资源介绍
视频数量：55个
总时长：8小时52分
课程介绍：
七天实用AI训练营：动手构建真实AI应用、RAG系统与智能体
你上次打开一份几十页的PDF文档，想快速找到某个关键信息，结果翻了好几遍还没定位到？你是否也想过：如果能有一个AI助手直接帮我分析简历、提取重点就好了？或者你有没有想过，自己能不能从零开始搭一个会思考、能调用工具的AI智能体，而不是只会聊天的那种？
这些需求，在真实的办公场景里太常见了。但市面上大多数AI课程要么讲半天理论听不懂在说什么，要么只教你调个API发个请求就完事了。学完还是不知道这个技术到底怎么用到自己的项目里。
这门课不一样。七天时间，从环境搭建开始，每天专注做一个完整的小项目，循序渐进地把AI应用开发的核心技术全部过一遍。等你跟完全部课程，手里会有一整套可运行的代码：从基础的聊天机器人，到能读懂PDF的RAG应用，再到会自主规划和调用工具的AI智能体，最后还有一个完整的知识库助手可以直接部署上线。
课程的技术栈非常务实。Python做后端逻辑，Streamlit快速搭Web界面，ChromaDB处理向量检索，OpenAI或者本地Ollama提供大模型能力，最后用Docker打包部署。整个链条走下来，你对AI应用是怎么从想法变成产品这件事，会有非常具体的理解。
具体每天学什么呢？第一天从最基础的开始：什么是大语言模型、提示词和Token是怎么回事、怎么搭建开发环境。然后直接动手写代码，把大模型封装成一个服务层，再分别用命令行和Streamlit界面做出两个可对话的聊天机器人。走完这一步，你就已经知道怎么让程序和AI模型对话了。
第二天专门讲提示工程。这个环节很多人会跳过，觉得不就是写几个字嘛。但真正用过就知道，好的提示词和随便写的提示词，AI给你的答案可能差了一个银河系。课程会教你一套具体的提示词公式：角色、任务、上下文、规则、输出格式，然后让你动手搭建一个提示词实验室，把常用的提示词模板存起来管理，随时调用测试。
第三天把LLM调用包装成一个真正的产品：AI简历分析器。用户上传简历文件，程序自动提取文字，发送给大模型分析，最后返回一份结构化的评估报告。这个过程里你会学到怎么处理文件上传、如何设计分析提示词、以及怎么把模型返回的结果以友好的方式展示出来。
第四天进入RAG领域，这是现在AI应用开发里最核心的技术之一。你会搞清楚什么是Embedding、什么是向量检索、为什么要把文档切成小块、ChromaDB这样的向量数据库是怎么工作的。然后动手实现一个完整的PDF聊天助手：上传文档、后台自动分块建索引、你问问题、程序找到最相关的段落喂给大模型、生成答案。这个技能可以迁移到任何需要让AI“读懂”自己私有文档的场景。
第五天开始接触AI智能体。智能体和普通聊天机器人的本质区别在于：它能自己规划下一步该做什么，还能调用外部工具来完成任务。你会从理论层面搞清楚智能体的四大组成部分——大模型、工具、工作流、状态管理，然后动手构建一个自主研究智能体：给它一个研究主题，它会自动分解任务、搜索信息、整理成报告。
第六天把智能体再往前推一步：多智能体协作。单个智能体能力有限，但如果让多个各有分工的智能体组成团队，协作完成复杂任务，效果会完全不同。课程会演示怎么设计智能体的角色、怎么实现它们的协作流程，最后让这个团队跑一个端到端的内容生产任务。
第七天是结业项目：构建一个AI知识库助手。它整合了前面学到的所有技术——聊天、RAG提示词实验室、智能体——做成一个完整的产品界面。最后还会教你用Docker容器化打包、写好README文档，方便部署上线或者放进作品集里展示。
整个课程收尾的时候还会讲到一些容易被忽视但其实很重要的事情：负责任的AI开发原则、常见的开发陷阱、怎么整理作品集和简历。这些内容不会在技术课里出现，但对准备拿这些项目去找工作或接单的人来说，恰恰是最实在的。
学完这门课，你会得到几样东西。首先是一整套可以直接跑起来的代码，从第一天到第七天所有练习都有完整实现。其次是对AI应用开发全貌的理解，知道从调API到做界面到部署上线每个环节是怎么串起来的。最后是几个能拿得出手展示的项目，放在GitHub上或者简历里，让别人看到你不仅会用AI工具，而是真的动手做过东西。
这门课适合有基本编程基础、想真正上手做AI应用的人。不需要你已经是Python高手，但至少要能看懂代码、能跟着敲。别担心，每天都有实操练习，跟着走就能出结果。