后端开发者的 AI 大模型实战指南

解决什么痛点与适用人群

本课程解决的核心痛点是：后端开发者如何将大模型能力真正集成到业务系统中，而非仅停留在“Hello World”层面。内容覆盖从提示词工程、Function Calling、LangChain 框架应用到模型微调的完整链路，重点解决信息抽取、智能体（Agent）构建及多模态交互等实际工作场景。适合具备 Python 或主流后端语言基础、熟悉 HTTP API 的工程师；零基础者需先补 Python 语法。它不教你训练千亿参数模型，而是教你如何调用、控制和优化模型以解决业务问题。

学习路径与资料配合策略

建议学习顺序为：先通过“课程说明”建立全局认知，再攻克“提示词工程”、“信息抽取”和“函数调用”三大核心章节，最后通过“项目实战”串联 RAG、微调及图像生成等高级应用。视频是理论来源，但技能源于动手。学习提示词时，务必在沙箱中亲自调试不同结构，观察输出差异；学习 Function Calling 时，需修改工具列表，验证模型的自主决策能力；涉及微调的数据处理部分，请下载配套文件，在本地复现数据清洗与格式化流程，理解指令微调（Instruction Tuning）的底层逻辑。不要只看代码演示，要尝试修改参数和接口，理解 LangChain 如何编排组件。

学完能独立交付什么成果

完成课程后，你能独立设计并交付 AI 驱动的后端服务。具体包括：搭建支持文档解析与关键实体抽取的智能问答系统；开发能自主调用外部工具（如天气查询、代码执行）的 Agent 应用；针对垂直领域数据完成轻量级微调，缓解大模型幻觉问题；以及构建包含文本生成与图像处理的混合功能模块。你将掌握模型效果评估指标，具备技术选型能力，面对业务方提出的“接入 AI 功能”需求时，能快速评估可行性并提供可落地的工程方案，从而显著提升职场竞争力。

课程目录

01-（了解）AI工具学习目标_ev.mp4
 7.25M 01-（重点）讯飞智文_ev.mp4
 106.86M 01-课程内容说明_ev.mp4
 13.27M 01-语言模型的评估指标_ev.mp4
 116.72M 01-GPT原理_ev.mp4
 29.14M 01-微调方法_ev.mp4
 85.68M 01-提示词工程_ev.mp4
 88.90M 01-项目说明_ev.mp4
 49.31M 01-信息抽取_ev.mp4
 57.22M 01-saas平台_ev.mp4
 69.01M 01-百度千帆大模型介绍_ev.mp4
 91.58M 01-function_call_ev.mp4
 70.28M 01-function_call多个函数_ev.mp4
 109.47M 01-AssistantAPI_ev.mp4
 78.73M 01-agent_ev.mp4
 112.55M 01-langchain介绍_ev.mp4
 43.62M 01-model_ev.mp4
 23.74M 01-index_ev.mp4
 47.33M 01-项目介绍_ev.mp4
 27.20M 01-上下文学习_ev.mp4
 41.34M 01-项目介绍-1730813282_ev.mp4
 37.94M 01-模型结构_ev.mp4
 56.06M 01-function_tool_ev.mp4
 76.25M 01-dataloader_ev.mp4
 42.38M 01-模型推理_ev.mp4
 30.02M 01-模型训练与推理_ev.mp4
 81.94M 01-数据处理_ev.mp4
 122.17M 01-图像生成_ev.mp4
 95.97M 01-imagen_ev.mp4
 22.95M 02-（重点）传智星云网_ev.mp4
 78.75M 02-（重点）VSCode集成IFlyCode实现前端页面编写_ev.mp4
 82.69M 02-大语言模型的背景_ev.mp4
 61.40M 02-大语言模型的主要类别_ev.mp4
 48.05M 02-GPT1_ev.mp4
 56.84M 02-硬模版微调_ev.mp4
 33.43M 02-清晰的描述_ev.mp4
 30.55M 02-few-shot说明_ev.mp4
 64.11M 02-信息抽取2_ev.mp4
 18.72M 02-API调用_ev.mp4
 5.38M 02-百度千帆大模型使用_ev.mp4
 126.72M 02-阿里百炼_ev.mp4
 113.59M 02-function_call数据库查询_ev.mp4
 79.01M 02-agent_ev.mp4
 42.20M 02-应用场景_ev.mp4
 101.93M 02-model组件_ev.mp4
 107.74M 02-prompt_ev.mp4
 46.54M 02-向量数据库_ev.mp4
 33.89M 02-环境配置_ev.mp4
 11.72M 02-prefix微调_ev.mp4
 36.24M 02-数据集介绍_ev.mp4
 21.18M 02-模型搭建_ev.mp4
 24.47M 02-预测流程_ev.mp4
 17.45M 02-主标签找子标签_ev.mp4
 66.90M 02-项目介绍_ev.mp4
 36.04M 02-lora微调项目介绍_ev.mp4
 29.19M 02-getmax_len_ev.mp4
 36.85M 02-clip模型_ev.mp4
 57.60M 02-stablediffusion的基本概念_ev.mp4
 36.92M 03-（重点）通义千问大模型使用_ev.mp4
 169.22M 03-（重点）基于IFlyCode编写后端代码_ev.mp4
 57.95M 03-语言模型理解_ev.mp4
 16.84M 03-AR和Seq2Seq模型_ev.mp4
 65.38M 03-GPT2_ev.mp4
 78.86M 03-软模版_ev.mp4
 170.90M 03-充足的思考_ev.mp4
 47.74M 03-文本分类_ev.mp4
 66.44M 03-文本匹配_ev.mp4
 31.89M 03-案例_ev.mp4
 39.95M 03-天气获取_ev.mp4
 106.51M 03-GPTs_ev.mp4
 62.60M 03-邮件案例_ev.mp4
 121.09M 03-chain_ev.mp4
 30.66M 03-检索_ev.mp4
 28.42M 03-adapter_ev.mp4
 18.15M 03-preprcoess_ev.mp4
 143.75M 03-模型训练过程_ev.mp4
 135.47M 03-预测实现_ev.mp4
 12.04M 03-子标签找主标签_ev.mp4
 25.98M 03-数据处理_ev.mp4
 24.61M 03-技术选型_ev.mp4
 16.34M