解读本课大纲
- 课程大纲的设计初心
- 每部分能给你带来什么
- 做自己的选择，定自己的目标
我们的初心
我们相信，懂 AI、懂编程、懂业务的超级个体，会是 AGI 时代最重要的人。所以我们提出了「AI 全栈工程师」这个概念，让它显得不那么浮夸。
这门课的目标，就是培养「AI 全栈」。
当然，「全栈」涉及的知识面非常广，我们这区区一门课不可能全部涉及。我们能做到的是，在各个方向上都为大家打开一扇门，带大家入门。想走得更深更远，要靠大家自己，和我们的社群。
但是，「入门」并不代表简单、肤浅。我们的课程会在三个层次发力：
- 原理
- 实践
- 认知
不懂原理就不会举一反三，走不了太远。
不懂实践就只能纸上谈兵，做事不落地。
认知不高就无法做对决策，天花板太低。
大纲解读
模块 | 目的 | 原理 | 实践 | 认知 |
|---|---|---|---|---|
AI 大模型基础介绍 | 对大模型有直观的、基础的了解，以展开后续课程学习 | 大模型最基础的原理 | 搞定环境搭建和工具的使用 | 大模型并不神奇，也不神秘 |
Prompt Engineering | 操纵大模型的基础方法 | 让 prompt 更大概率生效的原理 | 使用 prompt 和调用 OpenAI API | 程序思维从确定性到模糊性的变化 |
Function Calling & Plugins | Prompt 和编程结合的当前最高级手段 | Fine-tuning 比 prompt 更稳定 | 使用 Function Calling 解决问题 | 人机接口和机器接口的演化方向 |
AI 编程 | 学会用 AI 辅助编程，助力接下来的学习 | AI 编程也是 prompt engineering | 使用 AI 编程解决问题 | 从 AI 编程看提示工程和 AI 能力的天花板 |
LangChain | 用 LangChain 开发大模型应用 | 什么是 embeddings | 使用 LangChain 开发应用 | 各种大模型应用的技术套路 |
Semantic Kernel | LangChain 之外的另一个选择 | - | 使用 Semantic Kernel 开发应用 | Prompt 和代码分离的思想 |
Fine-tuning | 学会大模型应用技术的天花板 | 机器学习基础 | 训练出自己的独特大模型 | 大模型、GPU 选型 |
AI 产品设计 | 独立完成 AI 产品设计，成为 AI 全栈 | 商业、美学、用户体验的基本原理 | 设计商业模式，绘制原型图，快速做出 demo | 什么是好的产品。技术含量高不代表产品好 |
业务沟通锦囊 | 没有产品经理帮忙，也能直面业务同事 | 与人沟通的基本原理 | 高效收集需求和反馈 | 做得好，多数时候确实不如说得妙 |
AI 绘画 | AI 绘画，陶冶情操 | 文生图的原理 | 使用 prompt 绘画 | - |
定自己的目标
在全栈的知识面上，一个人把三层全占满是不太可能的。
每个人要根据自己的特点、目标和机遇，选择自己的方向。
