后端视角的大模型落地：从架构原理到Agent实战

对于后端开发人员来说，直接上手写 Prompt 往往只能解决表层问题。本课程切中了一个核心痛点：如何利用后端技术栈，将大模型的能力封装成稳定、可扩展的 API 服务。课程不空谈概念，而是直接从 Transformer 架构的底层逻辑讲起，结合 GPU 硬件选型，帮你构建 LLM 应用的技术地基。更重要的是，它重点覆盖了 RAG（检索增强生成）与 Function Calling，这正是后端开发对接数据库、调用第三方接口时的核心应用场景。

适合什么基础？

这门课适合已经掌握 Python 基础，熟悉 HTTP 协议和 RESTful API 开发，但想深入了解大模型内部运作机制的开发者。如果你是纯前端或产品经理，可能需要先补一些线性代数和神经网络的基础概念，才能跟上课程中关于模型微调和多模态原理的讲解。

资料怎么用？建议先看哪几块？

建议先看第 1 节和第 2 节，建立对大模型生态和神经网络基础的认知。紧接着重点攻克第 7、8、9 节，这三节直接对应“LLM 产品架构”、“Prompt 与 Assistant API”以及“Function Calling & RAG”，是开发落地产品的必修课。课程配套的 PDF 课件非常适合打印出来做笔记，特别是关于微调和 GPU 知识点的部分，能帮你规避很多工程上的坑。

学完能独立做什么？

学完这套内容，你不再是一个简单的 Prompt 工程师，而是一名具备工程思维的大模型解决方案开发者。你能够独立搭建基于 RAG 的知识库问答系统，利用 Function Calling 实现模型与业务系统的自动化交互，甚至能够基于 Agent 技术开发出具备拆解任务能力的自动化脚本。资料包中的演示 Demo（如数据分析 Agent、市场调研 Agent）是很好的参考案例，建议在掌握基础后，模仿其中的代码结构进行二次开发。

课程目录

课程资料 LLMBook.pdf
 10.30M sapiens.pdf
 16.43M 第10节 利用Agent技术让AI像人类一样拆解任务并逐一完成 -学生版.pdf
 903.50kb 第11节 多模态领域的Transformer(4).pdf
 1.25M 第11节课论文资料.zip
 16.49M 第12节课件及相关学习资料.zip
 9.81M 第13节 视觉生成模型.pdf
 1.66M 第13节课相关论文资料.zip
 273.51M 第14节课学习资料.zip
 45.06M 第1节 课程综述+以Llama 和GLM 为首的开源生态追赶OpenAI的真实进程.pdf
 5.66M 第2节 探索神经网络的奥秘.pdf
 12.05M 第3节 揭秘Transformer的真面目 （学生版）.pdf
 4.51M 第4节课-从GPT 到GPT 3.5的华丽升级.zip
 11.96M 第5节 Fine-tuning 微调艺术-学生版.pdf
 3.23M 第6节 GPU的必备知识点-学生版.pdf
 5.36M 第7节 基于LLM开发完整AI产品-学生版.pdf
 5.64M 第8节 Prompt GPTs与Assistants API 学生版.pdf
 2.78M 第9节 Function Calling & RAG 学生版.pdf
 1.16M 第二节课demo拆解实操资料.zip
 206.94kb 工程数学 线性代数 第七版 同济大学.pdf
 53.91M 行业课1 大模型与各垂直行业部门落地情况概述.pdf
 8.49M 1 课程综述.mp4
 253.96M 10 Agent.mp4
 349.85M 11 多模态Transformer.mp4
 280.52M 12 视觉识别和处理模型原理.mp4
 279.93M 13 视觉生成.mp4
 269.10M 14. 视频生成 sora.mp4
 358.60M 2 神经网络.mp4
 256.12M 3 Transformer架构.mp4
 262.74M 4 从GPT 到GPT 3.5的华丽升级.mp4
 383.99M 5 Fine tuning.mp4
 251.29M 6 GPU.mp4
 219.66M 7 LLM产品架构.mp4
 238.28M 8 Prompt GPT & assistant API.mp4
 269.53M 9 Function call & RAG.mp4
 301.88M demo1 支小助.mp4
 284.56M demo2 下集.mp4
 325.68M demo2 自动化数据分析Agent.mp4
 311.32M demo3 自动化市场调研.mp4
 223.46M 番外追新课 Sapiens.mp4
 339.95M 行业课1 概述.mp4
 250.60M 知乎AI解决方案专家/ 第10节 利用Agent技术让AI像人类一样拆解任务并