知乎-AI大模型全栈工程师第10期（18课）

这套资料是知乎「AI 大模型全栈工程师」第 10 期的完整归档，共 18 课，外加讲座课部分。它不是一个只讲概念的科普合集，而是把「模型侧的理解」和「应用侧的落地」放在同一条线上讲：前面几课铺垫 Transformer、注意力、微调这些底层机制，中后段直接切到 Dify、Coze 这类平台化工具的部署与应用开发。对已经能写 Python、但对大模型工程链路还没形成完整认知的开发者来说，它的价值在于能拿来对照自己的项目结构，而不是单纯看视频过一遍。

技术栈覆盖：从模型原理到平台工具

从目录分布能看出课程的两条主线。一条是模型本身，包括 DeepSeek 的技术演进与产业应用解析、模型选型与推理侧的基本判断；另一条是应用层，重点落在 Dify 和 Coze 两个平台上。第 16 到 18 课基本围绕 Coze 的工作原理、应用与插件开发、SDK 调用，以及 Dify 的本地部署和应用开发展开。这个组合是有工程意义的：Dify 偏自托管和可控性，适合需要私有部署、要接自己后端服务的场景；Coze 偏快速编排和多渠道发布，适合验证想法和轻量级产品。两套都过一遍，再回头看自己的需求，选型会清楚很多。

另外讲座课里有关于 Manus 多智能体架构的解析。这部分不是操作教学，更像是架构层面的拆解，适合在动手之余用来理解多智能体系统里任务分解、工具调用、状态管理这些设计取舍。

项目结构：主课 + 讲座的双层组织

资料按「主课视频」和「讲座课」分开组织，这个划分值得注意。主课是按课次递进的实操线，从早期课程的基础铺垫一路推到后期的平台部署；讲座课则是相对独立的专题，围绕某个具体模型或产品做深入解析。这种结构的实际用法是：主课按顺序跟，讲座课当成横向补充，遇到具体技术点（比如 DeepSeek 的推理优化、Manus 的智能体编排）再回头单独看，不必严格线性。

每一课基本都配有课件和实操内容，这意味着你可以先看结构、再决定哪些片段精看。对自学来说，这种「可跳读」的组织方式比一条龙视频更友好。

可复用的部分在哪里

真正能沉淀到自己项目里的，主要是三块。第一是平台部署链路：Dify 本地部署涉及容器编排、模型接入、环境配置，这套流程走通一次，换成别的自托管方案也能复用大半思路。第二是插件与 SDK 开发：Coze 的插件机制和 SDK 调用方式，本质上是「如何把自己的能力暴露给编排平台」，这个模式在当前的工具生态里通用性很强。第三是模型解析的方法论：面对一个新模型，怎么判断它的技术路线、适用场景和成本结构，讲座课里给的是一套分析框架，而不是结论。

需要提醒的是，平台类工具迭代很快，界面和 API 都可能变。看这部分内容时，重点应放在架构和调用逻辑上，具体操作以官方文档为准，把课程当成理解设计意图的入口。

怎么用这份资料

• 有 Python 和基础深度学习经验的话，可以跳过纯概念课，直接从平台应用开发那几课切入，遇到不懂的机制再回补。
• 边看边搭环境。Dify 和 Coze 都支持本地或云端快速起步，跟着部署一遍，比只看演示更能暴露配置层面的问题。
• 讲座课适合当专题读物，不必按顺序，挑和自己方向相关的看，比如做 Agent 就重点看多智能体那部分。
• 把每课的产出和自己的项目做对照，问一句「这套流程换成我的业务，哪一步会卡住」，这比记笔记更有用。

整体上，这是一份结构清晰、偏实战的课程归档，适合当作大模型应用工程的学习骨架来用。它的短板是平台工具更新快，需要你补上最新的官方文档；它的长处是把模型理解和应用落地串成了一条线，省去了自己在碎片资料里拼图的时间。