5326zhihu大模型全栈工程师第12期

这门课适合什么样的人？如果你已经能调通几个大模型 API，但一遇到「把模型接进真实业务流程」就心里没底，或者面试时被问到 RAG 的召回环节、Text2SQL 的准确率怎么提，只能含糊带过，那这份资料正好补的是这块缺口。它不讲大模型是怎么从零训练出来的，重点放在用现成模型把应用做出来、做稳。

先确认你缺的是哪一块

大模型全栈这个词，拆开其实是几条相对独立的能力线，任何一条断了，项目都跑不完整：

• 调用层：知道 API 怎么传参、怎么控制输出格式、怎么算成本，而不是只会一句「帮我写个函数」。
• 提示层：能把模糊需求拆成模型能执行的指令，知道什么时候该给例子、什么时候该约束输出结构。
• 检索层：理解 embedding 和向量数据库在做什么，为什么检索回来的内容经常「看起来相关但没用」。
• 编排层：会用 LangChain 这类框架把多步骤任务串起来，处理中间状态和失败重试。
• 落地层：把模型接到数据上，比如让自然语言直接查数据库出报表。

对照一下，哪一条是你现在答不上来的，就优先看对应部分，不必从头顺读。

RAG 部分值得单独花时间

这份资料里 RAG 占了两块：一块讲基础技术与应用，一块讲高级技术与最佳实践。这个拆分是有道理的——基础部分解决「能跑通」，高级部分解决「跑得准」。

常见的坑基本集中在几处：文本切分粒度不合理，导致语义被切断；只做向量检索，忽略了关键词匹配在专有名词上的优势；召回了一堆文档却不知道哪些真正被用上，出了问题无法定位。学这块时，建议带着一个具体问题去练，比如「怎么判断检索结果的好坏」，而不是只跟着把流程跑一遍。

Text2SQL 和数据可视化解决的是「给谁看」

技术做完之后要有人用。自助式数据报表这块，核心难点不在生成 SQL，而在生成的 SQL 跑不通、或者跑通了但结果不对。你需要关注的是：怎么把表结构信息有效地喂给模型、怎么处理多表关联、生成结果怎么校验。

可视化那一节配合编程工具的入门内容一起看，思路会顺一些——先用工具把数据摸清楚，再让模型参与生成和解释，比一上来就指望模型全自动可靠得多。

看完之后，你应该能回答这些问题

• 调用大模型 API 时，控制输出稳定性的手段有哪些，各自代价是什么？
• 一个 RAG 系统召回不准，你会按什么顺序排查？
• 向量数据库选型时，除了「能不能存向量」，还要看哪些指标？
• 用 LangChain 编排一个多步骤任务，中间某一步失败了怎么处理？
• 让模型直接查库出报表，怎么降低它写错 SQL 的概率？

如果这些问题你现在只能给出「大概是这样」的回答，说明还停在会用工具的阶段。带着问题去看，比按顺序刷完更有用。配套的动手环节别跳过，尤其是检索和编排这两块，光看演示很难发现自己哪里理解偏了。

一点使用建议

先导和讲座部分可以快速过，把注意力放在原理与 API、Prompt 设计、RAG 两块、以及 Text2SQL 上。编程工具那几节属于提效手段，等你有了具体任务再回来补也不迟。学完一部分就停下来问自己：这块能独立做出一个小东西吗？做不出来，就说明还没到能写进简历的程度。