❓ 【知乎】AI大模型应用开发实战训练营-第24期（新课首发，请勿二搬）

课程简介

这套课程直指一个核心痛点：开发者懂 Python，也调过 API，但面对企业实际业务中的复杂问答、私有知识检索，依然只会“裸调”模型，导致回答不准确、幻觉频发或无法落地。它解决的不是从零学 Python，而是如何将大模型能力稳定地接入垂直领域，特别是通过 RAG（检索增强生成）技术，让 AI 基于内部文档给出靠谱答案。适合谁看与学习起点这门课不适合纯小…

已有 0 人浏览发布 2026-10-19 更新 2026-10-19

适合谁看与学习起点

这门课不适合纯小白或零代码基础的人。你需要具备基本的 Python 语法理解能力，知道什么是 API 请求，且能看懂简单的控制台报错。对于刚入行的后端工程师或希望转行 AI 应用开发的数据分析师，这是不错的进阶材料。课程并未从头教环境配置，而是假设你已有一个能跑通简单 Demo 的开发环境。重点在于理解“检索”与“生成”之间的逻辑断层如何填补，以及如何处理向量数据库的索引优化。如果你连 Pandas 都没用过，建议先补基础；如果你只会用 ChatGPT 对话而不懂底层调用，这套课能帮你补上工程化的短板。

核心模块与实操建议

资料包围绕 RAG 技术栈展开，建议按“基础原理 -> 核心组件 -> 进阶调优 -> 完整项目”的顺序消化。首先不要一上来就钻视频细节，先阅读随课的 PDF 笔记，建立对 Embeddings（嵌入技术）和向量数据库的整体认知。接着重点看“Embeddings 和向量数据库”章节，理解如何将非结构化文本转化为可计算的数学向量，并掌握向量相似度搜索的底层逻辑。这是 RAG 的地基，地基不牢，后续的多模态处理和高级调优都是空中楼阁。随后进入“RAG 技术与应用”及“高级技术与调优”，这部分涉及分块策略、混合检索和重排序算法，是决定问答质量的关键。不要忽略“GPT-6 拆解”和“DeepSeek Harness”等追新章节，它们提供了当前主流模型的特性差异分析，帮你选择最适合业务场景的底层引擎。

学完能做什么与练习方法

学完核心内容并完成最后的“企业知识库”项目实战后，你应当能独立搭建一个针对特定文档集（如公司手册、法律条文、医疗指南）的问答系统。你不仅能写出调用向量数据库的代码，还能通过调整分块大小、优化检索参数来显著提升答案的准确率，并处理 PDF、图片等多模态数据。资料包中的代码和配置示例是练习的核心，建议不要直接复制粘贴，而是断开网络，尝试手动重构其中的检索管道。每看完一章，就动手修改一个参数（例如改变 Embedding 模型或增加重排序步骤），观察输出结果的变化，记录误差差异。这种“改动-观察-归因”的闭环练习，比单纯看视频更能让你掌握 RAG 的实际调优技巧，使你具备应对真实业务中数据噪声和处理延迟的工程能力。

课程目录

📁 20、【追新】硬核拆解DeepSeek Harness核心能力
硬核拆解DeepSeek Harness核心能力_ev.mp4 [355.0 MB]
笔记.md [418.0 B]
📁 26、RAG技术与应用
RAG鎶€鏈笌搴旂敤.mp4 [877.9 MB]
笔记.md [539.0 B]
资料.zip [386.3 KB]
笔记20260910.txt [11.1 KB]
1-RAG技术与应用.pdf [2.2 MB]
📁 25、Embeddings和向量数据库
Embeddings和向量数据库.mp4 [892.1 MB]
资料.zip [9.9 MB]
笔记20260907.txt [9.9 KB]
笔记.md [588.0 B]
1-Embedding与向量数据库.pdf [1.6 MB]
📁 30、RAG高级技术与调优
RAG高级技术与调优.mp4 [933.2 MB]
资料.zip [486.4 KB]
笔记20260917.txt [7.6 KB]
笔记.md [548.0 B]
1-RAG高级技术与调优.pdf [4.2 MB]
📁 31、项目实战：企业知识库
项目实战：企业知识库.mp4 [1.3 GB]
资料.zip [71.2 MB]
笔记20260921.txt [15.9 KB]
笔记.md [868.0 B]
1-项目实战：企业知识库.pdf [2.8 MB]
📁 29、RAG多模态数据处理
RAG多模态数据处理.mp4 [928.9 MB]
资料.zip [74.6 MB]
笔记.md [387.0 B]
2-NotebookLM使用.pdf [1.7 MB]
1-RAG多模态数据处理.pdf [3.0 MB]
📁 28、【追新】GPT-6拆解：新模型时代赋予的新机会、新蓝海
【追新】GPT-6拆解：新模型时代赋予的新机会、新蓝海.mp4 [722.4 MB]
笔记.md [366.0 B]
📁 1、提示词和RAG
鎻愮ず璇嶅拰RAG.mp4 [734.2 MB]
笔记.md [445.0 B]
提示词和RAG.pdf [801.5 KB]
MVastLog_20260718213225_10080_1.log [204.0 B]
📁 27、【追新】让AI项目从“ demo 惊艳”到“商业成立”的30个评测指标
让AI项目从“ demo 惊艳”到“商业成立”的30个评测指标.mp4 [475.3 MB]
笔记.md [534.0 B]
📁 24、模型训练与微调相关面试辅导
📁 CASE-API使用
📁 .ipynb_checkpoints
2-GUI操作-Qwen-checkpoint.py [3.9 KB]
1-表格提取-Qwen-checkpoint.py [1.1 KB]
2-GUI操作-Qwen-checkpoint.ipynb [4.8 KB]
1-表格提取-Qwen-checkpoint.ipynb [13.1 KB]
携程页面.png [1.2 MB]
2-GUI操作-Qwen.py [3.9 KB]
2-GUI操作-Qwen.ipynb [5.3 KB]
1-表格提取-Qwen.py [1.1 KB]
1-表格提取-Qwen.ipynb [13.1 KB]
模型训练与微调相关面试辅导.mp4 [784.9 MB]
笔记20260903.txt [17.2 KB]
笔记.md [1.1 KB]
1-模型训练与微调相关面试辅导.pdf [2.1 MB]
📁 5、AI编程-从入门到精通
AI编程-从入门到精通 2.mp4 [708.9 MB]
AI编程-从入门到精通.mp4 [722.0 MB]
资料.zip [8.2 MB]
【补充】CASE-病床使用情况.pdf [1.8 MB]
1-AI编程.pdf [4.1 MB]
笔记.md [494.0 B]
【课前准备】AI编程工具安装.pdf [136.3 KB]
📁 23、【追新】Agent 发展史：从 Prompt 到 Context 再到 Harness
Agent 发展史：从 Prompt 到 Context 再到 Harness.mp4 [489.7 MB]
笔记.md [714.0 B]
📁 22、项目实战：AI质检
📁 .openclaw
📁 workspace
📁 skills
📁 yolo-detect
📁 scripts
detect.py [3.3 KB]
SKILL.md [2.6 KB]
.env [76.0 B]
📁 vlm-detect
📁 scripts
detect.py [2.9 KB]
SKILL.md [3.6 KB]
.env [76.0 B]
📁 memory
📁 .openclaw
workspace-state.json [70.0 B]
USER.md [477.0 B]
TOOLS.md [860.0 B]
SOUL.md [1.6 KB]
IDENTITY.md [636.0 B]
HEARTBEAT.md [168.0 B]
BOOTSTRAP.md [1.4 KB]
AGENTS.md [7.7 KB]
openclaw.json [982.0 B]
项目实战：AI质检.mp4 [914.4 MB]
笔记.md [559.0 B]
CASE-AI质检.zip [101.4 MB]
笔记20260831.txt [20.3 KB]
1-项目实战：AI质检.pdf [4.1 MB]
📁 21、【追新】AI自己造AI 时代：Agent递归自进化实战
AI自己造AI 时代：Agent递归自进化实战.mp4 [596.5 MB]
AI Self-Improvement & Recursive Self-Improvement.pdf [19.9 MB]
📁 18、【追新】DeepSeek Harness安装入门及原理拆解
DeepSeek Harness安装入门及原理拆解_ev.mp4 [624.1 MB]
笔记.md [458.0 B]
📁 19、视觉大模型与多模态理解
资料.zip [2.0 GB]
视觉大模型与多模态理解.mp4 [859.3 MB]
视觉大模型与多模态理解.pdf [7.0 MB]
笔记20260827.txt [10.9 KB]
笔记.md [371.0 B]
📁 7、【追新】Kimi k3模型原理和量化
Kimi k3模型原理和量化_ev.mp4 [620.2 MB]
笔记.md [483.0 B]
📁 17、LLM模型蒸馏与微调实操
资料.zip [23.9 MB]
LLM模型蒸馏与微调实操.mp4 [867.0 MB]
笔记20260824.txt [11.3 KB]
笔记.md [409.0 B]
1-LLM模型蒸馏与微调实操.pdf [2.1 MB]
📁 16、高质量微调数据工程与评估
高质量微调数据工程与评估.mp4 [1.0 GB]
资料.zip [142.9 MB]
笔记20260823.txt [9.0 KB]
笔记.md [289.0 B]
1-高质量微调数据工程与评估.pdf [1.1 MB]
📁 15、LLM微调原理
LLM微调原理.mp4 [655.3 MB]
资料.zip [1.3 MB]
笔记20260817.txt [8.8 KB]
笔记.md [510.0 B]
1-LLM微调原理.pdf [1.3 MB]
📁 14、开发框架相关面试辅导
开发框架相关面试辅导.mp4 [812.3 MB]
笔记20260813.txt [9.1 KB]
笔记.md [1.1 KB]
资料.zip [4.3 MB]
开发框架相关面试辅导.pdf [1.9 MB]
📁 13、Pytorch与视觉检测
资料.zip [112.3 MB]
笔记.md [883.0 B]
笔记20260810.txt [5.8 KB]
1-Pytorch与视觉检测.pdf [5.3 MB]
📁 12、【追新】把A股当代码拆——矩阵分解、因子暴露、概率优势
把A股当代码拆——矩阵分解、因子暴露、概率优势.mp4 [549.2 MB]
笔记.md [495.0 B]
📁 11、神经网络基础与Tensorflow实战
📁 code
📁 activation_function
tanh1.py [353.0 B]
sigmod1.py [677.0 B]
relu1.py [327.0 B]
tensorflow_boston_dataparallel.py [1.9 KB]
tensorflow_boston.py [2.1 KB]
scaler.pkl [1001.0 B]
requirements.txt [130.0 B]
pytorch_boston.py [2.0 KB]
numpy_forward.py [1.2 KB]
numpy_model.py [2.4 KB]
numpy_boston.py [2.7 KB]
load_predict.py [1.0 KB]
housing.csv [47.9 KB]
boston_model.keras [18.8 KB]
神经网络基础与Tensorflow实战.mp4 [709.9 MB]
笔记20260806.txt [6.2 KB]
笔记.md [545.0 B]
1-神经网络基础与Tensorflow实战.pdf [1.9 MB]
📁 10、HuggingFace生态实战：从模型应用到高效微调
📁 CASE-huggingface_cases
📁 .ipynb_checkpoints
7-垃圾邮件分类器-checkpoint.ipynb [11.5 KB]
8-垃圾邮件分类器-Qwen-checkpoint.ipynb [20.3 KB]
1-情感分析-checkpoint.ipynb [6.0 KB]
2-文本生成-checkpoint.ipynb [3.9 KB]
📁 spam-bert-finetuned
8-垃圾邮件分类器-Qwen.py [7.6 KB]
7-垃圾邮件分类器.py [3.9 KB]
7-垃圾邮件分类器.ipynb [11.5 KB]
8-垃圾邮件分类器-Qwen.ipynb [20.3 KB]
requirements.txt [106.0 B]
6-实现pipeline.ipynb [4.8 KB]
6-实现pipeline.py [1.4 KB]
3-零样本分类.py [914.0 B]
4-tokenizer使用.py [885.0 B]
5-model使用.py [687.0 B]
5-model使用.ipynb [9.1 KB]
4-tokenizer使用.ipynb [3.4 KB]
2-文本生成.py [551.0 B]
3-零样本分类.ipynb [6.2 KB]
1-情感分析.ipynb [6.0 KB]
1-情感分析.py [975.0 B]
2-文本生成.ipynb [3.9 KB]
HuggingFace生态实战：从模型应用到高效微调.mp4 [822.4 MB]
笔记.md [266.0 B]
笔记20260803.txt [11.6 KB]
HuggingFace生态实战：从模型应用到高效微调.pdf [659.8 KB]
📁 9、AI框架设计与选型
… 其余 72 项略，目录共 272 项