知乎AI大模型全栈工程师培养计划（第六期）

这门课解决什么问题与适合什么基础

对于已经具备后端或前端开发基础的开发者而言，大模型不再只是调 API 的玩具，而是需要被系统设计、微调、部署和集成的工程组件。这门课解决的核心痛点在于：如何将大模型的底层原理转化为可落地的全栈应用架构，并在真实产品中跑通从模型调用到智能体编排的完整链路。它适合具备 Python 基础、了解基本数据结构，但缺乏大模型工程化实战经验的开发者，而非从零学起的小白。

建议先看哪些模块

建议按认知递进顺序学习，先建立工具链认知，再深入应用架构：

• 交互与基础：Prompt Engineering 与大模型应用开发基础，理解模型输入输出与提示词工程范式。
• 工具链与编排：LLM 应用开发工具链、LangChain、Semantic Kernel，掌握模型调用的封装与编排思路。
• 检索与增强：RAG 和 Embeddings，解决知识库问答与私有数据接入的工程问题。
• 智能体与多模态：手撕 AutoGPT 与多模态大模型，理解自主决策与视觉生成的架构设计。
• 微调与部署：模型微调和 AI 产品部署与交付，完成从训练到上线的闭环。

学完能独立做什么与资料怎么用

学完核心模块后，你可以独立完成大模型的全栈开发工作流：从 Prompt 设计、工具链封装、RAG 知识库构建，到模型微调、多模态接入，再到最终产品的部署交付。资料采用"理论讲解 + 代码对照"的模式，视频侧重架构思路与原理剖析，源码与工程结构则作为可直接修改复用的基线，配合练习环节逐层迭代，避免空看理论。