飞豹客 · 课能看,资料也能带走
飞豹客AI

AI大模型零基础到商业实战全栈课第六期 完结

这门课面向的是零基础想进入 AI 应用开发的人,重点不在讲模型原理有多深,而在把大模型接进真实业务流程里跑起来。它解决的问题很具体:你手上有 API,却不知道从哪下手做一个能用的东西;或者你会写一点代码,但面对提示词、检索、工具调用这些概念串不起来。课程从名词解释和基本概念起步,一路推到企业级场景,

单课价¥199.00新品 上架
会员价¥39.80开通会员,全站课程按会员价下载套餐详情
107 人关注 更新于 2026-06-06 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥199.00

会员 A · 按档位折扣

永久¥79.604折
年¥99.505折
月¥119.406折
周¥139.307折

会员 B

VIP¥39.80低至
SVIP单买¥200 内可领

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

这门课面向的是零基础想进入 AI 应用开发的人,重点不在讲模型原理有多深,而在把大模型接进真实业务流程里跑起来。它解决的问题很具体:你手上有 API,却不知道从哪下手做一个能用的东西;或者你会写一点代码,但面对提示词、检索、工具调用这些概念串不起来。课程从名词解释和基本概念起步,一路推到企业级场景,路径是完整的。

适合什么基础,不适合什么基础

如果你完全没写过代码,第一阶段前半部分能跟上,因为提示词工程和 GPTs 这类内容对编程要求不高,靠理解加动手就能做。但到 Function Calling 和 AI 编程那几节,会开始接触代码逻辑,零基础的人需要多花时间。如果你已经会 Python,或者做过一点前后端,学起来会顺畅很多,可以直接把精力放在 RAG 和工具链整合上。不适合的人群也说清楚:想学模型训练、微调、算法推导的,这门课不是那个方向,它更偏应用层和落地层,不涉及自己训模型。

建议先看哪几块,顺序怎么排

先看导学篇里的名词讲解和学习指南,把大模型、提示词、上下文、Token 这些词的含义对齐,不然后面容易卡在术语上。接着进第一阶段,提示词工程和 GPTs 这两块建议反复看,它们是后面所有实战的地基。Function Calling 和 AI 编程可以放在一起学,前者让模型能调外部能力,后者让你用自然语言辅助写代码,两者配合能做出小工具。N8N 那部分偏自动化流程,如果你日常工作里有重复的信息处理任务,可以提前看,容易有直接收益。第二阶段的企业级应用和 RAG 检索增强,建议放在有了第一阶段动手经验之后再进,否则容易只记住概念,不知道为什么要这么设计。

学完能独立做什么,资料怎么配合练

学完比较现实的目标是:你能独立搭一个带知识库的问答应用,让模型基于你提供的资料回答,而不是胡编;能写结构清晰的提示词,把模型输出稳定在可用范围内;能用工具调用把模型和外部接口连起来,做一个能查数据、能触发动作的小助手;也能用自动化工具把几个步骤串成一条流程。资料包按阶段分好了文件夹,建议不要从头到尾顺着看,而是每看完一块,立刻找一个自己的场景去套,比如用公司文档做一次检索问答,或用 N8N 把每天的固定信息整理跑一遍。练习量比看视频更重要,光看不动手,到第二阶段会明显吃力。整体来说,这是一门偏应用落地的课,值不值得学,取决于你是不是真想动手做出东西,而不是只想了解概念。

课程目录

课程目录158 条
  • **01 【导学篇】0基础学习导入** -
  • 01 AI大模型学习指南(文件夹) -
  • 02 AI大模型领域专业名词讲解(文件夹) -
  • 03 开班典礼(文件夹) **02 第一阶段(L1):0基础快速入门AI大模型应用与实战** -
  • 01 大模型应用开发基础(文件夹) -
  • 02 大模型核心概念和基本原理(文件夹) -
  • 03 大模型核心原理及提示词工程(文件夹) -
  • 04 提示词工程与GPTs(文件夹) -
  • 05 GPTs与Function Calling开发AI大模型应用(文件夹) - 06 掌握AI编程让普通人也能开发各种技术应用(文件夹) - 07 N8N快速入门到应用实战(文件夹) -
  • 08 OpenClaw(VIP公开课)(文件夹) **
  • 03 第二阶段 (L2):AI大模型的企业级应用** -
  • 01 AI大模型能力以及行业应用分析(文件夹) -
  • 02 RAG检索增强生成技术实战(文件夹) -
  • 03 Embeddings和向量数据库(文件夹) -
  • 04 RAG企业级落地实战优化(一)(文件夹) -
  • 05 RAG企业级落地实战优化(二)(文件夹) - 06 掌握LangChain实现AI大模型应用(文件夹) - 07 Langchain与Llamaindex的应用(文件夹) - 08 LangChain实现企业级Agent智能体(文件夹) -
  • 09 AI工作流应用开发实战(文件夹) -
  • 10 MCP模型上下文协议概述与应用实战(文件夹) - 11 Hermes-agent超级智能体实战(vip公开课)(文件夹) - 12 智枢AI全链路自主决策工作流引擎(vip公开课)(文件夹) - 13 深入浅出A2A协议以及应用实战(文件夹) -
  • 14 AI大模型产品设计与落地(文件夹) **04 第三阶段(L3):AI大模型的工作原理与优化** -
  • 01 从“NLP技术”到“AI大模型”(文件夹) -
  • 02 探索揭秘神经网络奥秘(文件夹) -
  • 02 探索揭秘神经网络奥秘(上)(文件夹) -
  • 03 探索揭秘神经网络奥秘(下)(文件夹) -
  • 03 揭秘Transformer的工作原理(文件夹) -
  • 04 模型训练与Transformer模型(文件夹) -
  • 04 深入浅出了解多模态模型(文件夹) -
  • 05 国产大模型DeepSeek深度剖析(文件夹) -
  • 05 揭秘Transformer的工作原理(文件夹) -
  • 06 大模型微调实战(文件夹) -
  • 06 深入浅出了解多模态模型(文件夹) - 07 GPU与CUDA以及AI大模型企业级部署方案(文件夹) -
  • 07 国产大模型DeepSeek深度剖析(文件夹) -
  • 08 大模型微调实战(文件夹) - 09 GPU与CUDA以及AI大模型企业级部署方案(文件夹) **05 第四阶段(L4):AI大模型的企业级项目实战** -
  • 01 企业级AI销售助手应用实战(文件夹) -
  • 02 企业级教育智能问答助手(文件夹) - 03 LangGraph与Agentic多模态RAG系统实战:构建具备自主反馈机制的智能检索增强生成架构(文件夹) - 04 MCP+LangGraph构建专属ChatBI数据分析智能助手(文件夹) -
  • 05 打造高性能知识增强RAG系统(文件夹) - 06 从0-1打造多MCP协同智能体系统实战(文件夹) -
  • 07 留学咨询引导式对话系统项目实战(文件夹) -
  • 08 大模型从零构建与开发实战(文件夹) **06 第五阶段(L5):从模型训练到模型微调入门到精通** - 01 大模型微调基础与LLaMA-Factory入门(文件夹) -
  • 02 大模型微调实践与优化(文件夹) -
  • 03 大模型分布式微调与高级优化(文件夹) -
  • 04 模型蒸馏原理与实战(文件夹) -
  • 05 大模型高效部署与应用(文件夹) -
  • 06 综合实践与未来展望(文件夹) **07 【应用篇】:小白从0到1玩转Al Agent独立搭建个性化的智能体应用** - 01 初识COZE打造自己的第一个工作流:新闻搜索与总结(文件夹) -
  • 02 新闻稿创作工作流(循环使用方法)(文件夹) -
  • 03 历史人物视频素材生成(文件夹) -
  • 04 历史人物自动化剪辑实例(文件夹) -
  • 05 智能客服工作流(文件夹) -
  • 06 数据分析工作流(文件夹) -
  • 07 影刀RPA自动化(文件夹) -
  • 08 coze动物奥运会(文件夹) - 09 裸眼3D(文件夹) -
  • 10 剪映助手和剪映结合使用(文件夹) -
  • 11 发票内容识别写入飞书(文件夹) -
  • 12 卡通风格历史故事(文件夹) -
  • 13 美女跳舞(文件夹) **08 【部署篇】:从0到1实现AI大模型及各类开源组件的环境部署** - 01 从0到1实现AI大模型及各类开源组件的环境部署(文件夹) **
  • 09 【基础篇】:Python快速入门** -
  • 01 Python、PyCharm安装与配置(文件夹) -
  • 02 anaconda环境安装和搭建(文件夹) -
  • 03 Python简介(文件夹) -
  • 04 Python数据类型(文件夹) -
  • 05 Python列表(文件夹) -
  • 06 Python元组(文件夹) -
  • 07 Python集合(文件夹) -
  • 08 Python字典(文件夹) -
  • 09 Python条件判断(文件夹) -
  • 10 Python循环(文件夹) -
  • 11 Python函数定义和调用(文件夹) -
  • 12 函数的参数(文件夹) -
  • 13 递归和Lambda函数(文件夹) -
  • 14 Python类和对象(文件夹) -
  • 15 Python类的继承(文件夹) **10 【基础篇】:Python数据科学必备工具包实战** - 01 1. 科学计算库-Numpy(文件夹) - 02 2.Pandas数据分析库(文件夹) - 03 3.可视化库-Matplotlib(文件夹) - 04 4. 可视化库-Seaborn(文件夹) **
  • 11 【实战篇】:LangChain 零基础入门到企业级应用实战** - 01 LangChain1.0核心新特性快速入门(文件夹) -
  • 02 LangChain整体介绍(文件夹) -
  • 03 LangChain 提示工程与输出解析(文件夹) -
  • 04 LangChain 链开发与代码执行(文件夹) -
  • 05 LangChain 实现 RAG 全流程实战(文件夹) -
  • 06 LangChain 工具链核心技术入门(文件夹) -
  • 07 LangChain Agent 核心功能与多工具调用(文件夹) - 08 langchain之memory基本使用(文件夹) - 09 SummarizationMiddleware基本使用(文件夹) -
  • 10 langchain中间件基础(文件夹) - 11 向量检索&BM25介绍(文件夹) -
  • 12 项目整体介绍(文件夹) -
  • 13 命令行参数解析(文件夹) -
  • 14 项目整体配置文件(文件夹) -
  • 15 模型的初始化(文件夹) -
  • 16 PDF文件解析案例(文件夹) -
  • 17 项目日志模块(文件夹) -
  • 18 图书类的定义(文件夹) -
  • 19 PDF文本解析处理(文件夹) -
  • 20 PDF表格解析处理(文件夹) -
  • 21 翻译器功能完成(文件夹) -
  • 22 翻译功能整体测试(文件夹) -
  • 23 文件写入类的定义(文件夹) -
  • 24 翻译结果写入PDF文件(文件夹) -
  • 25 完善写入PDF文件(文件夹) -
  • 26 翻译结果写入MD文件(文件夹) **
  • 12 【实战篇】:RAG 入门核心原理到企业级智能交互应用实战** -
  • 01 课程介绍(文件夹) -
  • 02 RAG的概念和LLM的局限性(文件夹) -
  • 03 RAG流程(文件夹) -
  • 04 PDF文档解析工具(文件夹) -
  • 05 文本的切割(文件夹) -
  • 06 向量与Embeddings的定义(文件夹) -
  • 07 千问embedding调用(文件夹) -
  • 08 向量间的相似度计算(文件夹) -
  • 09 根据关键字检索(文件夹) -
  • 10 向量数据库的介绍(文件夹) -
  • 11 ChromaDB演示(文件夹) -
  • 12 基于向量检索的RAG实现(文件夹) -
  • 13 基于RAG实现智能问答系统(文件夹) -
  • 14 虚拟环境介绍(文件夹) -
  • 15 Jupyter notebook使用介绍(文件夹) -
  • 16 LangChain基本介绍(文件夹) -
  • 17 LangChain核心组件介绍(文件夹) -
  • 18 LangChain的基本使用(文件夹) -
  • 19 提示模版&输出解析器(文件夹) -
  • 20 LangChain实现RAG(文件夹) -
  • 21 Agent的基本使用(文件夹) -
  • 22 LangChain Model10介绍(文件夹) - 23 LangChain提示模版之PromptTemplate(文件夹) - 24 LangChain提示模版之ChatPromptTemplate(文件夹) - 25 LangChain提示模版之少量样本示例的提示模板(文件夹) -
  • 26 LangChain Model之Chat Model(文件夹) -
  • 27 LangChain Model之文本嵌入模型(文件夹) -
  • 28 LangChain输出解析器(文件夹) -
  • 29 LangChain链基本使用(文件夹) - 30 用LangChain写Python代码并执行来生成答案(文件夹) -
  • 31 LangChain链的调用方式(文件夹) - 32 LangChain文档链&SQL链的使用(文件夹) -
  • 33 Agent是什么(文件夹) -
  • 34 LangChain中Agent的使用(文件夹) -
  • 35 Agent添加记忆(文件夹) -
  • 36 OpenAI Functions Agent(文件夹) -
  • 37 Agent调用外部API方法(文件夹) -
  • 38 React Agent(文件夹) -
  • 39 LangChain之Memory介绍(文件夹) - 40 ConversationBufferMemory使用(文件夹) - 41 ConversationSummaryMemory使用(文件夹) - 42 VectorStoreRetrieverMemory使用(文件夹) **
  • 13 【实战篇】:Dify 智能应用开发实战** -
  • 01 低代码Agent开发框架介绍(文件夹) -
  • 02 Dify介绍(文件夹) -
  • 03 开源版 Dify与商业版 Dify(文件夹) -
  • 04 Dify阿里云计算巢部署(文件夹) -
  • 05 Dify Docker部署流程(文件夹) -
  • 06 Dify租赁云平台部署(文件夹) -
  • 07 Dify使用Ollama部署模型(文件夹) -
  • 08 Dify核心功能介绍(文件夹) -
  • 09 Dify系例实践之对话应用构建(文件夹) -
  • 10 Dify文本生成应用(文件夹) -
  • 11 Dify Agent开发初体验(文件夹) -
  • 12 Dify文生图智能体开发实战(文件夹) -
  • 13 Dify工作流搭建智能助教(文件夹) -
  • 14 Dify ChatFlow搭建文章总结助手(文件夹) **14 【实战篇】:OpenCLaw技术架构深度解析--打造您个人专属的贾维斯** -
  • 01 OpenCLaw 开源项目介绍(文件夹) -
  • 02 OpenClaw 安装与部署(文件夹) -
  • 03 OpenClaw 整体架构剖析(文件夹) -
  • 04 项目实战一在飞书中构建法务数字分身(文件夹) -
  • 05 项目实战二 邮件自动化助手(文件夹) -
  • 06 项目实战三:一句话精美PPT自动化生成(文件夹) -
  • 07 多智能体实战(文件夹) **
  • 15 【实战篇】Harness Engineering理论的优秀落地者-Hermes-agent智能体实战** -
  • 01 深入学习Harness Engineering(文件夹) - 02 Harness落地的7大核心要素(文件夹) -
  • 03 Hermes Agent 的基础配置(文件夹) -
  • 04 Hermes的文件系统(文件夹) -
  • 05 Hermes的系统架构(文件夹) - 06 项目实战-Hermes接入飞书实现销售报告自动生成(文件夹) -
  • 07 Hermes的上下文工程(文件夹) -
  • 08 Hermes的记忆系统(文件夹) -
  • 09 Herems Agent的能力扩展(文件夹) -
  • 10 Hermes的定时任务(文件夹) - 11 Hermes中的多智能体(文件夹)