资源介绍
视频数量：6个
总时长：20小时52分
课程介绍：
实战AI应用开发：从提示工程到生产级AI系统
你盯着屏幕上那个傻愣愣的AI回复，叹了口气。又是一个答非所问的答案。你明明已经尝试了各种提问方式，可它就是理解不了你的意思。这种无力感，是不是很熟悉？
其实问题不在AI不够聪明，而在于我们还没摸清怎么跟它打交道。这门课要解决的，就是这件事。
这是一位在硅谷摸爬滚打多年的工程师，带着真实踩坑经验开设的AI应用实战课。他自己说过，他一直在克制自己不要去碰AI代码，只是看资料，从来没真正动手做过。但后来借助真实项目积累了大量经验，这才有了这门课。他会犯错误，会在讲解中突然跑题，但他会把自己摸索出来的框架、踩过的坑、总结的规律原原本本告诉你。
这不是一门教你调API的水课，也不是一门讲理论概念的综述课。这是一个密集的、专注的三周实战项目，目标只有一个：让你真正会用大语言模型来构建东西，而且要构建正确。
第一周，课程从最基础但最关键的部分开始：如何可靠地提示大语言模型。
很多人以为提示词就是随便写几句话，但实际上，提示工程有它自己的体系和规律。你会学到如何设计有效的提示结构，如何通过调整措辞和格式来获得更稳定的输出。更重要的是，你会理解为什么某些提示方式有效，而另一些看似合理的方式却总是翻车。这不是玄学，是有章可循的。
有了提示基础之后，课程立刻带你进入生产环境的核心场景：工具使用和RAG。
工具使用这部分，你会学到如何让AI调用外部函数和API，把它的能力从单纯的文本生成扩展到真实世界的操作。你会理解并行工具调用的设计模式，知道什么时候应该让AI一次调用多个工具，什么时候应该按顺序执行。查询重写和混合搜索也是这部分的亮点。你不只是简单地往向量数据库里扔数据然后检索，课程会带你深入探讨如何通过语义理解来优化查询，如何结合关键词搜索和向量搜索的优势，让RAG系统真正好用。最后还有一个实战案例：设计一个能处理1000万份文档、且不会产生幻觉的RAG系统。这个案例会涉及到容量估算、功能性需求和非功能性需求的权衡，让你理解在生产环境中交付这样一套系统到底需要什么。
第二周，课程进入智能体开发的核心领域。
你可能听过各种关于AI智能体的炒作，但课程会直接戳破那些花哨的概念。它会告诉你：智能体本质上就是一个Y循环，没什么神秘的。关键在于理解这个循环应该是什么、每个步骤如何设计、如何确保它稳定运行。你会看到六个不同的智能体原型，每个原型代表一种不同的设计思路和适用场景。然后你会跟着课程，从零开始构建一个小系统：输入是一篇研究论文，输出是一个可运行的原型代码。整个过程不超过一小时，但涵盖了你需要理解的核心要素。附录部分还会讲解检查点恢复和人在回路机制，这些是在生产环境中部署智能体时必须考虑的问题。
第三周，从单智能体扩展到多智能体系统。
很多复杂的任务，单靠一个智能体很难完成，需要多个智能体协同工作。你会学到如何设计多智能体之间的通信机制，如何让它们共享记忆和上下文，如何处理智能体之间的依赖关系和任务分发。记忆系统的设计是这部分的另一个重点，你会理解为什么记忆对于智能体系统至关重要，以及如何构建持久化的记忆层。
课程的最后部分把注意力放在了AI系统的评估和安全上。
很多课程教你如何搭建AI应用，但这门课会教你如何验证你的应用是否真的在工作。你会学到如何设计评估指标、如何构建测试用例、如何识别模型行为中的潜在问题。安全性也是必须考虑的议题，课程会讨论在生产环境中可能遇到的安全风险，以及如何在系统设计层面规避这些风险。
最后，所有内容都会汇总到生产化这个话题上。
把AI应用从原型变成生产系统，中间有无数的坑等着你。延迟问题怎么处理？成本怎么控制？如何监控模型的性能退化？如何处理边缘情况？这部分会列出那些教科书上不会写、但每个实战者都会遇到的gotchas，让你少走弯路。
学完这门课，你会有一个完整的AI应用开发知识体系。你不再只会调API，而是真正理解了从提示设计到系统部署的完整链路。你能够设计可靠的大语言模型应用，构建能够调用工具的智能体系统，甚至设计多智能体协作的复杂流程。你知道如何在生产环境中评估和监控你的AI应用，也知道那些常见的坑应该如何避开。
这不是一门轻松的课，但如果你真的想从"看过AI资料"变成"真正用过AI构建东西"，这门课值得你花时间。