先弄清楚：这门课解决什么问题
这套资料解决的核心痛点，是开发者面对 AI 工具时“不知道怎么把它嵌进日常开发流程”。它不是科普大模型原理，也不是泛泛而谈的效率课，而是直接切入具体场景：怎么用大语言模型辅助写代码、怎么让它在项目开发里分担机械性工作。如果你平时写代码时只是偶尔打开网页问两句，或者拿到 AI 给的片段却不敢直接用进项目，这门课就是把“零散聊天”变成“稳定提效工具”的过程。资料里带了可运行的源码，这意味着它不是只停留在概念演示，而是带着你跑通一个集成流程。
适合什么基础，建议先看哪几块
这门课适合有实际编程经验、能独立跑起本地项目的人。如果你完全没写过代码、连基本开发环境都搭不起来，这套资料会让你卡在第一步。但如果你日常就是写业务逻辑、做数据处理，想看 AI 怎么切进自己的工作流，那上手会很快。建议先把“提问秘诀”那几节看掉，因为大语言模型用得好不好，八成取决于你怎么把需求拆清楚、讲明白。这部分看起来简单，但它是后面所有集成动作的前提。看完之后直接跳到带源码的实战章节，对照着代码跑一遍，别只看视频不动手。很多人买完课觉得没用，就是因为只看演示、不碰键盘，最后 AI 还是停留在聊天框里。
学完能独立做什么，资料怎么配合练习
学完之后，你应该能独立完成一件具体的事：在自己的项目里接入大语言模型，用它处理一段真实的开发任务，比如辅助生成代码模块、处理数据逻辑、或者做项目里的文本类工作。重点不是学会某个 API 调用，而是建立起一套自己的用法——遇到什么任务该让 AI 做、怎么给它上下文、拿到结果怎么验证。资料里的源码就是配合练习的核心，不要把它当参考答案翻一翻就过。正确用法是：先看视频理解思路，然后自己开一个空项目，照着源码的结构自己敲一遍，中间故意改几个参数看 AI 的输出怎么变。这个过程比你把源码跑通十遍都有用。AI 工具的门槛不在安装，在于你愿不愿意把它当成真正的协作者，反复试错、反复调优。这门资料给的是框架和起点，剩下的熟练度，得靠你拿自己手头的活儿去喂。
课程目录
{1}–课程 {1}–第1章 GPT来了，找个场景集成AI的能力 [1.1]–1-1 每个人都需要学会使用AI(1).mp4
[1.1]–1-1 每个人都需要学会使用AI.mp4
[1.2]–1-2 寻找身边ChatGPT的应用场景(1).mp4
[1.2]–1-2 寻找身边ChatGPT的应用场景.mp4
{2}–第2章 使用AI，掌握“提问”的秘诀 (2.1)–2-4 用上ChatGPT(1).pdf
(2.1)–2-4 用上ChatGPT.pdf
(2.2)–2-6 提示技巧工程完全指南(1).pdf
(2.2)–2-6 提示技巧工程完全指南.pdf
[2.10]–2-
12 ChatGPT也不是万能的 .mp4
[2.10]–2-12 ChatGPT也不是万能的[2].mp4
[2.11]–2-
13 本章小结 [2.11]–2-13 本章小结[2].mp4
[2.1]–2-1 初识ChatGPT [2.1]–2-1 初识ChatGPT[2].mp4
[2.2]–2-2 ChatGPT能力介绍 [2.2]–2-2 ChatGPT能力介绍[2].mp4
[2.3]–2-3 让我们用上ChatGPT [2.3]–2-3 让我们用上ChatGPT[2].mp4
[2.4]–2-5 向ChatGPT提问的秘诀 [2.4]–2-5 向ChatGPT提问的秘诀[2].mp4
[2.5]–2-7 初探Prompt工程 [2.5]–2-7 初探Prompt工程[2].mp4
[2.6]–2-8 抽象一个Prompt模板 [2.6]–2-8 抽象一个Prompt模板[2].mp4
[2.7]–2-9 必须要知道的Prompt小技巧 [2.7]–2-9 必须要知道的Prompt小技巧[2].mp4
[2.8]–2-
10 ChatGPT，不止是文本输出 [2.8]–2-10 ChatGPT，不止是文本输出[2].mp4
[2.9]–2-
11 Prompt模板优化 [2.9]–2-11 Prompt模板优化[2].mp4
{3}–第3章 进阶AI，集成API激发潜能 (3.1)–3-3 ChatGPT Plus & API充值(1).pdf
(3.1)–3-3 ChatGPT Plus & API充值.pdf
[3.10]–3-11 扩展：利用GPT进行语句的情感分析(1).mp4
[3.10]–3-11 扩展：利用GPT进行语句的情感分析.mp4
[3.11]–3-12 扩展：利用GPT实现音频转文本(1).mp4
[3.11]–3-12 扩展：利用GPT实现音频转文本.mp4
[3.12]–3-13 本章小结(1).mp4
[3.12]–3-13 本章小结.mp4
[3.1]–3-1 ChatGPT API，让集成AI成为可能(1).mp4
[3.1]–3-1 ChatGPT API，让集成AI成为可能.mp4
[3.2]–3-2 API使用之从认识模型开始(1).mp4
[3.2]–3-2 API使用之从认识模型开始.mp4
[3.3]–3-4 API使用之学习接口调用(1).mp4
[3.3]–3-4 API使用之学习接口调用.mp4
[3.4]–3-5 实战：jtokkit拆分Tokens(1).mp4
[3.4]–3-5 实战：jtokkit拆分Tokens.mp4
[3.5]–3-6 实战：Java GPT API Client(1).mp4
[3.5]–3-6 实战：Java GPT API Client.mp4
[3.6]–3-7 实战：Java GPT Stream Client(1).mp4
[3.6]–3-7 实战：Java GPT Stream Client.mp4
[3.7]–3-8 实战：GPT新能力之Function Call(1).mp4
[3.7]–3-8 实战：GPT新能力之Function Call.mp4
[3.8]–3-9 实战：快速实现一个聊天机器人(1).mp4
[3.8]–3-9 实战：快速实现一个聊天机器人.mp4
[3.9]–3-10 扩展：对GPT输出文本进行审核(1).mp4
[3.9]–3-10 扩展：对GPT输出文本进行审核.mp4
{4}–第4章 容器化，实现用户开发环境隔离 (4.1)–4-4 Docker安装(1).pdf
(4.1)–4-4 Docker安装.pdf
(4.2)–4-10 K8S集群部署(1).pdf
(4.2)–4-10 K8S集群部署.pdf
[4.10]–4-12 通过Rancher启动容器(1).mp4
[4.10]–4-12 通过Rancher启动容器.mp4
[4.11]–4-13 镜像仓库介绍(1).mp4
[4.11]–4-13 镜像仓库介绍.mp4
[4.12]–4-14 私有镜像仓库Harbor(1).mp4
[4.12]–4-14 私有镜像仓库Harbor.mp4
[4.13]–4-15 Harbor部署(1).mp4
[4.13]–4-15 Harbor部署.mp4
[4.14]–4-
16 Harbor API实战(1).mp4
[4.14]–4-
16 Harbor API实战.mp4
[4.15]–4-17 K8S API实战(1).mp4
[4.15]–4-17 K8S API实战.mp4
[4.16]–4-18 本章小结(1).mp4
[4.16]–4-18 本章小结.mp4
[4.1]–4-1 给GPT的落地找个场景(1).mp4
[4.1]–4-1 给GPT的落地找个场景.mp4
[4.2]–4-2 企业级数据开发平台介绍(1).mp4
[4.2]–4-2 企业级数据开发平台介绍.mp4
[4.3]–4-3 容器化技术：Docker(1).mp4
[4.3]–4-3 容器化技术：Docker.mp4
[4.5]–4-6 Docker镜像分层(1).mp4
[4.5]–4-6 Docker镜像分层.mp4
[4.6]–4-7 Docker应用建议(1).mp4
[4.6]–4-7 Docker应用建议.mp4
[4.7]–4-8 K8s：Docker编排工具(1).mp4
[4.7]–4-8 K8s：Docker编排工具.mp4
[4.8]–4-9 Rancher安装(1).mp4
[4.8]–4-9 Rancher安装.mp4
[4.9]–4-11 Rancher部署K8s集群(1).mp4
[4.9]–4-11 Rancher部署K8s集群.mp4
{5}–第5章 项目开发，企业级数据开发平台 [5.10]–5-10 图表可视化模块(1).mp4
[5.10]–5-10 图表可视化模块.mp4
[5.11]–5-11 前端页面开发(1).mp4
[5.11]–5-11 前端页面开发.mp4
[5.12]–5-12 大数据扩展：Hive执行引擎模块开发(1).mp4
[5.12]–5-12 大数据扩展：Hive执行引擎模块开发.mp4
[5.13]–5-13 大数据扩展：Python引擎执行Spark任务(1).mp4
[5.13]–5-13 大数据扩展：Python引擎执行Spark任务.mp4
[5.14]–5-14 执行服务Dockerfile打包镜像(1).mp4
[5.14]–5-14 执行服务Dockerfile打包镜像.mp4
[5.15]–5-15 任务执行镜像管理模块开发(1).mp4
[5.15]–5-15 任务执行镜像管理模块开发.mp4
[5.16]–5-16 本章小结(1).mp4
[5.16]–5-16 本章小结.mp4
[5.1]–5-1 企业级数据开发平台架构设计(1).mp4
[5.1]–5-1 企业级数据开发平台架构设计.mp4
[5.2]–5-2 JGIT实现用户脚本管理(1).mp4
[5.2]–5-2 JGIT实现用户脚本管理.mp4
[5.3]–5-3 开发平台任务执行服务设计(1).mp4
[5.3]–5-3 开发平台任务执行服务设计.mp4
[5.4]–5-4 Shell执行引擎模块开发(1).mp4
[5.4]–5-4 Shell执行引擎模块开发.mp4
[5.6]–5-6 Python执行引擎模块开发(1).mp4
[5.6]–5-6 Python执行引擎模块开发.mp4
[5.7]–5-7 Presto执行引擎模块开发(1).mp4
[5.7]–5-7 Presto执行引擎模块开发.mp4
[5.8]–5-8 任务分发服务开发(1).mp4
[5.8]–5-8 任务分发服务开发.mp4
[5.9]–5-9 任务执行流程测试(1).mp4
[5.9]–5-9 任务执行流程测试.mp4
{6}–第6章 AI集成，智能开发平台能力演练 [6.10]–6-
10 快速开发之数据分析维度推荐 [6.10]–6-10 快速开发之数据分析维度推荐[2].mp4
[6.11]–6-
11 数据分析概念介绍 [6.11]–6-11 数据分析概念介绍[2].mp4
[6.12]–6-
12 快速开发之自然语言配置图表 [6.12]–6-12 快速开发之自然语言配置图表[2].mp4
[6.13]–6-
13 本章小结 [6.13]–6-13 本章小结[2].mp4
[6.1]–6-1 集成ChatGPT之基础会话服务 [6.1]–6-1 集成ChatGPT之基础会话服务[2].mp4
[6.2]–6-2 自定义Prompt构建AI助手 [6.2]–6-2 自定义Prompt构建AI助手[2].mp4
[6.3]–6-3 让ChatGPT为运行报错提供解决方案 [6.3]–6-3 让ChatGPT为运行报错提供解决方案[2].mp4
[6.4]–6-4 让ChatGPT为你编写SQL [6.4]–6-4 让ChatGPT为你编写SQL[2].mp4
[6.5]–6-5 代码生成及测试 [6.5]–6-5 代码生成及测试[2].mp4
[6.6]–6-6 图表生成及测试 [6.6]–6-6 图表生成及测试[2].mp4
[6.9]–6-9 快速开发之Spark数据导入 [6.9]–6-9 快速开发之Spark数据导入[2].mp4
{7}–第7章 扩展：更多的AI应用和私有大模型 [7.1]–7-1 AI现象级应用之ChatPDF(1).mp4
[7.1]–7-1 AI现象级应用之ChatPDF.mp4
[7.2]–7-2 AI现象级应用之Midjourney(1).mp4
[7.2]–7-2 AI现象级应用之Midjourney.mp4
[7.3]–7-3 常用工具的AI插件介绍(1).mp4
[7.3]–7-3 常用工具的AI插件介绍.mp4
[7.4]–7-4 将ChatGPT集成到你的微信(1).mp4
[7.4]–7-4 将ChatGPT集成到你的微信.mp4
[7.5]–7-5 AI模型社区HuggingFace(1).mp4
[7.5]–7-5 AI模型社区HuggingFace.mp4
[7.6]–7-6 通过ChatGLM6B部署私有大模型(1).mp4
[7.6]–7-6 通过ChatGLM6B部署私有大模型.mp4
[7.7]–7-7 企业知识库方案介绍(1).mp4
[7.7]–7-7 企业知识库方案介绍.mp4
[7.8]–7-8 AI应用之企业知识库(1).mp4
[7.8]–7-8 AI应用之企业知识库.mp4
[7.9]–7-9 课程小结(1).mp4
[7.9]–7-9 课程小结.mp4
资料 coding702 coding702.rar 解压密码请看.txt
