企业级AI编程实战营

这门课的名字叫「企业级AI编程实战营」，但先别急着把它当成又一份"AI 转型大礼包"。如果你正在搜这门课，大概率是下面几种情况之一：写了几年业务代码，发现招聘 JD 里开始出现"熟悉 LLM 应用开发""有 RAG 落地经验"；或者是接了个 AI 相关的需求，产品经理说要"做个知识库问答"，你打开文档却不知道从哪下手。这篇导读只做一件事：帮你判断自己缺的到底是哪一块，以及这门课能不能补上。

先搞清楚：会调 API 不等于会做 AI 应用

很多人的 AI 编程起点是调一次大模型接口，跑通一个"你好"就以为入门了。但企业级项目里真正卡人的从来不是接口调用，而是这些：检索质量不稳定、上下文塞不下又舍不得丢、模型输出格式时好时坏、线上响应慢到用户直接关页面。这些问题没有标准答案，也不是看几篇博客就能绕过去的。

这门课定位在"企业级"，实际含义是：它讨论的是有真实用户、有并发、有成本约束的场景，而不是笔记本上跑个 demo。如果你目前只停留在 OpenAI 接口调用的层面，这里会是一次不太舒服但必要的补课。

这门课适合谁，不适合谁

比较对得上的人

• 有后端或全栈基础，能独立完成一个 Web 服务，但 AI 部分的知识是碎片化的——提示词、向量库、微调各看过一点，串不起来。
• 已经在做 AI 相关需求，卡在"能跑但不敢上生产"的阶段，想补工程侧的那一半：评估、缓存、降级、可观测。
• 产品或项目角色，需要判断一个 AI 方案到底可不可行、大概什么成本，不想再被技术同学一句"能做"或"做不了"糊弄过去。

建议先绕开的人

• 完全没有编程基础，指望靠这门课直接转行。课程不会花时间讲变量和循环。
• 已经在大厂做 LLM 平台、天天和推理优化打交道的同学。内容大概率低于你的水位。
• 想学模型训练、改网络结构的。这是应用层实战，不是算法研究课。

配合这门课，你该同步做的练习

光看不动手，这类课的留存率极低。给三个可以并行做的动作，难度递进：

• 拆一个你日常在用的 AI 产品。找任意一个问答或写作工具，猜它的流程：是直接问模型，还是先检索再问？猜错了也有价值，因为你会开始用系统的视角而不是黑盒的视角看问题。
• 把你的某个脚本改造成带检索的版本。哪怕只是本地几百条文档，走一遍切分、入库、召回、拼上下文的完整链路，你会立刻理解课上讲的坑为什么是坑。
• 给一个 AI 功能写评估集。准备二三十条真实输入和期望输出，每次改动跑一遍。这件事枯燥但决定你能否从"感觉变好了"升级到"我知道它变好了"。

看完你应能回答的问题

用这几个问题做验收，如果学完还是答不上来，说明某些章节你跳过了：

• 同样是问答，什么情况下该用检索增强，什么情况下该直接微调，判断依据是什么？
• 文档切分粒度怎么定？切得太碎和切得太大分别会带来什么后果？
• 模型开始返回不符合格式的结果时，你的兜底链路是什么？
• 怎么向非技术同事解释这个功能的成本结构和响应时间，而不是给一个拍脑袋的数字？
• 上线之后，你靠哪些指标判断这套系统是在变好还是悄悄退化？

这门课给的是企业场景下的完整链路和踩坑经验，但替代不了你自己的项目。把它当成一次带路的梳理，真正的能力增长发生在你把课上的方法用回自己手上那个需求的时候。