极客时间-AI工程化项目实战营|资料齐全

这门课解决的是「AI 从能跑通到能交付」的断层

很多人学 AI 应用开发，卡在同一个地方：跟着教程能调通一次大模型接口，也能让 LangChain 跑出一个问答 demo，但一旦要放进真实业务里，就不知道该怎么组织代码、怎么把检索做稳、怎么让多个角色协同起来。这门实战营针对的正是这段断层——它不讲大模型原理，也不停在单文件 demo，而是围绕几个可以独立交付的后端系统来组织内容：多任务问答助手、多 Agent 协同客服、以及基于向量检索的 FAQ 系统。换句话说，它假设你已经会写后端代码，缺的是把 AI 能力工程化落地的具体做法。

适合什么基础，先看哪几块

如果完全不熟悉 Python、没写过 API 服务、也不了解向量检索的基本概念，直接进来会比较吃力，建议先把 Python 异步、FastAPI 或类似框架、以及 embedding 与相似度检索的基础补一补。有后端经验、做过接口和数据库的转岗同学，上手会顺很多。

建议的观看顺序不必完全按目录走。先看开学第一课，把整期要交付的几个系统在脑子里串成一条线；接着从模块一的 LangChain 多任务问答助手入手，它是后面所有实践的底座，把 prompt 组织、工具调用、链路编排这几件事吃透；然后再进模块三的检索系统，理解 FAISS 与 Milvus 分别在什么场景下用、索引怎么建、召回结果怎么接回问答链路；多 Agent 协同客服可以放在最后看，它综合了前面几块的能力，理解成本也最高。模块三的实践二与模块一实践二之间存在呼应关系，看完一个再对照另一个，会更容易看清设计取舍。

学完之后能独立做什么，资料怎么配合练

按这条线走完，你应该能独立搭起三类东西：一个能处理多种任务类型的问答服务、一个把 FAQ 检索接进对话流程的系统、以及一个由多个角色分工协作的客服流程。这里的「独立」指的是你能自己选型、自己写编排逻辑、自己处理检索结果与模型输出之间的衔接，而不是照着视频抄一遍。

资料里的视频与配套文本建议配合使用：视频用来理解整体思路和关键决策，文本用来回看具体实现细节，避免反复拖进度条。真正决定效果的还是动手——每看完一个实践，先用自己熟悉的业务数据替换掉示例数据，把检索库换成自己的文档，再尝试改一处链路设计，看看结果会怎么变。只跟做不改造，学完仍然只会复现，遇到真实需求还是会卡住。

最后提醒一句：这类工程化内容更新快，工具版本和接口都可能变，遇到跑不通的地方，优先对照官方文档确认当前写法，不要硬套资料里的旧版本。把它当成一套带你走通流程的参考实现，而不是可以原样搬进生产的成品代码。