入门门槛与前置知识：别急着造轮子
在正式进入这门课之前，你需要确认自己是否已经具备了基础的 Python 编程能力。这不仅仅是指会写简单的脚本，而是包括对面向对象编程、异步编程概念以及 pip 包管理的基本理解。如果你连基本的依赖安装和环境配置都感到吃力，建议先回过头去夯实 Python 基础。此外，对 Linux 命令行有一定的熟悉度也会让你的学习过程更加顺畅，因为后续涉及向量数据库部署和 GPU 环境配置时，终端操作是家常便饭。这门课的对象不是零基础小白，而是希望从普通开发者转型为大模型应用工程师的技术人员，因此适度的工程背景是必要的入场券。
核心学习路径：从单点突破到系统整合
学习的顺序至关重要，不要一上来就挑战复杂的架构。建议严格按照课程章节的逻辑推进。首先攻克第三课 Prompt 工程，这是与大模型对话的基石，学会如何精准表达需求、控制输出格式以及设计思维链，能让你后续的开发效率提升数倍。接着深入第四课，了解 GPU 与 CPU 的硬件差异，虽然你未必需要自己训练模型，但理解显存限制和推理延迟有助于你做出正确的架构选型。随后进入第六课 Cursor，掌握现代化的 AI 编程工具，让 AI 成为你的代码助手，而不是替代品。核心阶段集中在第七、八、九课，分别讲解 Embedding、向量数据库、RAG 基础与进阶。这是整门课的骨架，务必逐行阅读代码，理解文档切片策略、索引构建以及检索增强生成的完整链路。GraphRAG 部分较为抽象，建议配合 PDF 课件反复推敲实体关系的构建逻辑。最后通过第十、十一课将 LlamaIndex 和 LangChain 串联起来，实现多任务应用开发，完成从单点技术到系统工程的跨越。
资料的正确用法：代码要敲，评论区要看
资料包里提供的不仅仅是视频，更是实战的蓝本。千万不要只做“观众”，必须动手敲代码。对于课件代码包，建议先尝试在不看源码的情况下独立复现功能，只有在真正卡住时再查阅参考实现，这样留下的印象才深刻。评论区 PDF 是极具价值的隐藏资源，里面往往记录着学员在实际操作中遇到的报错、参数调优心得以及对课程内容的补充说明，很多时候这些经验比视频本身更有用。在遇到向量检索效果不佳或 RAG 幻觉问题时，先翻阅评论区是否有同类问题的解决方案，再带着具体问题去调试自己的代码。这种“做中学、错中改”的方式，能最快地将知识转化为能力。
结业产出预期：具备独立交付复杂应用的能力
完成本课程后，你应当具备独立设计并交付企业级大模型应用的能力。具体而言，你能根据业务需求选择合适的底层模型和向量数据库，搭建稳定高效的 RAG 系统以解决知识检索准确性问题；你能利用 LangChain 或 LlamaIndex 编排复杂的多步骤工作流，实现智能体间的协作；你还能通过 Prompt 优化和上下文工程，显著降低模型的幻觉率。更重要的是，你将建立起一套完整的故障排查思路，当应用出现响应慢、答案偏或与知识库脱节时，能够迅速定位是嵌入模型的问题、检索策略的缺陷还是生成环节的参数失误。结合 DeepSeek 等前沿动态的理解，你也能敏锐捕捉技术趋势，持续迭代自己的技术栈，真正成为一名合格的全栈工程师。
课程目录
📁 讲座课 📁 DeepSeek解析：技术演进、模型指南与产业应用 DeepSeek解析：技术演进、模型指南与产业应用_ev.mp4 [365.5 MB] DeepSeek分享-知乎段小草.pptx [25.9 MB] 📁 解析 Manus：多智能体技术的架构与未来 解析 Manus：多智能体技术的架构与未来_ev.mp4 [341.1 MB] 📁 主课视频 📁 第六课Cursor编程从入门到精通 06-cursor.zip [7.1 MB] 第六课cursor编程从入门到精通_ev.mp4 [472.5 MB] 6、Cursor编程-从入门到精通-评论区.pdf [468.0 KB] 📁 第七课Embedding和向量数据库 2-向量数据库使用 (1).pdf [924.6 KB] 第七课Embeddings和向量数据库_ev.mp4 [358.8 MB] 课件代码-2.zip [39.9 MB] 7、Embeddings和向量数据库-评论区.pdf [139.7 KB] 1-Embedding与向量数据库 (1).pdf [1.3 MB] 课件代码-1.zip [18.6 MB] 📁 第八课RAG技术 RAG技术与应用_ev.mp4 [383.2 MB] 1-RAG技术与应用.pdf [2.0 MB] 08-代码.zip [323.8 KB] 8、RAG技术与应用-评论区.pdf [393.0 KB] 📁 第十一课LangChain：多任务应用开发 第十一课LangChain：多任务应用开发_ev.mp4 [257.1 MB] 11-langchain.zip [630.3 KB] 📁 第四课GPU与CPU计算硬件与大模型 第四课GPU与CPU计算硬件与大模型训练 _ev.mp4 [344.8 MB] 📁 第九课RAG高级技术及实践 RAG高级技术及实践_ev.mp4 [398.8 MB] 3-Qwen-Agent技术.pdf [1.6 MB] 9、RAG高级技术与最佳实践-评论区.pdf [461.9 KB] 2-GraphRAG.pdf [2.9 MB] 1-RAG高级技术与实践.pdf [1.5 MB] 代码.zip [2.4 MB] 📁 第三课prompt工程设计与优化 第三课prompt工程设计与优化_ev.mp4 [430.3 MB] 📁 第十课LlamaIndex：知识管理与信息检索应用 10、lamaIndex：知识管理与信息检索应用-评论区.pdf [391.2 KB] 10-llamaindex-01.zip [27.8 MB] 第十课LlamaIndex：知识管理与信息检索应用_ev.mp4 [311.5 MB] 📁 第十二课Function Calling与跨模型协作 第十二课Function Calling与跨模型协作_ev.mp4 [428.5 MB] 12-function-calling.zip [340.5 KB] 📁 第一课AI大模型基本原理 01-principle.zip [5.9 MB] 第一课AI大模型基本原理_ev.mp4 [350.0 MB] 📁 第五课API基础与通过API调用大模型 05-introduce-of-API.zip [21.8 KB] 第五课API基础与能过API调用大模型_ev.mp4 [511.3 MB] 📁 第二课python编程基础 第二课Python编程基础_ev.mp4 [373.0 MB] 02-python.zip [95.0 KB]
