一句话定位
这份讲义回答一个核心问题：模型之外，让 AI 真正上线的工程能力从哪学？ 六个主题从「喂数据」到「上线运维」打通全链路，每章都给"知识点 + 实操配套 + 自查通关"三段式设计。
内容速览
- ① 数据与标注：数据生命周期、"垃圾进垃圾出"、标注与合成数据，把数据"标成 AI 学得懂的样子"。
- ② 模型训练与微调：预训练 vs 微调怎么选、全参 vs PEFT、LoRA/QLoRA 让"小团队微调"可负担，含跑通一个 LoRA 的进阶实操。
- ③ 推理与部署优化：推理"铁三角"先卡场景、引擎与批量调度、量化与蒸馏瘦身省钱。
- ④ RAG 检索增强：先查再答有据可依，深挖检索召回、分块索引、注入与幻觉控制三大支柱。
- ⑤ Agent 系统工程：推理循环与工具调用（大脑＋手脚）、记忆与状态、编排框架与可靠性评估。
- ⑥ MLOps 与工具链：把模型当代码做版本发布、灰度回滚与观测、低代码平台不写代码也能搭 AI 应用。
内容特点
- 决策卡：要不要微调、全参 vs PEFT、推理铁三角选约束项、瘦身选型——先想清楚再动手。
- 配套实验数据：7 组真实实验（脏数据清洗、LoRA 训练日志、RAG 检索对比等），跟着照做即可。
- 自查通关：每章末都有通关。 检查项，学完能自测掌握度。
快速访问
👉 打开课程讲义
适合想动手把 AI 做上线、而非只看理论的工程同学与产品同学。