大模型直播课第四期

这门课适合谁，不适合谁

先把门槛说清楚：这门课讲的是大模型的原理和应用，不是教你零基础写代码。如果你连 Python 的基本语法都没碰过，或者完全没接触过任何 AI 工具，直接进来会比较吃力。第四期延续了前三期的深度，默认你已经知道「大模型」大概是什么、用过 ChatGPT 这类对话工具。

适合的人：工作中已经接触到 LLM，但理解停留在调 API 层面，想搞清楚背后逻辑的；想在公司内部推动 RAG 落地，却不知道怎么搭、怎么评估效果的；对 Prompt 只有感性经验、想整理成方法论的。不适合的人：想靠一门课转行拿高薪的，想听热闹看 demo 的，以及指望跟着敲一遍就能上线生产系统的。

建议的学习顺序

别按直播的期数顺序硬啃。这门课的内容大致分三块：LLM 原理、Prompt 设计、RAG 应用。对自学者来说，我建议的顺序是——

• 先看 Prompt 设计那部分。它离你日常最近，改动成本最低，学完当天就能在对话工具里试。这一块也是后面理解 RAG 里检索结果怎么用、怎么拼进上下文的基础。
• 再看 LLM 原理。原理部分有一定密度，涉及注意力机制、token、上下文窗口这些概念。如果你时间碎，可以挑「上下文窗口与成本」「模型能力边界」这两类偏应用的解释看，纯推导的部分第一遍听不懂很正常，跳过不丢人。
• 最后啃 RAG。RAG 是把前面两块合起来用的场景，涉及切分、向量检索、召回、重排。它需要你对 Prompt 和模型能力都有感觉，放在后面学，卡点会少很多。

企业案例的部分可以跳着看。挑一个和你业务形态接近的（知识库问答、文档处理、客服辅助之类），其余留作以后按需回看。

哪些章节可以暂时放过

原理里的数学推导、模型训练细节、微调和部署的完整流程，这些对多数应用层的人是「知道有这回事」就够了。你不需要自己训模型，也不需要背公式。第一遍看不懂的地方，标记一下继续往下走，等 RAG 实践卡住了再回头查。

同样，课程里如果出现对某个具体工具、某个框架版本的深度操作，你手上没有对应环境的话，先看思路，别纠结版本号对不上。大模型这块迭代快，工具会换，方法思路相对稳定。

资料怎么配合练习用

讲义适合当查阅手册，不适合从头读到尾。具体做法：每学完一个模块，就找一个你手头真实的小需求练手。比如学完 Prompt 设计，把你工作中重复度最高的一段文本处理任务改写成结构化的 Prompt，跑几遍看输出稳定性。学完 RAG，用你自己的几份文档搭一个能问答的小原型，哪怕效果很差，也比只看案例强。

实践案例别只是读。读到一半先自己猜「这里会怎么处理」，再往下看，落差最大的地方就是你最该记笔记的地方。

关于节奏

这门课信息量不小，按「一天一讲」的进度大概会消化不良。更实际的节奏是每周吃透一个模块，剩下时间留给动手。学不完、听不懂、原型跑不通，都是正常的，第四期的内容本来就偏深。慢一点没关系，能自己搭出一个勉强能用的小应用，比刷完全部视频有意义得多。