大模型开发与辅助编程：到底解决什么工作场景

这门课不是科普大模型原理，而是把大模型当成一个可调用的工具，解决实际开发和日常编码中的两类问题：一是用提示词工程让模型稳定输出结构化结果，二是把模型接入自己的代码，做文档处理、信息抽取、对话式应用等具体功能。对应的工作场景包括：写脚本时用模型辅助生成和解释代码、做内部知识库问答、批量处理长文本、给现有产品加一个对话接口。如果你的工作里经常要处理非结构化文本，或者想用大模型把一些重复的整理工作自动化，这门课的内容能直接对上。

适合什么基础，建议先看哪几块

课程默认你有基本的 Python 编程能力，能看懂函数调用、字典列表、基本的文件读写，但不要求懂深度学习或模型训练。如果你写过一些脚本、用过第三方 API，基本能跟上。完全没有编程基础的话，建议先补 Python 语法再看，否则到提示词工程后面的代码实验会卡住。建议先看大语言模型综述两节，建立整体认知；然后重点跟提示词工程那几节，尤其是原则与输出格式、Few-Shot、思维链 CoT 这三块，它们是后面所有应用开发的基础，理解了提示词怎么设计，再去看 API 调用和项目集成会顺很多。运行环境准备那一节不要跳，先把本地或线上环境跑通，后面的代码才能跟着敲。

学完能独立做什么，资料怎么配合练习

学完之后，你应该能独立完成这几件事：写一段稳定的提示词，让模型按指定格式返回 JSON 或分类结果；用 Few-Shot 和思维链处理需要多步推理的任务；把大模型 API 接进自己的 Python 脚本，做一个简单的文档总结或问答小工具；看懂别人写的基于大模型的应用代码，能改提示词和调用逻辑。资料配合方面，建议不要只看视频，每讲完一个提示词原则就自己改参数重跑一遍，对比输出差异；环境准备那一节的配置照着做一遍，确认能调通接口再往后走。提示词工程部分最好自己准备两三个真实业务里的文本样例，拿课程里的方法直接试，比用课程自带示例印象深得多。整体节奏建议先慢后快，前面提示词部分扎实了，后面的应用开发章节看起来会轻松很多。

课程目录

01-大语言模型及应用开发综述 | ├──01-大语言模型与ChatGPT综述~1.mp4
 31.38M | └──02-大语言模型LLM应用开发综述~1.mp4
 19.34M 02-ChatGPT Prompt Engineering提示词工程 | ├──03- 提示词引入（通过示例）~1.mp4
 30.17M | ├──04-运行与编程实验环境准备~1.mp4
 24.30M | ├──05-提示词工程1：原则、分割符与输出格式~1.mp4
 16.44M | ├──06-提示词工程2：判断与Few-Shot Prompting~1.mp4
 24.88M | ├──07- 提示词工程3：思维链CoT~1.mp4
 40.43M | ├──08- 提示词工程4：推理提示与更多推理~1.mp4
 29.67M | ├──09- 提示词工程5：知识风格提示与角色扮演~1.mp4
 53.85M | ├──10-提示词工程6：角色生成器~1.mp4
 32.33M | ├──11-提示词工程7：迭代~1.mp4
 30.20M | ├──12-提示词工程8：聊天机器人--一般示例~1.mp4
 27.32M | ├──13- 提示词工程9：聊天机器人--商店订单服务~1.mp4
 24.84M | ├──14-提供词工程10：代码生成~1.mp4
 16.91M | ├──15-提示词工程11：对抗攻击-注入、泄露与越狱~1.mp4
 41.85M | └──16-提示词工程12：对抗提示检测器与本章总结~1.mp4
 17.36M 03-LangChain与LLM应用开发 | ├──17-LangChain引入与概述~1.mp4
 15.05M | ├──18-几个相关概念与LangChain简单示例~1.mp4
 19.45M | ├──19-Models. LangChain对接OpenAI~1.mp4
 39.67M | ├──20-Models. LangChain对接ChatGLM~1.mp4
 37.56M | ├──21-Prompts：文本语言模型LLMs的PromptTemplate~1.mp4
 22.24M | ├──22- Prompts：文本语言模型LLMs的FewShotPromptTemplate~1.mp4
 44.71M | ├──23-Prompts：聊天模型的提示词模板~1.mp4
 22.29M | ├──24- Prompts：输出解析器Output Parser~1.mp4
 17.98M | ├──25-Conversational Memory：引入与简单示例~1.mp4
 20.24M | ├──26-Conversational Memory：ConversationBufferMemory~1.mp4
 30.65M | ├──27-Conversational Memory：ConversationSummaryMemory~1.mp4
 43.09M | ├──28-Conversational Memory：BufferWindow与TokenBuffer~1.mp4
 28.45M | ├──30-Conversational Memory：EntityMemory与KGMemory~1.mp4
 25.58M | ├──31-Chains：引入与LLMChain~1.mp4
 39.12M | ├──32- Chains：SimpleSequentialChain与SequentialChain~1.mp4
 16.91M | ├──33-Chains：LLMRouterChain~1.mp4
 28.43M | ├──34-Chains：EmbeddingRouterChain与Memory~1.mp4
 18.27M | ├──35-Agent：引入与示例~1.mp4
 20.29M | ├──36-Agent：Zero-Shot ReAct与会话（Conversational）~1.mp4
 46.28M | ├──37- Agent：更多的Build-In Agent与Python Agent~1.mp4
 20.18M | ├──38- Agent：自定义代理~1.mp4
 19.01M | ├──39-Indexes索引~1.mp4
 34.47M | ├──40-LangChain Expression Language(LCEL)：概念、功能与特性~1.mp4
 23.54M | ├──41-LangChain Expression Language(LCEL)：Prompt+LLM~1.mp4
 22.68M | ├──42- LangChain Expression Language(LCEL)：bind~1.mp4
 31.33M | ├──43- LangChain Expression Language(LCEL)：fallbacks~1.mp4
 45.43M | ├──44-LangChain Expression Language(LCEL)：并发RunnableMap~1.mp4
 19.00M | ├──45-LangChain Expression Language(LCEL)：多Runnables之间路由~1.mp4
 39.08M | └──46-LangChain Expression Language(LCEL)：接口Interface~1.mp4
 11.54M 04-OpenAI API | ├──47-起步Getting Started~1.mp4
 26.74M | ├──48-Completion与Audio API~1.mp4
 19.87M | ├──49-Embeddings与Fine Tuning(微调)~1.mp4
 26.27M | ├──50- Files与Images~1.mp4
 33.39M | └──51-Models（模型）与Moderations（合规报告）~1.mp4
 19.95M 05-用Github Copilot辅助编程 | ├──52- 引入：介绍、安装、配置与示例~1.mp4
 28.52M | ├──53-文件处理与脚本~1.mp4
 33.84M | ├──54- 函数、SQL、Cronjob与正则~1.mp4
 21.54M | ├──55-解释代码、生成代码与文章~1.mp4
 51.23M | ├──56- 重构与测试~1.mp4
 24.44M | └──57-Copilot Labs：能力工具箱~1.mp4
 32.51M 06-其它大模型与AI辅助开发技术 | ├──58-大模型开发模型~1.mp4
 27.20M | └──59- 更大AI辅助编码与其它领域~1.mp4
 16.99M 课件.zip
 1.56M