资源介绍
《全栈 AI 快速实战训练营》是一套体系化覆盖 AI 核心技术与实战应用的课程，从基础理论到工具实操，再到项目开发，形成完整学习闭环，帮助学习者快速掌握 AI 技术栈关键能力，适用于 AI 初学者、技术爱好者及希望落地 AI 项目的开发者。
课程包含 11 个核心模块，每个模块围绕特定 AI 技术主题展开，配套视频均提供中文字幕（.srt 文件），方便理解专业内容。整体课程共包含89 个核心视频，覆盖理论讲解、工具使用、代码实操等不同维度，所有实战内容均提供可直接运行的代码文件，学习者可边学边练，快速将知识转化为实践能力。
模块一：LLM 基础理论（M01. LLM）
作为课程开篇，本模块聚焦大语言模型（LLM）核心概念，帮助学习者建立基础认知。内容涵盖 LLM 定义、关键技术参数与应用场景，具体包括：大语言模型入门介绍、幻觉现象（Hallucination）解析、Token 原理与上下文窗口（Context Window）机制；同时讲解开源大语言模型的概念、2024 年主流开源模型推荐，以及模型训练、微调（Fine-tune）的原理与操作方法，最后分析大语言模型的挑战与局限性，为后续学习奠定理论基础。模块包含 12 个 HTML 格式理论课程，覆盖 LLM 全链路基础知识点。
模块二：提示词工程（M02. Prompt Engineering）
提示词工程是提升 AI 模型输出效果的关键技术，本模块从基础到进阶，系统讲解提示词相关知识。内容包括提示词（Prompt）与提示词工程的定义、重要性，以及提示词设计的核心要素 —— 分词器（Tokenizer）原理、目标设定（Objective）、背景信息（Background）、角色设定（Persona）、格式（Format）与语气（Tone）；同时深入探讨提示词安全领域，重点讲解提示词注入（直接注入、间接注入、存储式注入）、提示词泄露、越狱（Jailbreaking）等风险场景，并针对这些安全问题，给出间接询问、角色扮演、负载拆分、特定指令防护等安全防御方法，帮助学习者提升 AI 应用的安全防护能力，避免技术被不当使用。模块包含 19 个 HTML 理论课程与 1 个配套视频，形成 “理论 + 安全实践” 的学习体系。
模块三：本地大语言模型工具（M03. Ollama）
本地大语言模型部署是 AI 落地的重要场景，本模块围绕 Ollama 工具展开，讲解本地 LLM 的应用与实操。内容包括本地大语言模型的概念与优势、Ollama 工具快速入门、安装流程，以及如何通过 Ollama 运行特定模型（如 Llava）；同时介绍 Ollama 与 API 工具（Postman）、开发框架（Langchain）的结合使用，以及自定义模型部署、聊天界面（Chat UI）搭建方法。模块包含 10 个配套视频，每个视频均提供中文字幕，同时附带 5 个 Python 代码文件（app.py、chatui.py 等）与配置文件，学习者可直接实操本地模型部署与开发，掌握本地化 AI 应用搭建能力。
模块四：AI 模型生态工具（M04. Hugging Face）
本模块聚焦 AI 模型生态核心工具的使用，覆盖模型调用、多任务处理与应用部署。内容包括 AI 模型生态工具的概念、生态体系构成，以及核心库（Transformers）的使用方法；具体讲解如何通过该工具实现文本生成、音频转录、目标检测等任务，同时介绍 AI 应用部署平台（Spaces）的概念，以及如何基于 Gradio 框架开发可视化 AI 应用并部署上线。模块包含 9 个配套视频（含中文字幕），提供 5 个 Python 实操代码文件（如 text-generator.py、detection.py）与测试素材（音频文件、图片文件），并附带 1 个完整的文本生成应用项目案例（leo-text-generator），包含项目配置、依赖管理与版本控制相关文件，帮助学习者掌握从模型调用到应用部署的全流程。
模块五：多模态 AI 应用开发（M05. Gemini Pro）
多模态是 AI 发展的重要方向，本模块围绕多模态 AI 工具展开，讲解文本、图像、音频多模态交互应用开发。内容包括多模态 AI 工具的概念、API 密钥获取方法、Python 项目初始化流程；具体讲解如何实现文本生成、图像交互（基于图片进行 AI 分析）、文本聊天机器人、图像聊天机器人、音频聊天机器人的开发。模块包含 9 个配套视频（含中文字幕），提供 4 个核心 Python 代码文件（如 app_image.py、app_chat.py），并附带 1 个完整的多模态聊天机器人项目（my_chatbot），包含文本、图像、音频三种交互模式的代码实现与界面配置文件，学习者可基于项目案例快速搭建多模态 AI 应用。
模块六：向量嵌入与向量数据库（M06. Embedding & Vector Database）
向量技术是 AI 语义理解与知识库构建的核心，本模块讲解向量嵌入与向量数据库的原理及应用。内容包括向量嵌入（Embeddings）概念、向量数据库原理、大语言模型上下文长度限制（Token Limit）问题及解决方案 —— 检索增强生成（RAG）技术；具体介绍主流向量数据库（Chroma）的使用方法，以及基于不同工具实现向量嵌入（如开源模型向量嵌入、第三方向量嵌入工具）的操作，同时讲解向量数据库的数据更新、删除、集合管理等核心功能，最后通过简历检索案例，演示如何基于向量技术实现结构化数据的语义检索。模块包含 13 个配套视频（含中文字幕），提供 3 个简历测试文件与课程说明文件，帮助学习者掌握向量技术在语义检索、知识库构建中的应用。
模块七：AI 应用开发框架（M07. Langchain）
Langchain 是 AI 应用开发的核心框架，本模块围绕该框架展开，讲解 AI 应用的模块化开发。内容包括框架的概念、核心组件（智能体 Agents、链条 Chains、记忆 Memory、生成 Generation）的原理与使用方法；具体讲解如何结合不同工具（开源模型、第三方 AI 工具）开发 AI 应用，以及检索增强生成（RAG）技术在框架中的实现，重点演示基于 PDF 文件构建知识库并实现 “PDF 问答” 功能，同时介绍如何结合本地模型工具（Ollama）搭建简易聊天界面。模块包含 12 个配套视频（含中文字幕），提供 2 个核心 Python 代码文件（app.py、app_pdf.py）与 3 个简历测试文件，学习者可掌握基于框架快速开发复杂 AI 应用的能力。
模块八：多智能体协同（M08. CrewAI）
多智能体协同是提升 AI 任务处理效率的重要技术，本模块讲解多智能体系统的开发与应用。内容包括多智能体工具的概念、工作流程（Workflow）、核心组件（智能体 Agents、任务 Tasks、工具 Tools、流程 Processes）的定义与配置方法；具体介绍工具的安装流程、依赖库配置，以及如何创建智能体、分配任务、设置协同流程，最后通过 “职位描述生成” 案例，演示多智能体协同完成复杂任务的全过程。模块包含 13 个配套视频（含中文字幕），提供课程说明文件与案例描述文件，帮助学习者理解多智能体协同逻辑，掌握多智能体系统搭建方法。
模块九：定制化 AI 工具开发（M09. GPTs）
本模块聚焦定制化 AI 工具的开发与安全防护，重点讲解如何构建符合特定需求的 AI 工具，同时强化安全防御意识。内容包括定制化 AI 工具的概念、创建流程、知识库添加方法，以及如何集成第三方 API（如营养数据 API）与自定义功能；在安全防护方面，深入分析定制化 AI 工具可能面临的风险（如指令注入、文件泄露），重点讲解安全防护策略，包括防护指令设计、上传文件安全检测、多层防护机制搭建，帮助学习者提升定制化 AI 工具的安全防御能力，确保工具合规、安全运行。模块包含 9 个配套视频（含中文字幕）与 2 个 HTML 格式实操指南，覆盖定制化开发全流程与安全防护要点。
模块十：函数调用与 AI 助手开发（M10. Function Calling & Assistant）
函数调用是 AI 工具连接外部系统的关键能力，本模块讲解函数调用原理与 AI 助手开发。内容包括 AI 应用开发中的常见问题（如功能局限性、数据交互难题）、函数调用的解决方案，以及多自定义函数的设计与集成；具体介绍 AI 助手的开发流程，包括在开发平台中创建助手、添加知识库、集成代码解释器（Code Interpreter）、配置函数调用功能，同时演示如何基于 Streamlit 框架开发可视化界面，以及实现邮件发送等实用功能，最后通过工具类代码（utils.py）的更新与逻辑优化，完善 AI 助手的功能与稳定性。模块包含 18 个配套视频（含中文字幕），提供 3 个核心 Python 代码文件与课程说明文件，学习者可掌握从函数设计到 AI 助手落地的全流程开发能力。
模块十一：语音与视觉 AI 应用（M11. Speech & Vision）
本模块聚焦语音与视觉两大 AI 模态，讲解多模态交互应用的开发。语音部分包括语音识别（STT）与语音合成（TTS）的概念、技术差异，以及主流语音工具的使用，具体讲解本地语音识别、第三方语音识别、语音合成工具的操作，以及 YouTube 音频转录方法；视觉部分包括基于 AI 工具的图像分析，支持本地图像与远程图像的交互，同时介绍如何结合摄像头输入开发实时视觉交互功能；最后通过 “Jarvis” 项目案例，演示语音识别、语音合成、视觉分析与 AI 推理的协同工作流程，实现多模态交互应用。模块包含 20 个配套视频（含中文字幕），提供 8 个核心 Python 代码文件、3 个测试图像文件，以及语音处理（stt 目录、tts 目录）与多模态项目（jarvis 目录）的完整代码，帮助学习者掌握语音与视觉 AI 应用的开发与集成能力。
课程特色
体系化结构：11 个模块覆盖从基础理论到多模态应用的全链路 AI 技术，避免知识碎片化，帮助学习者构建完整 AI 技术栈。
实战导向：所有模块均提供配套代码文件与项目案例，视频讲解与实操步骤紧密结合，学习者可直接复用代码，快速验证效果。
安全重点突出：针对提示词注入、定制化工具风险等安全场景，重点讲解防御策略，强化安全开发意识，提升 AI 应用的安全性与合规性。
中文友好：所有视频均提供中文字幕，核心概念与实操步骤均以中文呈现，降低语言门槛，适合中文环境下的学习者。