Courses
课程中心
从机器学习基础到大模型应用开发，覆盖 AI 工程师所需的核心知识体系。
LLM 工程师基础：从 API 到第一个生产级应用
18 章成为 LLM 应用工程师：环境、API、Prompt、Function Calling、流式响应、成本控制与第一个可上线的应用。
Prompt 工程精通：从原理到生产
14 章系统化掌握高级 Prompt 技巧：CoT、ReAct、ToT、Self-Critique、Meta-Prompt，以及怎么让模型输出稳定可控。
多模态应用工程：从视觉理解到视频生成
14 章成为多模态应用工程师：视觉理解、图像生成、语音合成、视频生成、Video-LLM。从原理到完整项目。
RAG 系统设计与实现：从 Demo 到生产
22 章覆盖企业级 RAG 全栈：文档解析、向量化、检索、重排序、评估、监控、安全。从 Demo 到 100 万级文档的生产系统。
向量检索内核解析：从 HNSW 到生产级检索
12 章深入向量检索内核：HNSW / IVF / PQ / ScaNN 算法原理，分布式向量检索，以及工程优化。这是 2026 年 RAG / 推荐系统的核心竞争力。
AI Agent 架构师：从 ReAct 到多智能体协作
20 章成为 AI Agent 架构师：ReAct、Function Calling、Memory、Multi-Agent、Tool Use、Planning。从原理到生产级 Agent 系统。
LangGraph 工作流编排：从状态机到生产系统
12 章深入 LangGraph：状态、节点、边、循环、子图、流式。LangGraph 是 2026 年 Agent 编排的事实标准。
LLM 微调实战：从 LoRA 到生产部署
18 章掌握 LLM 微调全栈：LoRA / QLoRA / DPO / RLHF、数据工程、训练框架、模型合并与部署。
LLM 推理优化与部署：vLLM / TGI / 量化 / KV-Cache
16 章成为 LLM 推理优化专家：vLLM PagedAttention、TGI、KV Cache、量化、Speculative Decoding、Continuous Batching。把 LLM 推理成本降低 10 倍。
LLM 时代的 MLOps：从评估到监控的全栈实践
14 章掌握 LLM 时代的 MLOps：实验追踪、模型评估、Prompt 版本管理、A/B 测试、监控告警、Guardrails。