知乎AI应用开发工程师大模型1 2期

课程定位：填补大模型落地工程的认知缺口

当前许多开发者对 AI 的理解仍停留在“调用 API 写 Demo”的层面，缺乏将模型能力集成到复杂业务系统中的完整视野。这门课程的核心价值在于构建从底层原理到上层应用的全链路工程能力。它不只讲解 Prompt 怎么写，更深入剖析 RAG 检索增强、向量数据库选型、Fine-tuning 优化以及多智能体（Agent）系统设计等关键技术点。资料包中特别包含了 FastAPI、爬虫、JSON 处理及 Python 调试等先导课内容，明确指向一个工程痛点：许多人在学习大模型应用时，因后端基础薄弱而卡壳。因此，本课程定位为“大模型全栈开发”，旨在帮助开发者补齐服务端集成、数据处理与接口设计的能力短板，实现从“调包侠”到“AI 工程师”的转变。

学习路径建议：由浅入深，分层攻克

建议学习者按照以下三个阶段推进，避免一上来就陷入复杂的 Agent 编排而忽略基础。

• 基础夯实期：先快速浏览先导课中的 Python 字符串处理、JSON 应用、pip 包管理及 FastAPI 使用，确保具备独立开发 Web 服务的能力。这是后续所有应用开发的载体。
• 核心技能期：重点攻克第 1-7 讲。从 DeepSeek 本地部署（Ollama）开始，掌握 Prompt 工程与 Cursor 编程提效；深入理解 Embeddings 与向量数据库原理，这是 RAG 的基石；随后通过 Text2SQL 实战，打通非结构化数据到结构化数据的查询路径。
• 进阶架构期：在第 8-17 讲中，系统学习 LangChain 多任务应用、Function Calling 跨模型协作、MCP 协议应用以及 Coze 插件开发。这一阶段着重理解智能体（Agent）的感知、决策与行动循环，以及如何利用视觉大模型和多智能体架构解决复杂问题。

学完后，开发者应能独立搭建一套包含知识库检索、多步推理与工具调用的企业级 AI 应用，并具备对模型进行微调以适配垂直领域的能力。

资料配合使用指南

视频课程提供理论框架与演示，但“可复用模块”的实现必须依靠动手实践。建议读者在观看第 3 讲“Cursor 编程”时，同步配置 Ollama 环境，尝试本地运行开源模型，对比云端 API 调用的延迟与成本差异。在做 RAG 和 Text2SQL 实战时，不要仅复现代码，应尝试替换自己的业务数据（如内部文档、数据库表结构），观察 Embedding 效果与检索准确率的变化。对于先导课中的爬虫与文件 IO 部分，可作为数据预处理练手，为后续的 RAG 知识库构建准备原始语料。通过“理论视频 + 本地环境复现 + 业务数据改造”的三轮练习，才能真正将课程知识转化为可落地的工程资产。