全栈AI工程师 2026 – 生成式AI与大语言模型 III

使用LLMs、RAG、智能体与全栈工程实践，构建可用于生产的生成式AI系统

“本课程包含人工智能技术的使用”
本课程是为全栈AI工程师量身打造的一次关于生成式AI与大语言模型的全面、动手实践之旅。与那些仅停留在高层概念或理论的课程不同，本课程专注于现代AI系统在真实生产环境中是如何实际被构建、部署、优化和治理的。
你将超越简单的提示词实验，学习如何使用LLM、嵌入技术、检索、智能体、工具和全栈应用架构，来设计可靠、可扩展且满足企业级要求的AI系统。课程的每一节都包含循序渐进的动手实验，确保你不仅理解概念，还能用真实代码实现它们。

MP4格式 | 视频：h264编码，分辨率：1920×1080 | 音频：AAC编码，采样率：44.1 kHz，双声道 |
语言：英语 | 时长：6小时8分钟 | 文件大小：3.38 GB

你将学到什么

• 使用大语言模型、Transformer架构、嵌入技术和现代AI架构，设计与构建可用于生产的生成式AI系统。
• 实现检索增强生成（RAG）流程，将LLM基于外部知识，减少幻觉，打造企业级AI应用。
• 利用工具调用、多步推理、记忆和人在回路控制，开发自主智能体AI系统。
• 通过集成FastAPI后端、流式聊天界面、前端UX模式和有状态记忆管理，创建全栈LLM应用。
• 运用令牌优化、缓存策略、模型选择权衡和负载管理技术，在成本、延迟和可扩展性方面优化AI系统。
• 使用人工和自动化评估方法评估与监控LLM输出，确保准确性、相关性和忠实度。
• 通过实施护栏、输出过滤、基于策略的控制和负责任AI框架，应用安全、保障和治理的最佳实践。

要求

• 基础编程知识（推荐Python，无需专家级别）
• 对API或Web应用有基本了解（有助益，非必需）
• 对AI充满好奇，并愿意动手构建项目

第1节 — 生成式AI导论
你将建立坚实的概念基础，理解生成式AI与判别式模型的区别、生成式系统为何重要，以及它们如何在企业软件、医疗、金融和航空等真实行业中使用。动手实验：比较判别式与生成式模型，使用基于Transformer的模型生成文本，并映射现实世界的生成式AI用例。

第2节 — Transformer架构与LLM基础
本节揭开Transformer工作原理的神秘面纱，包括自注意力、位置编码及编码器与解码器架构。你还将探索分词、嵌入、上下文窗口，以及LLM如何通过预训练、微调、指令调优和RLHF进行训练。动手实验：实现自注意力概念，可视化分词与嵌入，并高层次模拟LLM训练工作流程。

第3节 — 实践中的大语言模型
你将动手实践主流的LLM系列，包括GPT、Claude、Gemini、LLaMA、Mistral和Falcon，并学习如何根据质量、成本、延迟和用例需求选择正确的模型。动手实验：构建多模型评估框架，测试幻觉和偏见，并使用温度、top-p和最大令牌数等参数集成LLM API。

第4节 — 面向工程师的提示工程
本节将提示工程作为一门软件工程学科来教授，涵盖系统、用户和助手角色，零样本、单样本和少样本提示，以及思维链、自我一致性和基于约束的提示等高级技巧。动手实验：设计鲁棒的提示模板，防范提示注入攻击，并为安全提示实现输入/输出验证。

第5节 — 嵌入与语义搜索
你将学习向量嵌入如何表示含义，余弦相似度和点积的工作原理，以及如何使用分块策略、嵌入生成和基于相似性的检索来构建语义搜索管道。动手实验：使用FAISS和Chroma构建语义搜索系统，比较分块策略，并评估检索准确性。

第6节 — 检索增强生成（RAG）
本节展示如何通过RAG架构、文档摄取流程、检索器-生成器流程和上下文窗口管理，利用外部知识锚定LLM，从而消除幻觉。动手实验：构建完整的RAG流程，实现混合搜索，应用重排序策略，并进行带引用的多文档推理。

第7节 — 工具调用与基于函数的LLM
你将学习如何通过函数调用、结构化JSON输出和基于API的工具，使LLM与现实系统交互，从而使模型能够执行有意义的操作。动手实验：构建使用工具的智能体，实现无状态和有状态工具，添加验证和错误处理，并创建具有可观测性的多步骤工具链。

第8节 — 智能体AI系统
本节重点介绍如何利用ReAct、规划器-执行器和多智能体系统等架构，构建具有规划、记忆、执行和自我修正能力的自主AI智能体。动手实验：构建自主智能体，实现长期记忆，启用任务分解，并添加人在回路（HITL）控制。

第9节 — 全栈LLM应用开发
你将使用基于FastAPI的后端、流式响应和前端聊天界面，将AI集成到真实应用中，同时管理跨会话的状态、记忆和上下文。动手实验：构建一个具有流式聊天、会话记忆、持久化存储和上下文修剪策略的全栈LLM应用。

第10节 — 评估、成本与性能优化
本节教你如何使用人工和自动化评估、准确性、相关性和忠实度指标来衡量和优化AI系统，以及如何通过令牌优化、缓存和模型路由来降低成本。动手实验：构建评估框架，实现响应缓存，比较不同等级模型，并进行延迟和负载测试。

第11节 — 伦理、安全与负责任AI
你将学习如何使用护栏、输出过滤、基于策略的控制和企业治理框架，负责任地部署AI，以确保安全性、合规性和可信度。动手实验：实现安全防御、提示注入防护、输出验证和符合企业要求的AI治理工作流。

完成本课程后，你将能够：

• 构建可用于生产的生成式AI系统
• 设计鲁棒的提示和智能体架构
• 实现RAG流程和语义搜索
• 开发全栈LLM应用
• 优化成本、延迟和可扩展性
• 部署安全、合规、企业级的AI

下载说明：
温馨提示：本产品封面图片为 AI 生成，仅用于展示参考。课程内容、服务及相关权益以实际购买课程为准。
1、成为会员获取资源更划算！
2、资源默认为百度网盘、123网盘链接，请用浏览器打开输入提取码不要有多余空格，如无法获取 请联系站长补发。
3、分卷压缩包资源 需全部下载后解压第一个压缩包即可，下载过程不要强制中断，建议用winrar解压或360解压缩软件解压！
4、1li学习站所发布资源仅供用户自学自用，用户需以学习为目的，按需下载，严禁批量采集搬运共享资源等行为，望知悉！！！
5、1li学习站，感谢您的赞赏与支持！平台所收取打赏费用仅作为平台服务器租赁及人员维护资金 费用不为素材本身费用，望理解知悉！平台资源仅供用户学习观摩使用，请下载24小时内自行删除，如需商用请支持原版作者！请知悉并遵守！