知乎知学堂 |《AI大模型应用开发实战营 (12期)》

这门课的名字里有「大模型应用开发」，但真正要判断的是：它教的是调用云端模型接口、把模型接进具体业务流程，而不是从零训练一个模型。如果你之前只把大模型当聊天工具用，想搞清楚怎么让它稳定地处理一批文本、抽取结构化信息、按规则触发函数，这套资料的方向是对得上的。如果你的目标是自研模型或做算法岗，这里的内容偏应用层，预期要放低。

它解决的是哪类工作场景

从资料线索看，主线是「原理铺垫 + API 调用 + 若干落地小案例」。原理部分用 DeepSeek 做切入，讲清楚模型大致怎么工作、接口怎么调；案例部分则围绕几件很具体的活儿展开：对一批文本做情感分析、从非结构化内容里把表格信息提出来、让模型按预设规则调用函数（比如查天气）、以及运维场景里的事件处置。这些场景的共同点是——输入是一堆杂乱的文本或记录，输出要求是结构化的、可被后续程序继续处理的字段。这正是很多岗位里最容易被反复问到的那类需求：客服反馈归类、工单信息提取、舆情倾向判断、日志或告警的初步分诊。

适合什么基础，先看哪几块

资料里同时出现了 Python 笔记本和文档，说明默认你是能读代码、会跑 notebook 的。完全没写过 Python 的人，直接上手会比较吃力，建议先补齐基础的请求库和数据处理常识。有后端或数据分析经验、但没接触过大模型接口的人，是最合适的读者。

建议的推进顺序：先看原理与 API 使用这两份文档，把「怎么发一次请求、怎么拿到返回、报错了怎么排查」这件事弄顺；然后打开情感分析那两份笔记本，一份走 Qwen、一份走 DeepSeek 的代理方式，对照着看能理解不同接入方式的差别；接着做表格提取和运维事件处置，这两块更接近真实业务的复杂度；最后再看函数调用那一份，它决定了你能不能把模型和已有的系统连起来。中间如果卡在环境或密钥配置上，先解决这个再往下，不要带着跑不通的环境硬看后面的案例。

学完能独立做什么，资料怎么配合练

按这条线走完，你应该能独立完成一个小的处理流程：读入一批文本、调模型做判断或抽取、把结果整理成表格或结构化字段、再根据结果触发下一步动作。这个能力放到工作里，足以支撑一个内部小工具或一段自动化脚本，但离「上线一个稳定服务」还有距离，涉及并发、成本控制、结果校验这些，资料里未必覆盖，需要自己补。

练的时候别只跑一遍 notebook。把案例里的输入换成你自己工作里的真实文本，比如一段客服对话、一份会议记录，看模型输出会不会崩；再试着改一改提示词，观察结果波动有多大。函数调用那部分，可以自己换一个别的触发条件来写，比单纯复现更能说明你掌握了。资料本身是文档加代码的组合，文档用来看思路，代码用来验证，两者对着看效率最高，只看不跑基本留不下什么。