知乎AI大模型全栈工程师培养计划（第五期

解决什么问题与适用基础

本课程解决的核心痛点是：大量开发者在接触大模型应用时，容易陷入“只会调 API”或“代码能跑但无法工程化”的两个极端。前者缺乏对产品形态、工具链和部署流程的系统认知；后者则对 RAG、微调、多模态等关键技术点的边界和适用场景模糊不清，难以组合成完整的业务解决方案。课程以“全栈工程师”为定位，试图打通从提示词工程到模型微调、从 Agent 框架到云端部署的完整链路。

适合具备 Python 或 JavaScript 基础，且对 AI 应用开发有明确实践需求的开发者。课程前置了《软件开发基础概念与环境搭建》作为补充，因此即便前端或后端基础稍弱，也能快速对齐开发环境。建议学习者至少能独立完成一个 CRUD 类 Web 应用，否则在后续讲解 LangChain 或 Semantic Kernel 时可能会在工程层面感到吃力。

学习路径与资料配合用法

推荐严格按“基础层→能力层→应用层→交付层”的顺序推进，切忌跳跃式浏览。第一阶段，先观看《大模型应用开发基础》与《Prompt Engineering》，建立对模型边界和提示词结构的底层认知；同时结合《赠课：AI编程演示》熟悉开发工具链。第二阶段，攻克核心能力模块：重点研读《RAG 和 Embeddings》与《Function Calling》，这是构建企业级知识库和智能体的基石；随后深入《LangChain》《Assistants API》《Semantic Kernel》三节，理解主流框架的抽象设计与代码复用模式。

第三阶段，根据业务需求选择进阶分支：若需私有化部署，重点学习《模型微调（上/下）》；若涉及图像或复杂交互，则深入《多模态大模型》系列；同时对标《手撕 AutoGPT》，尝试复现一个轻量级 Agent，验证自动化工作流的设计思路。第四阶段，聚焦产品化：通过《项目方案分析与设计》《产品设计》《产品运营》建立工程思维，最后由《AI 产品部署和交付》收尾，确保代码能真正上线运行。

资料包中的笔记文件是课后复盘与代码对照的关键，视频课件主要用于理解复杂架构图与部署细节。建议“先看视频理解逻辑，再打开笔记对照代码结构，最后动手修改参数验证效果”，避免仅被动观看。结课路演项目可作为最终的综合考核目标，用于检验全流程掌握程度。

学完能独立做什么

完成本课程并配合资料练手后，你将具备独立设计并落地中型 AI 应用的能力。具体而言，你能基于 RAG 技术构建带有私有知识库的智能问答系统，利用 Function Calling 让大模型接入外部数据库或 API 执行实时操作，并通过微调优化特定垂直领域的输出质量。更重要的是，你能够使用 LangChain 或 Semantic Kernel 等主流框架封装复杂的业务逻辑，设计具备多轮记忆与工具调用能力的 Agent 系统，并最终完成从本地开发到云端容器化部署的全流程交付。这份资料的价值在于提供了一套可复用的工程模板，而非零散的知识点堆砌。