如果你已经能调用几家大模型的 API，写得出「帮我总结这段文字」的脚本，那就该问问自己下一个问题：模型为什么这么回答？换一批业务数据，它还准吗？显存不够、推理太慢、答非所问的时候，你手上有没有可调的手段？这套训练营面向的就是这个缺口——不是带你认识大模型，而是补上从「会用」到「能改、能评、能上线」之间那段最容易卡住的能力。

它假定你已经会什么、缺什么

课程开头有一段 Python 语言的铺垫，但它的定位是补齐语法层面的边角，不是从零教编程。真正的起点在大模型本身：Transformer 的结构、注意力机制怎么算、预训练与微调各解决什么问题。这些概念如果你只在博客里扫过一遍，看课时会很吃力，建议先确认自己能手推一遍注意力的形状变化。

缺的那部分能力通常有三个：一是对训练与微调流程的动手经验，比如数据怎么组织、超参怎么设、训练崩了从哪儿查；二是对 Prompt 工程和 Prompt-Tuning 的区分——前者改输入，后者改参数，适用场景完全不同；三是把模型接进一个真实系统的能力，涉及检索、抽取、分类、问答这些具体任务形态。课程的中后段基本围绕这三点铺开。

五个项目分别练的是什么

这类训练营的价值主要看项目密度。从线索看，项目覆盖了物流行业的智能问答、新媒体行业的评论分类与信息抽取等方向，行业不同，但技术骨架是共通的：先做数据清洗与标注，再选基座模型，然后决定是走提示词路线还是微调路线，最后接一个可用的服务接口。

智能问答类项目，重点在知识来源怎么组织、检索结果怎么塞进上下文、答不出来时怎么兜底。
分类与信息抽取类项目，重点在标注数据够不够、类别不平衡怎么处理、抽取结果怎么结构化输出。
项目路演与论文导读那一节，练的是把技术方案讲清楚的能力——这在转岗面试里往往比代码本身更被追问。

值得提醒的是：项目代码跑通不等于学会。每个项目结束后，最好自己换一份数据重跑一遍，看哪些环节会先崩。

配套练习该怎么用

看视频容易产生「我懂了」的错觉，尤其是微调那几节，参数一多，跟着敲一遍就过去了。更有效的做法是每看完一个模块，给自己出一道反向题：把课程里的方法用在一个完全不同的场景上，比如把评论分类的思路挪到工单归类，把问答系统的检索换成另一套数据源。做不出来，说明那一块还需要回看。

Prompt-Tuning 那部分建议单独留时间做对照实验：同一个任务，分别用提示词、少量样本示例、参数微调三种方式跑一遍，记录效果和成本差异。这个对照表比任何笔记都有用。

看完应该能回答的问题

给定一个业务场景，你判断该用提示词、RAG 还是微调，依据是什么？
微调时训练集和验证集的划分出错，会出现什么现象，怎么发现？
模型输出格式不稳定，除了加提示词约束，还有哪些工程手段？
一个问答系统上线后准确率下降，你会按什么顺序排查？

如果这些问题你现在答不上来，说明缺的正是这门课要补的那一段。看的时候带着它们，比按顺序刷完更划算。

黑马AI大模型训练营2期

大模型技术深度解析与实战应用

编辑点评

聚焦大模型技术前沿，结合实战项目深入剖析，助你成为AI领域专家。

⭐ 编辑推荐

深度学习大模型技术训练营，从Python基础到项目实战，全面掌握AI大模型开发。

课程亮点

• 大模型技术深度解析

• 实战项目驱动学习

• 成为AI领域专家

课程目录

黑马AI大模型训练营2期资料.png  [493.5 KB]
1-1 大模型必备Python语言_ev.mp4  [618.8 MB]
1-41 综合项目与项目路演+【拓展】AI论文导读与论文撰写+结营典礼 _ev.mp4  [226.8 MB]
1-35 【项目6】新媒体行业评论智能分类与信息抽取系统_ev.mp4  [484.7 MB]
1-14 大模型Prompt-Tuning方法进阶_ev.mp4  [198.7 MB]
1-27 【项目3】物流行业信息咨询智能问答系统_ev.mp4  [457.0 MB]
1-38 Stable Diffusion多模态大模型应用实战 _ev.mp4  [550.6 MB]
1-15 大模型提示词工程应用2_ev.mp4  [104.1 MB]
1-4 大模型必备Python语言2_ev.mp4  [755.2 MB]
1-22 （新增）大模型开发工具Function Call的原理及实践_ev.mp4  [601.6 MB]
1-31 项目5-1】新零售行业评价决策系统【基于BERT+PET方式_ev.mp4  [486.6 MB]
1-4 大模型必备Python语言1_ev.mp4  [2.9 MB]
1-42 大模型加餐课（面试指导）_ev.mp4  [636.2 MB]
1-6 大模型前置知识_ev.mp4  [772.9 MB]
1-39 Stable Diffusion多模态大模型应用实战 _ev.mp4  [421.9 MB]
1-26 大模型开发工具longchain详解_ev.mp4  [603.9 MB]
1-34 【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】_ev.mp4  [503.5 MB]
1-18 【项目1】金融行业动态风向评估_ev.mp4  [553.0 MB]
1-36 【项目6】新媒体行业评论智能分类与信息抽取系统_ev.mp4  [781.5 MB]
1-21 电商虚拟试衣_ev.mp4  [232.7 MB]
1-8 大模型前置知识_ev.mp4  [878.1 MB]
1-16 大模型提示词工程应用_ev.mp4  [201.3 MB]
1-12 大模型开发入门_ev.mp4  [188.5 MB]
1-25 （新增）大模型Agent的原理及实践_ev.mp4  [442.1 MB]
1-17 大模型提示词_ev.mp4  [526.1 MB]
1-43 大模型加餐课（模型部署）_ev.mp4  [808.4 MB]
1-9 大模型应用工具实战_ev.mp4  [844.3 MB]
1-32 【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】_ev.mp4  [605.5 MB]
1-15 大模型提示词工程应用1_ev.mp4  [250.2 MB]
1-10 大模型应用工具实战1_ev.mp4  [41.5 MB]
1-30 【项目4】大健康行业智能问诊系统_ev.mp4  [440.9 MB]
1-10 大模型应用工具实战2_ev.mp4  [849.8 MB]
1-40 Stable Diffusion多模态大模型应用实战1 _ev.mp4  [519.6 MB]
1-28 【项目4】大健康行业智能问诊系统_ev.mp4  [821.4 MB]
1-5 大模型前置知识_ev.mp4  [1.0 GB]
1-19 企业级大模型定制平台2_ev.mp4  [326.7 MB]
1-23 （新增）GPTs与Assistant API_ev.mp4  [584.8 MB]
1-29 【项目4】大健康行业智能问诊系统_ev.mp4  [471.3 MB]
1-24 （新增）大模型Agent的原理及实践_ev.mp4  [852.5 MB]
1-2 大模型必备Python语言_ev.mp4  [708.1 MB]
1-40 Stable Diffusion多模态大模型应用实战3 _ev.mp4  [2.2 MB]
1-20 企业级大模型定制平台_ev.mp4  [199.0 MB]
1-19 企业级大模型定制平台1_ev.mp4  [163.5 MB]
1-7 大模型前置知识_ev.mp4  [859.2 MB]
1-11 大模型开发入门_ev.mp4  [354.1 MB]
1-37 ChatGLM-6B+LoRA模型搭建+趋动云资源配置_ev.mp4  [412.8 MB]
1-33 【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】_ev.mp4  [334.9 MB]
1-3 大模型必备Python语言_ev.mp4  [1.0 GB]
1-13 主流大模型介绍及大模型Prompt-Tuning方法入门_ev.mp4  [236.9 MB]
1-40 Stable Diffusion多模态大模型应用实战2 _ev.mp4  [42.8 MB]