正版资源知乎AI应用开发工程师大模型11期
《知乎AI应用开发工程师大模型11期》│  AI大模型应用开发工程师就业速成计划——预习指南.zip【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序逐节学习，重点章节可反复观看；学完后整理一份技术笔记或博客，将所学转化为可展示的项目经验。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺
这套资料面向的是已经会写代码、准备把大模型能力接进真实业务系统的开发者。它的重点不在讲清楚 Transformer 的数学推导，而在于把 RAG、Agent、提示词工程这几条工程链路拆开，让你能对照着搭出一套可运行、可调试、可迭代的应用。如果你之前看过一些零散的大模型科普，却始终没搞明白检索增强到底怎么落地、Agent 的工具调用怎么串起来，这份材料适合当作对照实践的底稿。
技术栈与主题范围
整期内容围绕 Python 展开，核心是四块相互咬合的能力：Embedding 向量化、RAG 检索增强生成、Prompt 提示词工程、AI Agent 智能体构建。它们不是并列关系，而是一条从数据到回答的流水线——文档切分后经 Embedding 变成向量，存进向量库；用户提问时先做相似度检索召回上下文，再交给大模型生成；当任务需要多步决策或外部工具时，就上升到 Agent 层做编排。材料把这条链路按模块讲，每一块都留了可以单独跑通的代码入口，方便你分段验证而不是一口气吞下整个项目。
项目结构与可复用模块
资料的组织方式是「章节笔记 + 配套代码」，笔记用于复盘和面试前快速回顾，代码用于直接改写。值得关注的复用点有三个：一是文档处理与切分逻辑，这块决定了后续检索质量，通常最容易被低估；二是向量检索的封装层，包括索引构建、相似度计算和召回策略，写成独立模块后换向量库成本很低；三是 Agent 的工具注册与调度部分，把工具定义和调用流程解耦，后续加新工具只需要注册而不是改主流程。这三块如果按接口边界整理清楚，可以直接搬进企业知识库或客服问答类项目里。
适合对照实践的学习方式
不建议把它当成视频连载一次看完。更有效的方式是：先按目录顺序把基础概念过一遍，理解 Embedding 和检索在做什么；每完成两到三节，就用自己的数据跑一遍对应模块，把笔记整理成一份学习小结，重点记录「参数改了之后召回结果怎么变」这类可观测的现象。最后尝试独立复现一套完整 Demo——哪怕只是一个能读本地文档、能回答追问的小系统——把它写进个人作品集。相比看完多少节，能自己调通一条链路更有说服力。
自学路径与衔接方向
如果你已经有后端基础，尤其是 Java 方向，可以从「模型调用 + 检索服务」的边界切入，把大模型当成一个需要编排的外部依赖来对待，这样迁移成本最低。纯 Python 背景的开发者则可以顺着 RAG 到 Agent 的顺序推进，先把单轮问答做稳，再加多轮和工具调用。学完之后可衔接的方向包括 AI 应用工程、RAG 系统开发、企业知识库架构这几类，它们的共同点都是把模型能力工程化、稳定化，而不是训练模型本身。
整体来看，这份资料的价值在于给出了一条可拆解、可验证的工程路径。你需要做的不是被动接收，而是边看边改、边跑边记，把它变成自己项目里的一个模块。
│  AI大模型应用开发工程师就业速成计划——预习指南.zip
课程推荐
《知乎AI应用开发工程师大模型11期》│  AI大模型应用开发工程师就业速成计划——预习指南.zip【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Prompt 提示词工程、AI Agent 智能体构建、Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（33 节）
知乎AI应用开发工程师大模型11期
* 第零课开班综述.mp4
* 第一课AI大模型基本原理.mp4
* 第二课Python编程基础.mp4
* 第三课prompt工程设计与优化.mp4
* 第四课GPU与CPU计算硬件与大模型训练.mp4
* 第五课API基础与能过API调用大模型.mp4
* 第六课cursor编程从入门到精通.mp4
* 第七课Embeddings和向量数据库.mp4
* RAG技术与应用.mp4
* RAG高级技术及实践.mp4
* 第十课LlamaIndex：知识管理与信息检索应用.mp4
* 第十一课LangChain：多任务应用开发.mp4
* 第十二课Function Calling与跨模型协作.mp4
* 第十三课Agent智能体系统的设计与应用.mp4
* 第十四课AutoGPT原理和实现.mp4
* 第十五课Fine-tuning技术与大模型优化.mp4
* 第十六课Coze工作原理及应用开发.mp4
* 第十七课Coze应用、插件与 SDK 开发.mp4
* 第十八课Dify本地化部署和应用.mp4
* 19、PyTorch基础与应用.mp4
* 第二十课PyTorch 进阶：复杂网络模型搭建、迁移及部署.mp4
* 第二十一课tensorflow及期应用.mp4
* 27_enc.mp4
* 22_enc.mp4
* 23_enc.mp4
* ai-search 1_enc.mp4
* ai-search 2_enc.mp4
* 22.mp4
* 23.mp4
* ai-search 1.mp4
* ai-search 2.mp4
* 26.mp4
* 27.mp4
配套笔记（17 份 PDF）
知乎AI应用开发工程师大模型11期
* 001 AI大模型应用开发工程师就业速成计划-开班综述.pdf
* 2024大模型典型示范应用案例集.pdf
* AI产品经理面试题65道.pdf
* AI大模型应用开发工程师知识图谱-20250324.pdf
* day1-一节课搞懂大模型应用开发-2025.pdf
* 生成式AI商业落地**.pdf
* 6、Cursor编程-从入门到精通-评论区.pdf
* 1-Embedding与向量数据库 (1).pdf
* 2-向量数据库使用 (1).pdf
* 7、Embeddings和向量数据库-评论区.pdf
* 1-RAG技术与应用.pdf
* 8、RAG技术与应用-评论区.pdf
* 1-RAG高级技术与实践.pdf
* 2-GraphRAG.pdf
* 3-Qwen-Agent技术.pdf
* 9、RAG高级技术与最佳实践-评论区.pdf
* 10、lamaIndex：知识管理与信息检索应用-评论区.pdf
