课程定位：从“调用API”到“开发应用”的跨越
在大模型技术普及的当下，市面上大量的入门培训仅停留在“提示词工程”层面，教会用户如何撰写Prompt让ChatGPT辅助写作或生成代码。然而，真正具备高职场竞争力的“大模型开发”，是指如何将大模型能力深度嵌入到具体的业务系统中，解决RAG（检索增强生成）、Agent（智能体）编排、微调及部署等工程化难题。这套课程的核心价值在于填补这一技能缺口，它不讲泛泛的AI发展史，而是聚焦于LangChain、向量数据库、LLM框架等主流开发工具链的实际应用。
本课程的适用人群画像非常清晰：适合已经掌握Python基础语法、对大模型基本概念有一定了解，但不知如何将AI能力落地到具体业务场景的开发者或希望转型的技术人员。对于完全零基础的初学者，建议先补足Python编程基础，否则在学习代码实现环节会感到吃力。课程不追求理论深度，而是侧重于“怎么做”和“为什么这么做”，强调工程落地能力。
学习路径建议：构建系统观，再深入模块
鉴于课程资料体系较为完整，为避免陷入细节迷失，建议按照以下逻辑顺序展开学习：
- 第一阶段：基础环境与概念搭建。重点理解大模型的API调用机制、Context Window（上下文窗口）的原理及Token计费逻辑。这是后续所有开发工作的基石，务必理解其限制。
- 第二阶段：RAG（检索增强生成）实战。这是目前企业应用最广泛的场景。需重点掌握文档加载策略、文本切片技巧、向量嵌入原理及混合检索机制。这是解决大模型“幻觉”问题、让AI“有据可依”的关键环节。
- 第三阶段：Agent与工具调用。学习如何让大模型自主规划任务路径、调用外部工具（如搜索引擎、计算器、数据库）。这是实现复杂业务自动化处理的核心，需重点理解Function Calling的工作机制。
- 第四阶段：微调与部署进阶。简要了解LoRA等轻量级微调技术，以及如何将训练好的模型服务化部署，形成闭环。
不要试图一次性看完所有视频，应采取“看一个模块，跑通一个案例”的策略，确保每个知识点都能在实际环境中运行起来。
学完能独立做什么？
完成本课程核心模块后，你将具备独立开发基于大模型的垂直应用的能力，具体产出包括：
- 能构建企业内部知识库问答系统，实现精准的信息检索与智能生成，解决传统搜索无法回答复杂问题痛点。
- 能开发具备多步骤推理能力的智能Agent，自动化处理邮件整理、数据抓取、报告生成等重复性工作。
- 能理解并复现主流的大模型应用架构，熟练运用Memory管理、Chain编排等设计模式。
资料配合建议：课程配套代码务必手动输入而非直接复制，以熟悉开发细节和调试过程。遇到报错时，优先查看官方文档及GitHub Issues，这本身就是工程师必备的技能。本资源适合希望从“AI使用者”转型为“AI应用开发者”的务实学习者，通过系统训练，真正掌握进入大模型应用开发领域的门票。
贪心科技-新版大模型开发应用实战营-AI019【系统课】
本课程隶属 加密课程 · 贪心学院，完整课程目录与配套资料如下。
课程目录
01 第一周/ 01 第一节 2024年1月16日/ 01 开营+大模型训练以及应用Case分析/ 01 开营+大模型训练以及应用Case分析-01.vep 02 开营+大模型训练以及应用Case分析-02.vep 03 开营+大模型训练以及应用Case分析-03.vep 04 开营+大模型训练以及应用Case分析-04.vep 02 第二节 2024年1月18日/ 01 代码演示/ 01 大模型应用场景.vep 02 OpenAI API及Gradio.vep 03 GPTs.vep 02 第二周/ 01 第三节 2024年1月23日/ 01 提示工程及案例/ 01 提示工程.vep 02 案例.vep 02 助教补充课-Gradio入门 2024年1月24日/ 01 gradio入门/ 01 gradio入门.vep 03 第四节 2024年1月25日/ 01 文档分割及相似度分析/ 01 大模型的商业化落地挑战.vep 02 基于文档的LLM回复系统搭建.vep 03 大模型的hallucination.vep 04 文本的向量化.vep 03 第三周/ 01 第五节 2024年1月30日/ 01 倒排索引、KNN、PQ/ 01 从基础RAG到进阶RAG.vep 02 倒排索引.vep 03 Product Quantization.vep 02 第六节 2024年2月1日/ 01 NSW与HNSW算法、推荐系统、LLM结合/ 01 回顾、NSW与HNSW算法.vep 02 推荐系统、LLM结合.vep 03 推荐系统案例：代码学习.vep 04 第四周/ 01 第七节 2024年2月20日/ 01 Langchain的应用/ 01 Langchain的应用-01.vep 02 Langchain的应用-02.vep 02 第八节 2024年2月22日/ 01 -Langchain的应用2/ 01 Langchain的应用2-output parser.vep 02 Langchain的应用2-retrieval、chain组件.vep 03 langchain-for-youtube项目讲解.vep 05 第五周/ 01 第九节 2024年2月27日/ 01 RAG的改进方案/ 01 RAG回顾以及有可能存在的问题.vep 02 RAG的改进方案Query的改造.vep 03 RAG的改进方案Query Retriever Ranking RAGAS RAG评估.vep 02 助教补充课-进阶RAG实战案例 2024年2月29日/ 01 advanced_rag/ 01 advanced_rag01.vep 02 advanced_rag02.vep 06 第六周/ 01 第十节 2024年3月5日/ 01 Agent/ 01 Agent01.vep 02 Agent02.vep 02 第十一节 2024年3月7日/ 01 autogpt_metagpt/ 01 autogpt.vep 02 metagpt.vep 07 第七周/ 01 第十二节 2024年3月12日/ 01 HuggingGPT、斯坦福小镇/ 01 HuggingGPT.vep 02 斯坦福小镇.vep 03 mock_interview_agent.vep 02 第十三节 2024年3月14日/ 01 fine tune、Lora的微调/ 01 fine tune.vep 02 Lora的微调01.vep 03 Lora的微调02.vep 08 第八周/ 01 第十四节 2024年3月21日/ 01 llama介绍&微调/ 01 llama介绍&微调-01.vep 02 llama介绍&微调-02.vep 09 第九周/ 01 第十五节 2024年3月26日/ 01 Mistral-7B、MoE、ChatGLM、Qwen/ 01 Mistral-7B、MoE.vep 02 ChatGLM、Qwen.vep 02 第十六节 2024年3月28日/ 01 多模态、文生图、文字转语音/ 01 多模态、文生图、文字转语音-01.vep 02 多模态、文生图、文字转语音-02.vep 10 第十周/ 01 第十七节 2024年4月2日/ 01 多模态大模型、LLaVA MiniGPT-4/ 01 多模态大模型.vep 02 LLaVA MiniGPT-4.vep 课件资料.rar
