从环境配置到 MCP 应用落地：大模型开发实战进阶

很多开发者上手大模型开发时，最大的痛点往往不是模型原理，而是环境配置繁琐、工具链割裂，以及面对复杂业务场景时不知道如何将模型能力转化为可用的工程化代码。本课程针对这一断层，直接切入大模型开发工程师的核心技能树，重点解决从零搭建开发环境、配置运行时参数、调用模型接口以及基于最新技术栈（如 MCP）构建实际应用的问题。课程内容跳过基础理论的冗余堆砌，聚焦于工程落地，旨在帮助学员跨越“看懂文档”到“写出代码”的鸿沟，建立起一套从底层配置到上层应用开发的完整技术闭环。对于有一定 Python 基础，但缺乏大模型工程化落地经验的转岗者或在职开发者来说，这门课能帮你快速补齐短板，填补从理论认知到实战产出的能力缺口。

基础搭建与工程化规范

课程起步于开发环境的标准化配置，涵盖了从虚拟环境搭建、依赖管理到常用开发工具链的部署。这部分内容不涉及抽象概念，而是手把手教你如何解决报错、如何优化资源占用，确保开发环境稳定高效。随后，课程将深入大模型开发的核心——参数配置与接口调用，通过实操演示如何调整 Temperature、Top-P 等关键参数以控制模型输出质量，以及如何编写健壮的代码来处理网络请求与数据流。建议学员在学习这部分内容时，务必跟随视频同步操作，不要只看不动手。通过这一阶段的学习，你将具备独立搭建开发环境、调试模型接口并编写基础调用脚本的能力，为后续的复杂开发打下坚实基础。

掌握 MCP 新范式与项目实战

随着大模型应用的发展，模型调用方式正在经历从“硬编码”向“标准化协议”的转变。本课程紧跟技术前沿，专门设立了关于 MCP（Model Context Protocol）技术应用与开发的章节。这部分内容不仅讲解协议原理，更通过实战项目演示如何基于 MCP Sampling 技术实现微博内容情感分析。通过这个项目，你将学会如何将大模型能力封装为服务，并集成到实际的数据处理流程中。学完本节，你不仅能理解当前 AI 应用开发的新范式，还能独立完成从需求分析、接口设计到功能实现的全流程开发，具备处理真实业务场景中非结构化文本数据的能力。在复习资料的使用上，建议先看视频理解项目逻辑，再对照配套的压缩包文件进行代码复盘，确保每一个技术细节都内化为自己的技能。

课程介绍

6c604d90f603738d82a08336f51bb051f919ec9a.jpg 2025-11-19 20:58 上传 大模型开发工程师二期 大模型开发工程师三期 大模型开发工程师四期 大模型开发工程师五期 ├──1-开班典礼+环境搭建 | ├──1-开班典礼+环境搭建.mp4 667.94M | └──day01-开班典礼+环境搭建.zip 3.89M ├──11-MCP技术应用与开发 | ├──11-MCP技术应用与开发.mp4 1.12G | └──第10章_MCP技术应用与开发.zip 488.93kb ├──12-项目3_基于 MCP Sampling 实现微博内容情感分析 | ├──12-项目3_基于 MCP Sampling 实现微博内容情感分析.mp4 860.85M | └──扩展1_AI应用开发新范式 MCP.zip 3.

课程目录

6c604d90f603738d82a08336f51bb051f919ec9a.jpg   2025-11-19 20:58 上传 大模型开发工程师二期 大模型开发工程师三期 大模型开发工程师四期 大模型开发工程师五期 ├──1-开班典礼+环境搭建 | ├──1-开班典礼+环境搭建.mp4 667.94M | └──day01-开班典礼+环境搭建.zip 3.89M ├──11-MCP技术应用与开发 | ├──11-MCP技术应用与开发.mp4 1.12G | └──
第10章_MCP技术应用与开发.zip 488.93kb ├──12-项目3_基于 MCP Sampling 实现微博内容情感分析 | ├──12-项目3_基于 MCP Sampling 实现微博内容情感分析.mp4 860.85M | └──扩展1_AI应用开发新范式 MCP.zip 3.00M ├──13-项目4_从零构建企业生产级Agent服务 | ├──13-项目4_从零构建企业生产级Agent服务.mp4 1.19G | └──ReActAgents.zip 12.06M ├──3-RAG技术与应用 | ├──3-RAG技术与应用.mp4 1002.32M | └──
第2章_RAG技术与应用.zip 2.22M ├──5-Ragas评估与LlamaIndex开发 | ├──5-Ragas评估与LlamaIndex开发.mp4 1.12G | └──
第4章_LlamaIndex知识管理与信息检索.zip 31.23M ├──7-AI应用开发框架LangChain | ├──7-AI应用开发框架LangChain.mp4 1.05G | └──
第5章_LangChain多任务应用开发.zip 889.27kb ├──9-Agent应用与工作流编排框架LangGraph | ├──9-Agent应用与工作流编排框架LangGraph.mp4 1.01G | └──
第7章_Agent应用与工作流编排框架LangGraph.zip 632.20kb ├──L2 | ├──10-LLamaFactory模型导出量化 | | ├──10-LLamaFactory模型导出量化.mp4 1.33G | | └──day10-LLamaFactory模型导出量化.zip 720.53kb | ├──12-LLamaFactory与Xtuner分布式微调大模型 | | ├──12-LLamaFactory与Xtuner分布式微调大模型.mp4 1.19G | | └──day12-LLamaFactory与Xtuner分布式微调大模型.zip 1.20M | ├──14-大模型微调项目实战-数据工程篇 | | ├──14-大模型微调项目实战-数据工程篇.mp4 806.43M | | └──day14-大模型微调项目实战-数据工程篇.zip 776.11M | ├──16-大模型评估测试OpenCompass | | ├──16-大模型评估测试OpenCompass.mp4 1.10G | | └──day16-大模型评估测试OpenCompass.zip 149.31M | ├──18-多模态大模型应用 | | ├──18-多模态大模型应用.mp4 992.96M | | └──day18-多模态大模型应用.zip 5.88M | ├──2-人工神经网络结构及原理 | | ├──2-人工神经网络结构及原理.mp4 919.67M | | └──day02-人工神经网络结构及原理.zip 16.54M | ├──20-RAG+微调实现智能专家系统（部署测试） | | ├──20-RAG+微调实现智能专家系统（部署测试）.ts 1.89G | | └──day20-RAG+微调实现智能专家系统（部署测试）.zip 84.36M | ├──4-基于BERT模型的自定义微调训练 | | ├──4-基于BERT模型的自定义微调训练.mp4 780.44M | | └──day04-基于BERT模型的自定义微调训练.zip 373.36M | ├──6-GPT2中文生成模型定制化微调训练 | | ├──6-GPT2中文生成模型定制化微调训练.mp4 1.11G | | └──day06-GPT2中文生成模型定制化微调训练.zip 1.81G | ├──8-大模型微调-LLama Factor微调Qwen | | ├──8-大模型微调-LLama Factor微调Qwen.mp4 1.25G | | └──day08-大模型微调-LLama Factor微调Qwen.zip 1.22M | ├──1-深度学习基础原理.zip 1.02G | ├──11-vLLM自定义对话模板.zip 1001.35M | ├──13-大模型压缩训练（知识蒸馏）.zip 945.28M | ├──15-大模型微调项目实战-训练与部署.zip 2.27G | ├──17-大模型分布式推理与量化部署.zip 944.65M | ├──19-RAG+微调实现智能专家系统（方案数据篇）.zip 1.62G | ├──3-HuggingFace核心组件.zip 2.07G | ├──5-自定义微调训练BERT模型效果测试.zip 1.62G | ├──7-大模型本地化部署：Ollama&vLLM&LMDeploy+ModelScop.zip 1.54G | └──9-Ollama部署微调大模型.zip 1.28G ├──10-项目2_基于LangGraph实现智能分诊系统.zip 1.10G ├──12-项目3_基于 MCP Sampling 实现微博内容情感分析.zip 855.66M ├──2-Embedding与向量数据库.zip 1009.92M ├──4-RAG高级技术与实践.zip 1.25G ├──6-项目1_中医临床智能诊疗系统.zip 1.10G └──8-Function Calling与Agent智能体开发.zip 1.01G