大模型应用落地的入门路径
这门课程主要解决的核心问题，是你明明知道大模型很火，但手里没有可复用的方法论，导致在实际工作中只会机械地提问，无法构建出稳定的自动化业务流。很多学习者卡在“提示词写不出来”和“模型幻觉难控制”这两个痛点上，这门课从认知层面拆解大模型的工作原理，直接切入提示词工程的设计逻辑，帮你把模糊的直觉转化为标准化的输入模板。适合具备基础逻辑思维、对 AI 工具敏感，但缺乏系统化 AI 应用开发经验的技术人员或转岗学习者。你不需要具备深厚的算法推导能力，但最好已经接触过基础的 Python 或了解基本的 API 调用概念，这样才能在实战环节跟上节奏。核心模块与学习建议
建议优先精读“大模型认知”与“提示工程”这两个前置模块。不要一上来就追求花哨的多轮对话技巧，先理解大模型作为“概率预测机器”的底层逻辑，明白为什么它会产生幻觉，再去看如何设计系统提示词来约束模型行为。这是整个课程的地基。紧接着，重点攻克“提示工程实战”部分，这里不再是理论空谈，而是针对具体场景如代码生成、文本摘要、逻辑推理等提供结构化的解题思路。你需要关注讲师如何拆解复杂任务，如何设计 Few-shot 示例来引导模型，这部分内容是后续做高级应用的基石。如果有条件，配合预习资料中的基础案例进行跟练，能显著降低理解门槛。学完后的独立能力与练习策略
学完这套体系，你应当能够独立完成以下三件事：第一，为现有的重复性工作流程设计专属的 AI 代理，实现从“人指挥 AI”到“AI 自动执行”的转变；第二，能够根据业务痛点编写鲁棒性强的提示词，有效降低模型输出的随机性误差；第三，具备初步评估大模型输出质量的框架，知道在什么场景下该信、什么场景下该改。关于资料配合，资料包中的预习材料是静态的理论补充，建议你在观看视频课的同时，打开一个代码编辑器或笔记本，手敲一遍课程中提到的每一个提示词案例，并尝试微调其中的变量，观察模型输出的变化。这种“听课 + 动手改参数”的闭环练习，比单纯观看视频更能帮你建立肌肉记忆，确保你真正把提示词工程的技巧内化为自己的业务能力。课程介绍
083311rejzowzggeveedkd.jpg 2025-4-19 22:12 上传 ├─1-AGI2407班预习资料 │ └─1-AGI2407班预习资料 │ 1-AGI2407班预习资料.rar │ ├─2-AGI2407班L1阶段 │ ├─01-24.12.24开班典礼 │ │ │ 01-24.12.24开班典礼.mp4 │ │ │ │ │ └─视频（结课后给观看方式） │ ├─02-24.12.27-大模型的认知-于老师 │ │ └─视频（结课后给观看方式） │ │ 02-大模型的认知-24.12.27-于老师.mp4 │ │ │ ├─03-24.12.31-提示工程-于老师 │ │ └─视频（结课后给观看方式） │ │ 03-提示词工程-24.12.31-于老师.mp4 │ │ │ ├─04-25.1.3-提示工程实战-于老师 │ │
课程目录
083311rejzowzggeveedkd.jpg 2025-4-19 22:12 上传 ├─1-AGI2407班预习资料 │ └─1-AGI2407班预习资料 │ 1-AGI2407班预习资料.rar │ ├─2-AGI2407班L1阶段 │ ├─01-24.12.24开班典礼 │ │ │ 01-24.12.24开班典礼.mp4 │ │ │ │ │ └─视频（结课后给观看方式） │ ├─02-24.12.27-大模型的认知-于老师 │ │ └─视频（结课后给观看方式） │ │ 02-大模型的认知-24.12.27-于老师.mp4 │ │ │ ├─03-24.12.31-提示工程-于老师 │ │ └─视频（结课后给观看方式） │ │ 03-提示词工程-24.12.31-于老师.mp4 │ │ │ ├─04-25.1.3-提示工程实战-于老师 │ │ └─视频（结课后给观看方式） │ │ 04-提示工程项目-25.1.3-于老师.mp4 │ │ │ └─05-25.1.7-提示工程项目-于老师 │ └─视频（结课后给观看方式） │ 05-提示工程项目-25.1.7-于老师.mp4 │ ├─3-AGI2407班L2阶段 │ ├─06-function calling-25.1.10-于老师 │ │ └─视频（结课后给观看方式） │ │ 06-function calling-25.1.10.mp4 │ │ │ ├─07-python基础（加课）-25.1.13-于老师 │ │ └─视频（结课后给观看方式） │ │ 07-python基础（加课）-25.1.13-于老师.mp4 │ │ │ ├─08-RAG相关知识点-25.1.14-于老师 │ │ └─视频（结课后给观看方式） │ │ 08-RAG相关知识点-25.1.14.mp4 │ │ │ ├─09-RAG进阶-25.1.17-于老师 │ │ └─视频（结课后给观看方式） │ │ 09-RAG进阶-25.1.17.mp4 │ │ │ └─10-langchain框架快速入门-25.1.21-于老师 │ │ 10-langchain框架快速入门-25.1.21-于老师.mp4 │ │ │ └─视频（结课后给观看方式） ├─4-AGI2407班L3阶段 │ ├─11-Langchain框架讲解-25.2.7 │ │ │ 11-Langchain框架讲解-25.2.7.mp4 │ │ │ │ │ ├─视频（结课后给观看方式） │ │ └─资料 │ │ 02-langchain之Model.ipynb │ │ 03-1-langchain实现RAG.ipynb │ │ 03-langchain-chain链.ipynb │ │ │ ├─12-Langchain框架讲解（二）-25.2.11 │ │ │ 12-Langchain框架讲解（二）-25.2.11.mp4 │ │ │ │ │ ├─视频（结课后给观看方式） │ │ └─资料 │ │ 03-1-langchain实现RAG(1).ipynb │ │ 04-langchain-agent代理.ipynb │ │ 05-LangChain之工具Tools.ipynb │ │ 06-langchain-memory记忆.ipynb │ │ │ ├─13-RAG进阶（二）-25.2.14 │ │ │ 13-RAG进阶（二）-25.2.14.mp4 │ │ │ baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg │ │ │ │ │ ├─视频（结课后给观看方式） │ │ └─资料 │ │ 01-简单RAG.ipynb │ │ 02-简单RAG.ipynb │ │ 03-进阶RAG.ipynb │ │ 04-进阶RAG.ipynb │ │ 07-LangSmith.ipynb │ │ Langchain_RAGProject-main.zip │ │ 初赛训练数据集.pdf │ │ 天气搜索，API接口.txt │ │ │ ├─14-langchain项目讲解-25.2.18 │ │ │ 14-langchain项目讲解-25.2.18.mp4 │ │ │ │ │ ├─视频（结课后给观看方式） │ │ └─资料 │ │ graph-rag-tunshixingkong.zip │ │ │ ├─15-何谓Agent，为何Agent-25.2.21 │ │ │ 15-何谓Agent，为何Agent-25.2.21.mp4 │ │ │ │ │ ├─视频（结课后给观看方式） │ │ └─资料 │ │ Agent智能体.ipynb │ │ requirements(3).txt │ │ 示例文件.zip │ │ │ ├─16-何为开源大模型，为何开源大模型-25.2.26 │ │ ├─视频（结课后给观看方式） │ │ │ 16-何为开源大模型、为何要开源大模型-25.2.26（1）.mp4 │ │ │ │ │ └─资料 │ │ 何为开源大模型、为何要开源大模型( │ │ │ ├─17-大模型微调技术之数据清洗-25.3.1 │ │ ├─视频（结课后给观看方式） │ │ │ 17-大模型微调技术之数据清洗-25.3.1.mp4 │ │ │ │ │ └─资料 │ │ 2大模型微调技术之数据清洗( │ │ 通用数据-链接.txt │ │ │ └─18-大模型微调技术-25.3.5 │ │ 18-大模型微调技术-25.3.5.mp4 │ │ │ ├─视频（结课后给观看方式） │ └─资料 │ 3模型微调（ │ └─5-AGI2407班L4阶段 ├─19-大模型评估方式-25.3.8 │ │ 19-大模型评估方式-25.3.8.mp4 │ │ │ ├─视频（结课后给观看方式） │ └─资料（ │ 4大模型评估方式.pptx │ ├─20-MopaaS AI大模型平台介绍-25.3.11 │ │ 20-MopaaS AI大模型平台介绍-25.3.11.mp4 │ │ │ ├─视频（结课后给观看方式） │ └─资料 │ MoPaaS AI大模型平台快速入门手册_20250212(1).pptx │ ├─21-大模型量化-25.3.12 │ │ 21-大模型量化-25.3.12.mp4 │ │ │ └─资料 │ 5大模型量化（ │ └─22-大模型部署-25.3.15 │ 22-大模型部署-25.3.15.mp4 │ └─资料 │ 大模型部署（ │ └─大模型部署相关文档 │ deploy-extra.ipynb │ deploy.ipynb │ └─img deepseek_dependency.png modelscope_detail.png pytorch_version.png
