基础铺垫
建立 AI 认知，掌握 Python 与提示词基础，准备项目环境、数据库和 API 层。
LLM APPLICATION · RAG · AGENT
AI 大模型开发培训
从模型能力到智能应用
面向希望构建大模型应用的学习者，沿着基础准备、核心技术、项目进阶和求职准备逐步学习。课程内容依据现有项目资料整理，具体技术栈和班期以当期安排为准。
模型接入Python · API · Prompt
知识增强RAG · 混合检索 · 知识图谱
智能体Agent · 多智能体 · 工作流
工程实践微调 · 量化 · 部署基础
大模型应用开发要掌握哪些环节？
把模型接入产品只是起点。一个应用还需要处理数据和文档、检索相关信息、调用工具、管理流程，并通过测试和迭代提升可靠性。
LEARNING PATH
从基础到完整应用的四阶段
核心技术
实践 RAG 混合检索、Agent、多智能体、多轮对话与知识图谱检索。
项目进阶
拓展推荐引擎、非结构化文档实体关系抽取、模型微调与量化。
职业准备
整理项目经历，练习简历与面试表达，并了解当期可提供的就业服务。
PROJECT PRACTICE
通过项目理解技术如何组合
企业知识库问答
练习文档解析、切分、向量化、检索与生成，观察不同检索策略对答案相关性的影响。
多步骤 Agent 助手
将复杂任务拆解为多个步骤，设计工具调用和流程编排，并关注状态管理与异常处理。
非结构化资料抽取
从文档中识别实体与关系，整理结构化信息并进一步用于知识检索或业务分析。
垂直场景应用原型
围绕教育、金融或企业服务场景，完成需求拆解、模型选型、接口集成和效果复盘。
WHO SHOULD LEARN
适合哪些学习者？
希望把已有 Python、Java 或前端经验延伸到大模型应用开发。
希望理解检索、Agent、模型微调和 AI 工程落地的基本流程。
希望通过系统学习和项目练习，建立大模型应用方向的作品经验。
FAQ
大模型开发常见问题
大模型应用开发需要训练自己的模型吗？
不一定。许多应用会先通过 API 或开源模型完成集成，再根据业务需求考虑检索增强、微调或其他优化方式。
RAG 和 Agent 分别解决什么问题？
RAG 通常用于让模型依据外部资料回答；Agent 更关注模型如何规划步骤、调用工具并完成任务。两者可组合使用。
学习后能独立做项目吗？
目标是通过阶段练习理解从需求到应用原型的开发流程。最终能力取决于基础、练习投入和具体项目要求，课程不承诺特定就业结果。
想把 AI 想法做成应用？
咨询课程基础要求、项目安排与技术模块。
咨询大模型开发课程 ↗