这门课解决的是哪一段能力缺口
会调大模型接口的人很多，能把一套问答系统做到「答案有出处、不胡说、能上线」的人不多。这中间的落差，通常不在模型本身，而在三件事：怎么把私有资料变成模型能查到的知识、怎么让模型按你要的格式和口径说话、怎么把一次问答串成可复用的流程。这门 12 期课程就是围绕这三件事展开的，18 节视频，节奏偏紧凑。
如果你现在的状态是「API 调通了，Demo 能跑，但老板一问‘准确率多少、知识库更新了怎么办’就答不上来」，那缺的正是这门课要补的部分。反过来，如果你还没写过任何一门后端语言、没碰过 HTTP 请求和 JSON，建议先把基础补上再来，否则中段会跟得吃力。
四个模块分别在练什么
Prompt 提示词工程
不是收集「神奇咒语」，而是理解指令结构、输出约束、少样本示例怎么写才稳定。学完你应该能解释：为什么同一个问题换个问法，结果差这么多；怎么让模型稳定吐出可解析的 JSON 而不是一段散文。
Embedding 与向量检索
这块决定了你的知识库「找得准不准」。要弄清文本怎么变成向量、相似度怎么算、为什么召回一堆不相关片段。切片粒度、重叠长度、Top-K 取值这些参数，不是调参游戏，而是直接对应「答非所问」这类线上问题。
RAG 检索增强生成
把上面两块拼起来：检索到的内容怎么塞进上下文、塞多少、塞不下怎么办、模型引用了不存在的段落怎么兜底。这是整门课的重心，也是最容易在面试里被追问细节的地方——比如「召回为空时你的系统怎么响应」。
AI Agent 智能体构建
从单轮问答走向多步任务：什么时候该让模型决定调哪个工具、循环怎么终止、失败了怎么重试。这一块概念多、坑也多，听的时候重点记「边界条件」，别只记架构图。
配套笔记该怎么用
章节笔记的价值不在「看第二遍」，而在两次使用：一是每学完 2 到 3 节，合上视频，用自己的话把这段流程画成一张图或写五句话，写不出来就说明还没懂；二是面试前一晚快速扫一遍，重点看参数含义和失败场景，而不是重看代码。
另外建议留一份「踩坑记录」：切片后检索效果反而变差、上下文超长被截断、模型忽略检索内容自由发挥——这些现象记录下来，比记 API 参数有用得多。
学完之后，你应该能回答这些问题
- 一份 200 页的产品文档，你会怎么切、切多大、要不要重叠，理由是什么？
- 用户问的问题，知识库里确实没有答案，你的系统应该输出什么？
- 检索回来的三段内容互相矛盾，怎么让模型不各说各话？
- 知识库文档更新了，你需要重建哪些部分，成本大概在哪？
- 这套链路里，哪一环出问题最可能导致「答得挺像但完全是错的」？
能把这些讲清楚，简历上写「完成一套 RAG 问答系统」才立得住，否则只是又一次 API 调用练习。课程最后建议独立复现一个完整 Demo，目的也在这里：链路走通一次，和看过一遍，是两种掌握程度。
适合谁，不适合谁
适合有一定编程或运维基础、想往大模型应用落地方向靠的人，尤其是后端背景想补上检索与提示词这一段的。不适合零编程基础、或只想了解大模型原理而不打算动手写代码的人——这门课是工程视角，不是论文导读。
《知乎AI应用开发工程师大模型12期》本课程共 18 节视频，按章节循序渐进讲解，适合希望系统掌握核心知识点的学习者。【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Prompt 提示词工程、AI Agent 智能体构建。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
课程推荐
《知乎AI应用开发工程师大模型12期》《知乎AI应用开发工程师大模型12期》本课程共 18 节视频，按章节循序渐进讲解，适合希望系统掌握核心知识点的学习者。【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Prompt 提示词工程、AI Agent 智能体构建。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Prompt 提示词工程、AI Agent 智能体构建、Java 后端开发、Linux 运维。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（18 节）
知乎AI应用开发工程师大模型12期
* 0、开班典礼.mp4
* 1、AI大模型基本原理与deepseek使用.mp4
* 2、Prompt工程：设计与优化.mp4
* 3、Cursor编程-从入门到精通.mp4
* 4、Cursor 可视化大屏搭建.mp4
* 5、Embeddings和向量数据库.mp4
* 6、RAG（Retrieval Augmented Generation）技术与应用.mp4
* 7、RAG高级技术与最佳实践.mp4
* 8、Text2SQL：自助式数据报表开发.mp4
* 9、LangChain：多任务应用开发.mp4
* 10、Function Calling与跨模型协作.mp4
* 11、Agent智能体系统的设计与应用.mp4
* 12、MCP应用与实战.mp4
* 13、视觉大模型与视觉智能体.mp4
* 14、视觉大模型与视觉智能体.mp4
* 15、Fine-tuning技术与大模型优化.mp4
* 16、Coze工作原理与应用实例.mp4
* 17、Coze插件开发实战.mp4
