张雨佳《2026年AI产品实战营第一课》

张雨佳这套《2026年AI产品实战营第一课》的定位比较明确：它不是讲模型原理的课，而是讲一个 AI 产品从想法到能跑起来的过程。资料包里有讲授部分，也有配套的工程素材，适合边看边对照着改。第一课通常承担"立框架"的作用——把后面几课要反复用到的概念、术语和工程约定先铺一遍，所以这一份的价值不在信息量，而在于它给整条链路定了坐标系。

这门课的技术栈边界

从主题看，它覆盖的是 AI 应用层而非训练层。也就是说，重心落在提示词组织、上下文管理、外部工具调用、结果校验、成本与延迟控制这些工程问题上，而不是反向传播、分布式训练、微调数据集构造。这个切分对开发者很重要：如果你的目标是自己训模型，这门课的落点会偏应用侧；如果你要做的是把一个能力接进已有业务系统，那它的视角正好对得上。

第一课一般会先厘清几个容易被混用的词：能力（capability）、产品形态（form factor）、交互边界（interaction boundary）。这三个概念在后续做需求拆解时会反复出现，比如"这个需求到底该做成一个对话入口，还是嵌进现有流程当一个后台任务"，答案往往取决于交互边界怎么划，而不是模型选哪个。

项目结构里能直接复用的部分

配套工程素材里比较值得细看的是分层方式。典型的 AI 应用会拆成几块：输入层负责把用户意图转成结构化请求；编排层决定调用顺序和分支；工具层封装外部接口；输出层做格式约束和兜底。这种拆法不是这门课独有的，但课程会结合具体案例说明每一层该放什么、不该放什么。

可复用的点集中在两处：一是编排层的状态管理，多轮交互里哪些信息要保留、哪些要丢弃、什么时候该重新拉上下文；二是输出层的校验逻辑，怎么在模型返回不符合预期时给出可读的失败信息而不是直接崩。这两块是绝大多数 AI 产品返工最多的地方，把它们抽成独立模块，换个业务场景也能接着用。

案例的读法

第一课里的案例通常不会给完整代码，而是给决策链。看的时候建议反过来读：先看它最终的产品形态，再回头看它为什么在某个节点选择了这条路。比如同样一个信息抽取任务，有的方案走单次调用加严格 schema，有的走多轮追问加人工确认，差别不在技术难度，而在容错成本和用户等待意愿。这类判断在文档里往往只有一两句话，但恰恰是最难自己摸索出来的部分。

如果案例里出现了具体的提示词或流程配置，不要直接复制。先跑一遍，记录它在什么输入下会偏，再改其中一两个变量看输出怎么变。这个过程比读完整个案例更有用。

自学路径与前置要求

看这门课之前，至少要能读懂一段 HTTP 请求和一段 JSON，最好写过一点后端或脚本。不需要机器学习背景，但需要能接受"结果不稳定"这件事——AI 产品的工程方法和传统软件最大的区别就在于，你没法靠穷举测试保证正确性，只能靠约束和兜底把错误控制在可接受范围。

建议的推进节奏是：先过一遍第一课建立概念框架，然后挑一个自己熟悉的小场景，用课里的分层方式搭一个最小可运行版本，再回头看第二课之后的内容。第一课单独看容易觉得"都懂"，只有在动手时才会发现哪一层没想清楚。GetFromCode 这边把讲授素材和工程素材放在一起，也是为了方便这种对照式学习，而不是看完就算。

最后提醒一点：AI 产品的技术选型变化很快，课程里的具体工具名可能过一段时间就换，但分层思路、状态管理、输出校验这些结构性问题是相对稳定的。抓住后者，前者换起来只是改配置的事。