内容精巧打磨，只为把复杂的AI 本质讲明白

案例展示：

课程介绍

试看链接  https://pan.baidu.com/s/1AanSsEyQij-Q-3LMybiThQ?pwd=ntsv

相关推荐

AI编程实战行动营

全栈AI编辑器Qoder-入门到实战-玩转AI编程（完结）

AI编程幻觉终结者–TDD+重构驱动的单元测试实战课（已完结）

课程目录

阶段一：【认知基石】理解大模型的本质与工作原理
12门课 /课程总时长：6小时
第1周 语言模型是什么
建立对大语言模型的系统认知。从ChatGPT的函数本质出发，理解参数如何承载知识、训练如何迭代优化、文字接龙如何产生智能，最终看清语言模型从N-gram到Transformer的完整演进脉络。
课程安排：
1、ChatGPT的本质
2、训练的本质
3、参数的演化
4、概率分布的数学本质
5、简单任务背后的复杂智能
6、Token、幻觉与创造力
7、什么是语言模型
8、从数据中学习规律
9、语言模型的演进
10、大语言模型与对话系统
第2周 语言模型怎么训练
搞懂语言模型从无到有的训练全流程。先看Embedding怎么把文字变成可以计算的向量，再看预训练如何在海量文本上让模型学会语言规律，最后理解监督微调怎么把”只会接龙”的模型变成”会回答问题”的助手。
课程安排：
1、Embedding-从符号到数字
2、Embedding（二）-词向量的魔法
3、Embedding（三）-意义的数学化
4、预训练本质
5、预训练-代价与数据
6、预训练-为什么叫预训练
7、监督微调概念与本质
8、监督微调的三个关键要素
9、监督微调的对比与局限
第3周 语言模型的进阶能力
探索预训练和微调之后的”高级能力”。RLHF怎么让AI对齐人类价值观，涌现能力为什么令人震撼，Temperature和Top-p怎么控制AI的创造力，幻觉问题为什么至今无法彻底消灭。
课程安排：
1、RLHF-什么是对齐
2、RLHF的三个步骤
3、RLHF的局限与思考
4、涌现能力（一）-令人震撼的发现
5、涌现能力（二）-为什么会涌现
6、涌现能力（三）-涌现的边界
7、Context Learning
8、CoT思维链
9、Temperature-控制创造力的旋钮
10、Top-p核采样的动态控制
11、Top-p随机性与参数设置
12、幻觉
阶段二：【实战入门】大模型开发与知识接入
8门课 /课程总时长：6小时
第4周 理解大模型开发
从理论走向实战。搞清楚AI、机器学习、大模型之间的关系，完成环境搭建和第一次API调用，通过多轮对话、流式输出、专业翻译器等实战掌握核心参数，系统学习Prompt五要素和结构化输出模板。
课程安排：
1、AI与大模型
2、理解大模型开发-理论篇
3、理解大模型开发-实践篇
4、准备工作与环境搭建
5、第一次API调用与核心参数
6、多轮对话与上下文管理实战
7、流式输出与长度控制
8、创意控制与专业翻译器
9、Prompt基础与必要场景
10、Prompt五要素
11、结构化输出与常用模板
第5周 RAG：知识接入技术
大模型的知识有截止日期，也不知道你公司的内部文档。RAG就是解决这个问题——先从知识库里”检索”相关内容，再让模型基于这些内容”生成”回答，让AI拥有实时、私有的领域知识。
课程安排：
1、RAG核心原理-工作流程与语义搜索
2、RAG核心原理-检索生成与关键机制
3、Embedding：把文字变成向量
4、向量数据库- 核心算法
5、向量数据库-进阶算法与Chroma实战
6、第一个RAG应用：游戏知识问答系统
7、文档分块：Chunking的艺术
8、文档分块实战：Java编程规范问答
9、RAG检索优化：让答案更准确
10、LlamaIndex-核心概念与查询机制
11、LlamaIndex-实战：Java规范问答系统
阶段三：【工具与协议】让AI连接世界
7门课 /课程总时长：6小时
第6周 Function Calling：工具调用机制
大模型只能输出文字，查不了天气、读不了数据库、发不了邮件。Function Calling让模型在输出文字的同时，告诉你”我需要调用某个工具”——AI从”只会说”变成”能做事”。
课程安排：
1、Function Calling的本质与角色
2、一次完整的调用流程
3、实战：游戏装备查询
4、Function Calling进阶实战
第7周 MCP：模型上下文协议
Function Calling让AI能调用工具了，但怎么让别人也能用上你写的工具？每个AI应用都自己写一套对接代码？MCP就是来解决这个问题的——给工具共享定一个统一标准，就像HTTP给Web定了统一标准一样。
课程安排：
1、MCP核心概念
2、Resources概念
3、Resources实战
4、Tools详解
5、Prompts详解
6、Resources+Tools+Prompts组合
7、MCP通信协议
8、传输与生命周期
9、需求分析与流程
10、技术选型与实现
11、使用MCP Server
12、集成与发布MCP
阶段四：【框架应用】高效AI开发
4门课 /课程总时长：5小时
第8周 LangChain框架入门
每次开发AI应用都要自己管理对话历史、解析Function Calling、处理错误重试——太累了。LangChain把这些通用需求封装好了，让你专注于业务逻辑而不是胶水代码。
课程安排：
1、为什么需要LangChain
2、LangChain核心概念
3、第一个LangChain应用
4、工具调用：让AI操作外部世界
5、RAG集成：打造智能知识库
第9周 LangGraph：工作流编排
LangChain的Agent能自主决策调工具，但任务一复杂就露馅了——单轮推理的黑盒模式不可控、不可调试、不可干预。LangGraph用图结构编排工作流，让AI的每一步都看得见、管得住。
课程安排：
1、为什么需要LangGraph
2、LangGraph核心概念
3、文周写作Agent
4、条件分支与循环
5、人工介入(Human-in-the-Loop)
阶段五：【能力封装】可复用技能
3门课 /课程总时长：6小时
第10周 Skill：可复用技能封装
你总结了一套很好的代码审查方法论，但每次用都要重新写一遍提示词。Skill就是用来解决这个问题的——把专业知识、工作流程、最佳实践封装成一个标准化模块，装上就能用，还能分享给别人。
课程安排：
1、Skill的获取与生态
2、Skill核心概念
3、Skill的扩展能力
4、让AI帮你创建Skill
5、个人技能可视化：frontend-design实战
6、让Skill真正生效的实践原则
阶段六：【智能体】从单体到多体
6门课 /课程总时长：6小时
第11周 Agent：智能体架构
前面学了很多零散的能力——Function Calling、RAG、LangGraph，这一周把这些串起来，回到一个根本问题：什么才是真正的Agent？它的架构是什么样的？怎么让它有记忆、会推理、能行动？
课程安排：
1、什么是真正的Agent
2、从Function Calling到Agent的演进
3、Agent的核心架构剖析
4、执行：能力实现详解
5、记忆系统：让Agent拥有经验
6、推理模式：Agent如何思考
7、Agent的实现范式对比
8、实战：智能旅行规划Agent
第12周 Multi-Agent：多智能体协作
一个Agent再强大，也有能力边界。不如让多个专业Agent各司其职再协作——这就是多Agent系统的核心思想。最后一周，把所有学过的东西串起来，用CrewAI框架完成全书最终实战。
课程安排：
1、多Agent协作：从个体到群体智能
2、Google A2A协议：Agent间通信标准
3、CrewAI框架：构建多Agent协作系统
4、CrewAI最终实战：习题生成与考试评测系统
5、CrewAI实战解析：程序1题目生成器
6、CrewAI实战解析：程序2考试系统与混合架构
7、全书结语：从理论到实践的AI开发之旅
阶段七：新增规划：新增-Loop Engineering、新增-蒸馏技术 、新增-Transformer
3门课 /课程总时长：5小时
第13周 一本会不断增加内容的书
程序员AI编程绿皮书持续新增规划（7~9月）
课程安排：
1、新增-蒸馏技术
2、新增-Transformer
3、新增-Loop Engineering