顺着往下刷。更高效的做法是先看 In-context learning 和 Function Calling 这两块，因为它们是企业应用里出现频率最高、也最容易见效的能力，看完就能在自己的业务数据上试。然后再看 ReAct 模式，理解智能体的决策循环是怎么搭起来的，这部分偏思路，需要边看边动手改。最后再看整合成多模态 Chatbot 的那一讲，把它当成一次综合练习，而不是新知识。

练习上，别只跟着视频敲一遍。每看完一块，就换一个自己工作里的真实场景去套：比如把"整理会议纪要并抽取待办"做成一个 In-context 任务，把"查询订单状态"接成一个 Function Calling 工具。资料里的示例代码适合当参照，但要改掉它的业务字段，否则你只是复现了一遍演示，没有形成自己的东西。

学完之后，你应该能独立完成这样一件事：给定一个企业内部的小需求，判断该用提示词、工具调用还是智能体循环来实现，并把原型跑通、把结果稳定下来。这大概就是这门课能给你的实际边界。