jk-AI大模型第六期（完结）

这门课解决什么问题

这门课聚焦 AI 大模型方向，面向备考、转岗或查漏补缺的学习者。实际工作中，很多人并非不想学，而是大模型相关技术栈碎片化、落地链路不清晰——从提示词工程到模型微调、从 RAG 架构到 Agent 框架，知识点散落在多个文档里，缺乏一条连贯的实操主线。这门课的价值在于，帮你把大模型应用这条链路上的关键能力串联起来，把"知道"变成"会做"。

适合什么基础

没有硬性门槛，但建议你在进入课程前具备：基本的 Python 编程能力，以及对机器学习/深度学习有初步概念（比如了解过训练、推理、微调这些术语的大致含义）。如果你之前做过 Web 后端、数据分析或算法相关岗位，转过来会顺畅很多；如果完全是零基础，建议先补一轮 Python 基础再跟课，否则容易在环境配置和代码实操上反复掉队。

建议先看哪几块

课程从开班典礼和环境搭建开始，这是必要的——大模型课程涉及大量本地或云端开发环境，提前了解部署方式能避免后续返工。环境搭建之后，重点跟着主线走，按模块顺序学习即可，不必跳着看。如果时间有限，优先保证环境搭建和核心应用链路这两块，其余模块看目录决定取舍。

学完能独立做什么

学完这门课，你应当能独立完成一个基于大模型的应用项目：从需求拆解、模型选型、提示词/Prompt 设计，到 RAG 检索增强、微调或 Agent 编排，再到部署上线和效果评估，整条链路能自己跑通。这不是"会用某个框架"的浅层能力，而是能面对真实业务问题，做出可交付的原型。

资料怎么配合练习

课程配套资料包含视频和练习材料。看视频时不要当旁听，边看边在本地环境跟着敲一遍代码，遇到报错先自己查文档再回看视频。每完成一个模块，对照练习清单做一次自检，不达标的地方标记出来，课程结束后集中补强。资料包里的环境搭建章节建议提前通读，为后续实操节省时间。