资源介绍
程）
本课程是面向 AI 工程领域开发者的实战型训练营，包含18 个核心视频模块，所有视频均配备中文（zh-Hans）字幕，配套代码资源压缩包（code.zip）提供全流程实操素材。课程以 2025 年 AI 工程技术栈为核心，从基础理论到生产部署构建完整知识体系，覆盖检索增强生成（RAG）、智能体（Agents）、模型微调、生产运维四大核心领域，助力学习者掌握工业级 AI 应用的设计、开发与落地能力。
二、核心学习模块
（一）基础入门与核心技术奠基（Session 1-3）
课程开篇通过入门模块建立学习框架，系统讲解 AI 工程的核心概念与技术边界。第二模块聚焦嵌入技术（Embeddings）与检索增强生成（RAG）基础，解析 RAG 解决模型 “幻觉问题” 的技术原理，为后续实战奠定理论基础。第三模块直击工程落地痛点，结合 2025 年各行业典型案例，演示 RAG 从开发到部署的全流程实现，帮助学习者理解技术与业务场景的结合逻辑。
（二）工具链实战与系统评估（Session 4-8）
此阶段聚焦 AI 工程核心工具的实战应用与系统评估体系构建。第四模块深入两大核心框架的协同使用：以 LangChain 实现 RAG 任务串联，通过 LangSmith 的可观测性功能监控应用性能、追踪错误节点，显著提升调试效率。第五、六模块转向智能体开发，基于 LangGraph 构建单智能体与多智能体系统，通过图形化工作流展示任务依赖关系，简化复杂协同流程的设计与调试。第七、八模块聚焦评估体系建设，讲解合成数据生成技术在模型训练与测试中的应用，建立涵盖检索准确性、生成可信度的全维度 RAG 评估标准。
（三）模型优化与进阶开发（Session 9-14）
该阶段专注于模型性能提升与进阶应用开发。第九、十模块深入模型优化技术，分别讲解嵌入模型微调与大语言模型（LLM）微调的实操方法，针对特定领域数据优化检索精度与推理能力。第十一模块通过中期考核模块，帮助学习者检验阶段性学习成果，查漏补缺。第十二模块以 “AIM 挑战与方案展示” 形式，引导学习者将技术知识转化为解决方案，培养工程实践与方案呈现能力。第十三、十四模块拓展技术深度，解析 RAG 高级检索方法与智能体进阶推理技术，结合 2025 年技术突破，提升复杂场景下的应用开发能力。
（四）生产部署与运维优化（Session 15-18）
作为课程的落地实战阶段，此模块覆盖从部署到运维的全生命周期管理。第十五模块介绍生产环境基础与开源端点技术，讲解 AI 应用从开发到生产的环境适配要点。第十六模块聚焦 RAG 生产部署实操，提供可复用的部署架构与运维流程。第十七模块针对本地化需求，讲解本地智能体（On-Prem Agents）的部署与安全管控方法，结合数据安全规范构建合规应用。第十八模块深入性能优化核心，讲解推理服务架构设计与 GPU 资源优化技术，通过显存管理、并行计算等方法提升应用运行效率，降低部署成本。
三、课程特色与价值
全栈技术覆盖：课程构建 “基础理论 - 工具实战 - 模型优化 - 生产落地” 的完整知识链，涵盖 2025 年 AI 工程核心技术，从 RAG 到智能体、从开发到运维的全领域内容。
实战导向设计：每个技术模块均配套实操案例，代码资源包提供完整实现素材，结合中期考核与项目挑战，强化 “学练用” 一体化学习效果。
安全理念贯穿：在生产部署与智能体开发模块中，重点融入数据安全防护理念，讲解本地化部署的安全管控方案与生产环境的立体防御体系构建，提升应用的安全防御能力。
时效技术同步：课程内容贴合 2025 年行业技术趋势，融入最新检索增强、智能体进化等技术突破，确保学习者掌握前沿实用的工程技术。
四、适用人群
本课程适合具备基础编程能力的 AI 技术学习者、软件开发工程师、数据工程师及技术管理者。无论是希望转型 AI 工程领域的新手，还是寻求技术升级的资深开发者，都能通过课程掌握工业级 AI 应用开发与落地的核心能力，适配 2025 年 AI 行业的技术需求与职业发展要求。