AI大模型全栈工程师第9期

市面上讲大模型的课不少，但多数停在"调个 API 跑通 demo"这一层。这门课的主题是大模型全栈开发，从模型调用、提示词组织，到工具调用、检索增强、微调，再到多模态和产品化落地，覆盖的是一条完整的应用链路。它想解决的问题很具体：当你手头有一个真实业务需求，能不能自己判断该用哪种方案、把原型做出来、并且知道上线前后要盯哪些环节。

适合什么基础的人看

如果你完全没写过代码，这门课会偏吃力，因为里面的实操环节默认你能看懂 Python、会用命令行、理解 HTTP 请求和 JSON 的基本结构。更合适的读者是：有后端或前端开发经验、想转到 AI 应用方向的工程师；做数据或产品、已经用过一些大模型工具、想搞清楚底层怎么串起来的转行者；以及已经在做 AI 项目、但知识零散、需要把调用、工具、检索、微调这几块拼成体系的人。纯零基础的话，建议先补一段 Python 和接口调用的基础再进来。

建议先看哪几块

不要按顺序从头啃到尾。先看开篇的导论部分，把大模型应用的整体结构和几个核心概念建立起来，这部分决定了你后面看每块内容时能不能对上位置。接着直接进模型调用和提示词相关的内容，这是所有后续模块的地基，也是最快能上手验证的部分。然后看工具调用和助手接口这两块，它们解决的是"让模型能查数据、能执行动作"的问题，是 demo 和可用产品之间的分水岭。检索增强和微调放在后面看，因为这两块要等你对调用链路熟悉了、知道瓶颈出在哪，才判断得清该不该用、用哪种。多模态和产品化相关的部分可以最后看，作为扩展视野。

学完能独立做什么，资料怎么配合

认真跟完并动手做完项目，你应该能独立完成这些事：搭一个带知识库检索的问答应用，并知道怎么评估召回和回答质量；给模型接上外部工具或接口，让它按流程完成多步任务；判断一个需求该用提示词工程、检索增强还是微调来解决，并说得出取舍理由；把原型整理成能演示、能交给别人用的形态。资料里课件和实操素材是配套的，建议不要只看课件，每看完一块就打开对应的实操内容自己跑一遍，跑不通再回头对照。项目相关的素材留到最后集中做，用它检验自己是不是真的能把前面几块串起来，而不是只记住了概念。练习时优先保证跑通和改通，不必追求一次写得多漂亮。