极客时间 | AI全栈开发实战营（完结）

这门课的名字里带「全栈」，但它真正想解决的问题很具体：让一个会写代码的人，能把大模型接进一个能跑起来、能给同事或客户用的应用里。不是停留在调 API 写个聊天框，而是走完从模型调用、知识库检索、私有化部署到做成问答系统的整条链路。如果你现在的困惑是「大模型我会调，但不知道怎么变成一个正经产品」，这门课对准的就是这个缺口。

它适合什么基础的人

前提是有后端开发经验，至少熟悉一门语言和基本的服务端概念，命令行、Docker 这些不陌生。课程里涉及部署、容器编排、接口对接，完全没有工程背景的人跟起来会吃力。反过来，如果你已经做过几个大模型 Demo，但没处理过文档切分、检索召回、上下文拼装这些脏活，那正合适。它不讲 Python 语法，也不讲机器学习原理，定位是工程落地，不是算法入门。

建议先看哪几块

不建议从头顺着刷。先把大模型调用和提示词组织那一部分过一遍，确认自己理解模型输入输出的边界在哪。然后直接进 RAG 相关章节，这是整门课的主干，重点看文档怎么切、向量怎么存、检索结果怎么和问题一起送进模型。最后看 FastGPT 这类框架的部署与使用，它的价值在于让你看到一个成熟方案是怎么把前面这些环节串起来并做成可视化配置的。MCP 协议那部分可以放在后面，理解它解决的是模型和外部工具之间的标准化对接问题，属于加分项，不是必须先啃的硬骨头。

学完能独立做什么，资料怎么配合练

跟完之后，你应该能独立搭一个基于私有文档的问答服务：把一批内部资料灌进去，让模型基于这些资料回答问题，并且能部署到自己的服务器上，而不是依赖外部接口。再进一步，能把它包装成智能客服或内部知识助手这类具体形态。练习方式上，别只看视频。每学完一个环节就自己动手复现一遍，尤其是知识库构建和检索效果调优——这部分光看不会，必须自己换几份文档试，观察召回质量的变化。视频里演示的项目可以照着做，但更值得花时间的是把你手上真实存在的资料丢进去，看它在真实数据上会出什么问题。部署环节建议自己完整走一遍，包括环境准备和配置调整，这一步踩过的坑才是真正留下来的东西。

整体来说，这是一门偏工程实践的课，价值在于把散落的技术点串成一条可交付的路径。如果你缺的是这条路径而不是某个知识点，值得投入时间；如果你连基础服务端开发都还没过关，建议先把工程底子补上再来。