首页/课程大纲

课程大纲:8 个阶段,一页看全

每个阶段学到什么、练到什么程度、产出什么东西,全部摊开写。205 个技术点一个不藏——不画饼,也不怕你对照着问。

阶段
8
周期
13
技术点
205
商用级系统
2
01

Python 核心与工程基础

第 1–2 周 · 打下「能写代码」的地基

29技术点
学完能做到
  1. 从零写出结构清晰、能跑通的 Python 程序
  2. 用面向对象和模块化组织一个多文件小项目
  3. 独立完成环境搭建、依赖管理与调试排错
1.1开发环境与工具链5 个技术点
  • Python 解释器安装
  • PyCharm / VS Code 配置
  • 虚拟环境 venv
  • pip 依赖管理
  • 终端常用命令
1.2语法与流程控制6 个技术点
  • 变量与数据类型
  • 运算符与表达式
  • 分支语句
  • 循环与嵌套
  • 字符串常用操作
  • 格式化输出
1.3容器与数据处理6 个技术点
  • 列表与元组
  • 字典与集合
  • 切片与推导式
  • 排序与查找
  • JSON 读写
  • CSV / Excel 处理
1.4函数与模块化5 个技术点
  • 函数定义与参数
  • 作用域与闭包
  • 装饰器入门
  • 模块与包
  • 异常处理
1.5面向对象与工程规范5 个技术点
  • 类与对象
  • 继承与多态
  • 魔术方法
  • 类型注解
  • 代码规范与可读性
1.6阶段实战2 个技术点
  • 文件批量处理工具
  • 数据清洗脚本
阶段产出命令行小工具集——可运行、可讲清实现思路
02

大模型基础与提示词工程

第 3 周 · 理解模型边界,把输出变得可控

26技术点
学完能做到
  1. 讲清大模型能做什么、不能做什么,边界在哪
  2. 用提示词把输出做得稳定、可预期、可复现
  3. 独立接入主流大模型 API,写出第一个对话应用
2.1大模型原理与能力边界6 个技术点
  • 生成式模型基础
  • Token 与上下文窗口
  • 幻觉与事实性
  • 温度与采样参数
  • 主流模型对比选型
  • 开源与闭源差异
2.2提示词工程核心方法7 个技术点
  • 角色与任务设定
  • 结构化输出约束
  • Few-shot 示例
  • 思维链与分步推理
  • 上下文管理与压缩
  • 提示词模板化复用
  • 提示词评测与迭代
2.3LLM API 调用实务6 个技术点
  • 对话补全接口
  • 流式输出
  • 多轮对话状态管理
  • 函数调用 Function Calling
  • 结构化 JSON 输出
  • 接口异常与重试
2.4检索增强前置知识4 个技术点
  • Embedding 与语义相似度
  • 文本切分策略
  • 关键词检索 vs 向量检索
  • RAG 流程总览
2.5阶段实战3 个技术点
  • Streamlit 页面搭建
  • 接入对话模型
  • 会话记忆与历史管理
阶段产出网页版智能问答机器人——能多轮对话、能记住上下文
03

AI 应用开发框架

第 4 周 · 从「会调接口」到「会搭应用」

22技术点
学完能做到
  1. 用 LangChain 把模型、工具、记忆串成一条链
  2. 用 Coze / Dify 低代码平台快速搭出可用应用
  3. 写出规范的后端接口,把 AI 能力对外提供出去
3.1LangChain 核心组件7 个技术点
  • Prompt 模板
  • Model 封装
  • Output Parser
  • Chain 链式编排
  • Memory 记忆
  • Callback 与日志
  • LCEL 表达式
3.2低代码智能体平台6 个技术点
  • Coze 工作流搭建
  • Coze 插件与知识库
  • Dify 应用编排
  • Dify 数据标注
  • 平台能力对比
  • 平台到代码的迁移
3.3应用工程化6 个技术点
  • 前后端分离结构
  • FastAPI 接口开发
  • 接口调试与文档
  • 会话与用户数据存储
  • 日志与异常监控
  • 配置与密钥管理
3.4阶段实战3 个技术点
  • 数据上传与解析
  • 自然语言转查询
  • 结果渲染与导出
阶段产出报表生成助手——上传数据、用一句话提问、直接出结果
04

RAG 知识库与企业问答

第 5–6 周 · 当下落地最热、招聘最认的方向

29技术点
学完能做到
  1. 把企业散落的 PDF / Word / 扫描件变成可检索的知识库
  2. 调优检索链路,让回答准确率从「能跑」提到「能用」
  3. 独立交付一套带评测报告的企业知识问答系统
4.1文档解析与预处理6 个技术点
  • PDF / Word / Excel 解析
  • 扫描件 OCR
  • 表格与图片提取
  • 文本清洗与去噪
  • 版面结构还原
  • 增量更新
4.2向量化与向量数据库7 个技术点
  • Embedding 模型选型
  • 中文语义向量
  • 向量库搭建
  • 索引与检索参数
  • 相似度度量
  • 元数据过滤
  • 性能与成本
4.3检索策略与效果调优7 个技术点
  • 切分粒度与重叠
  • 混合检索
  • 重排序 Rerank
  • 查询改写与扩展
  • 召回率与准确率评测
  • 上下文拼接与截断
  • 幻觉抑制
4.4知识库工程化5 个技术点
  • 多知识库隔离
  • 权限与数据安全
  • 缓存与并发
  • 更新与版本管理
  • 上线部署
4.5阶段实战4 个技术点
  • 需求拆解与数据结构设计
  • 全链路搭建
  • 效果评测与调优
  • 演示与讲解
阶段产出企业级知识问答系统——含一份能拿出手的检索效果评测报告
05

Agent 智能体开发

第 7–8 周 · 让模型自己规划、自己调用工具

29技术点
学完能做到
  1. 用 ReAct 范式搭出会规划、会反思的智能体
  2. 把智能体接到真实系统上——查库、调 API、抓数据
  3. 设计多智能体协同流程,处理单人单 Agent 搞不定的任务
5.1Agent 核心架构6 个技术点
  • ReAct 范式
  • 规划—执行—反思循环
  • 任务分解
  • 状态与记忆
  • 失败重试与兜底
  • 成本与轮次控制
5.2工具调用与外部系统集成7 个技术点
  • 工具定义与注册
  • API 调用与鉴权
  • 数据库查询
  • 网页抓取与搜索
  • 文件与邮件操作
  • 工具异常处理
  • 多工具选择策略
5.3多智能体协同6 个技术点
  • 角色分工与协作
  • 消息传递机制
  • 多 Agent 编排
  • 任务仲裁与汇总
  • 协同效果评测
  • 典型失败模式
5.4平台化与工程落地6 个技术点
  • 智能体平台设计
  • 工作流与编排引擎
  • 可视化管理后台
  • 权限与审计
  • 稳定性与限流
  • 部署与运维
5.5阶段实战4 个技术点
  • 业务流程自动化
  • 工具链打通
  • 前端交互集成
  • 效果验收
阶段产出智能体应用——能在真实业务流程里自动完成任务
06

大模型微调与效果评测

第 9–10 周 · 拉开差距的那层能力

31技术点
学完能做到
  1. 自己构建微调数据集,知道数据该怎么来、怎么洗
  2. 用 LoRA / QLoRA 跑通一次真实微调训练
  3. 用评测数据证明「微调之后确实变好了」,而不是自我感觉
6.1微调前置知识6 个技术点
  • 机器学习基础概念
  • Transformer 结构
  • 预训练与微调关系
  • 全量微调 vs 参数高效微调
  • 显存与算力估算
  • 主流开源模型
6.2微调数据工程6 个技术点
  • 数据来源与采集
  • 指令数据构造
  • 数据清洗与去重
  • 标注规范与质检
  • 训练集 / 验证集划分
  • 数据格式转换
6.3LoRA / QLoRA 微调实操7 个技术点
  • LoRA 原理与参数
  • QLoRA 量化微调
  • 训练脚本与超参
  • 训练过程监控
  • 显存优化技巧
  • 模型合并与导出
  • 推理验证
6.4效果评测与闭环6 个技术点
  • 评测集构建
  • 自动评测与人工评测
  • 常用评测指标
  • A / B 对比
  • 回归测试
  • 迭代闭环
6.5方案取舍3 个技术点
  • 微调 / RAG / 提示词的适用边界
  • 成本与收益对比
  • 组合使用策略
6.6阶段实战3 个技术点
  • 数据构建
  • 微调训练
  • 效果对比报告
阶段产出行业专属微调模型 + 一份微调前后的评测对比报告
07

综合项目实战

第 11–12 周 · 按企业交付标准做一个完整系统

22技术点
学完能做到
  1. 接住一个模糊需求,自己拆成可执行的技术方案
  2. 独立完成从架构设计到上线部署的全过程
  3. 把两个系统讲清楚——面试官问细节也接得住
7.1需求分析与方案设计5 个技术点
  • 真实需求拆解
  • 技术选型与架构图
  • 接口与数据设计
  • 开发计划与分工
  • 风险预案
7.2项目一 · 智能数据问答6 个技术点
  • 自然语言转 SQL
  • 库表结构与语义映射
  • SQL 生成与校验
  • 查询结果解释
  • 多轮追问
  • 准确率优化
7.3项目二 · 智能体平台6 个技术点
  • 平台架构搭建
  • 工具与插件体系
  • 工作流可视化编排
  • 多租户与权限
  • 监控与日志
  • 上线部署
7.4工程质量与交付5 个技术点
  • 代码规范与评审
  • 单元测试
  • 性能与成本优化
  • 文档编写
  • 演示与答辩
阶段产出2 个商用级系统——可演示、可讲解、可直接写进简历
08

就业冲刺与面试

第 13 周 · 把 13 周的东西换成 offer

17技术点
学完能做到
  1. 简历上写的每一个项目,都能被追问三层还答得上来
  2. 技术面、项目面、HR 面各有准备,不是碰运气
  3. 清楚自己该投什么岗、投哪些城市、期望薪资怎么谈
8.1简历与作品包装4 个技术点
  • 项目经历写法
  • 技术栈呈现
  • 量化成果表达
  • 简历诊断与修改
8.2面试能力训练6 个技术点
  • AI 应用开发高频题
  • RAG / Agent 深度追问
  • 项目讲解演练
  • 手撕代码题
  • 自我介绍与追问应对
  • 模拟面试复盘
8.3求职执行4 个技术点
  • 目标岗位与城市分析
  • 投递渠道与节奏
  • 面试进度跟踪
  • offer 比较与谈薪
8.4就业保障服务3 个技术点
  • 协议内保就业流程
  • 未就业全额退费
  • 毕业 2 周内就业跟踪
阶段产出一份能直接投的简历 + 通过一轮完整模拟面试
以上为当前版本大纲,具体排课以开课时发放的教学计划为准。想核对某一阶段的细节,直接来问我。

这份大纲,适合谁

对照一下自己
零基础 / 转行
没写过代码,想换一条有成长的路。对应岗位:AI 应用开发工程师
应届 / 在校
想毕业就有硬技能、简历上有项目。对应岗位:AI 开发工程师
在职进阶
有开发基础,想补大模型能力跳一档。对应岗位:大模型 / 智能体工程师
设备要求:一台能联网的电脑即可。环境、API 密钥都在课程中带着配好。
想要一份完整大纲 PDF?
留下手机号,老师把 8 个阶段的完整大纲 + 项目清单发给你,顺带帮你判断适不适合。