rk0865-金融领域大语言模型实战

课程解决什么问题

金融场景对准确性、合规性和风险控制要求极高，通用大模型直接落地往往不够用。这门课聚焦**如何让大模型在金融领域真正可用**——从客户体验、资产管理到智慧风控，覆盖金融 AI 的核心痛点。你不仅能理解大模型的底层结构，还能动手完成本地化部署、知识库构建和模型微调，最终具备独立开发金融 AI 应用的能力。课程不教空泛的理论，每一节都对应可运行的代码和真实的金融场景需求。

适合什么基础、学习路径

课程假设你有 Python 基础和对机器学习的基本认知，不需要精通模型训练，但需要能读懂代码并动手实践。建议的学习路径分三步：

**第一步（前 5 节）**：了解大模型发展历程和金融应用场景，打好领域认知，知道金融 AI 能用在哪里；

**第二步（第 6-10 节）**：这是核心技术部分——FinGPT 本地部署、Prompt 工程、RAG 知识库构建、LoRA 和 P-Tuning 微调方法，每个技术节点都配可运行代码；

**第三步（第 11-12 节）**：模型评估和合规伦理，建立完整的产品思维，知道怎么用、怎么管、怎么负责任地交付。

不要跳着看，按顺序学完每一节再进入下一节，资料包里的视频配合练习，建议边看边动手，每个技术节点都对应可运行的代码示例。

学完能做什么

学完后，你能独立完成以下工作：在本地部署金融领域大模型、构建基于 RAG 的金融知识库问答系统、使用 LoRA 或 P-Tuning 对模型进行轻量化微调、设计金融场景的 Prompt 模板、对模型输出进行效果评估。课程提供的视频和资料配合练习，建议边看边动手，不要只看不练。