何止维《不止提示词：AI入门全链课》

这门课的名字叫《不止提示词：AI入门全链课》，"不止提示词"这五个字其实已经把定位说清楚了——它不打算只教你写几句能用的 prompt，而是想把 AI 应用从底层概念到工程落地的那条链路拆开讲一遍。对已经会用 ChatGPT 写点东西、但说不清模型调用、向量检索、Agent 编排之间关系的开发者来说，这种结构比纯提示词技巧更有对照价值。

它讲的"全链"具体指什么

从课程定位看，这条链路大致覆盖几个层次：底层是模型与推理的基础概念，中间是提示工程、上下文组织、工具调用这类与模型交互的手段，上层则落在具体应用形态上，比如检索增强生成、多轮对话管理、简单的 Agent 流程。所谓"全链"，价值不在于每个点都讲得极深，而在于让你看到这些环节是如何串起来的：一次用户输入，经过怎样的提示构造、检索、模型调用和结果后处理，最终变成一个可用的功能。

这也是它和纯入门科普的区别。科普只告诉你"AI 能做什么"，全链课会让你看到"这件事在代码里是怎么被拼出来的"。对要动手复用的开发者，后者的信息密度更高。

技术栈与工程结构上的看点

课程面向 AI 初学者和希望提升 AI 技能的开发者，所以它的技术选型大概率偏向主流、低门槛的路线：Python 作为主语言，调用大模型 API，配合向量数据库做检索，用少量框架串起对话与工具调用逻辑。看这类资料时，建议重点抓三样东西——

• 依赖与调用方式：模型接口怎么封装、密钥与环境变量怎么管理，这决定了你能否把它替换成自己常用的模型服务。
• 数据流组织：提示模板、上下文拼接、检索结果注入分别在哪一层完成，边界画得清不清。
• 可复用模块：哪些函数或类是可以直接摘出来放进自己项目的，比如提示构造函数、检索封装、对话状态管理。

这三样抓住了，课程里哪怕有些示例偏演示性质，你也能把它改造成工程可用的骨架。

配套源码该怎么用

资料包里的源码和示例是这门课最实际的部分。建议不要顺着看完就丢，而是按"跑通—拆解—替换"三步走：先把示例在自己的环境里跑起来，确认调用链没问题；再把每一段代码单独拎出来，问自己这段到底解决了什么问题、换掉会怎样；最后尝试把其中的模型或数据源替换成你手头的资源，看哪些地方会崩、为什么崩。能走到第三步，才算真正把课程内容消化成了自己的东西。

提示词部分同样如此。课程强调"不止提示词"，恰恰说明提示工程是链路中的一环而非全部。把提示模板当成可版本化、可测试的工程产物来看待，比记一堆话术更有长期收益。

适合谁，以及自学时的顺序

如果你完全没有编程基础，这门课会有一定门槛，因为它终究要落到代码上；如果你已经会写 Python、调过 API，只是对 AI 应用的完整链路没有系统认识，那它正好补上中间那块拼图。自学顺序建议按依赖关系来：先建立模型与推理的基本认知，再练提示与上下文组织，然后进入检索增强和工具调用，最后看应用如何组装成一个完整功能。遇到示例代码，优先保证能跑通，再谈理解细节。

把它当作一份可以对照实践的参考材料，边看边改边跑，比只看视频更能留下东西。