- 课程目录
- 课程介绍
-
在线阅读：开篇词｜从对话到陪伴：大模型应用开发的全景实战课
每一个改变世界的AI，都始于一行简单的代码。当你开启这门课的时候，你已经站在了时代的潮头，让我们结合“心语”实战项目，一起掌握全新的创造范式，缔造有温度的智能体。
-
直播回放｜1 小时带你入门大模型应用开发
本次直播将带你了解大模型应用开发的系统方法论。从大语言模型底层逻辑，到实战搭建情感聊天应用；从聊天应用功能设计、基础搭建部署到商业化探索，全方位为你呈现大模型应用开发的关键要点与实施步骤。
-
在线阅读：01｜蓝图构建：大模型应用开发全景图
这一讲，将是整个专栏的“地图”。我们将一起绘制一张大模型应用开发的全景图，从基础范式到核心路径，从技术选型到生产落地，帮你建立完整的认知框架。
-
02｜场景选择：为什么选择情感聊天切入？
今天，我们将聚焦一个看似简单却极具代表性的应用方向——情感聊天机器人，并以此为切入点，深入探讨大模型应用开发的典型场景选择逻辑、商业与社会价值实现路径，以及如何通过小场景验证大系统的可行性。
-
03｜架构与选型：如何从0到1构建AI情感伙伴？
今天我将带你完成一次完整的端到端实践之旅——从一个模糊的创意“我想做一个能倾听、理解并回应情绪的AI伙伴”，到最终构建出一个具备上下文感知、人格化表达、长期记忆与安全机制的可运行原型系统。
-
04｜“黑箱”揭秘：Transformer架构与文本生成机制
今天我将带你穿透大模型的“黑箱”，走进其最核心的神经网络架构——Transformer，并揭示它如何实现令人惊叹的文本生成能力。
-
05｜Prompt工程入门：如何让大模型精准理解你的情感聊天需求
今天我们将以“情感聊天机器人”为具体场景，带你从零开始掌握Prompt工程的核心原则与实战技巧。
-
06｜上下文管理技巧：打造连贯自然的情感聊天对话体验
如何让AI记住用户、理解对话脉络，并在此基础上，构建连贯、自然且有温度的长期互动体验？
-
07｜从“对话机器”到“陪伴伙伴”：用Agent架构重塑情感聊天机器人的智能边界
要实现真正的智能陪伴，我们需要一次范式的跃迁：从被动响应走向主动服务，从语言模型调用者变为智能体（Agent）设计者**。而这，正是今天的核心主题。
-
08｜检索增强生成：让大模型“言之有据
RAG是为AI接入真实世界的“知识大脑”。它是连接大模型与外部信息源的桥梁，是确保AI输出可信、可控、可追溯的关键一环。
-
09｜开发环境搭建：大模型应用项目初始化
通过这一讲的学习，你将获得一个可复用、可扩展、生产就绪的大模型应用项目模板，为后续实现更多功能打下坚实基础。
-
10 | 向量数据库入门：为情感聊天机器人注入长期记忆
今天我们将深入向量数据库的核心原理与工程实践，手把手带你为“心语”情感聊天机器人注入长期记忆能力，让它从“即时响应的AI”进化为“真正懂你、记得你”的数字伙伴。
-
11｜核心功能开发 1：用户输入处理与情感意图识别
用户输入处理与情感意图识别是连接用户与AI之间的“理解之桥”，是让情感聊天机器人从“通用对话模型”进化为“个性化陪伴伙伴”的核心技术环节。
-
12｜核心功能开发 2：大模型响应生成与情感匹配优化
我们将深入大模型响应生成机制，聚焦**情感匹配优化**这一关键环节，系统性地构建一个既能精准理解用户情绪、又能生成个性化、共情式回复的智能对话系统。
-
13｜界面设计入门：Python+React搭建情感聊天可视化界面
今天我们的核心任务，就是完成这场从后台智能到前台体验的关键跃迁——为“心语”打造一个真正可用、可感、可信的可视化界面。
-
14｜情感分析集成：让大模型读懂用户情绪并给出适配回复
今天我们将系统讲解情感分析技术的原理、工具选型、集成路径与应用优化策略。
-
15｜个性化配置：支持用户自定义聊天风格、语气与角色设定
个性化，是人机关系从“功能交互”升维至“情感连接”的最后一道门槛。今天我们将聚焦于个性化配置这一核心功能。
-
16｜多轮对话优化：基于记忆机制实现上下文连贯交互
这一讲，我们将聚焦于“多轮对话优化”这一关键课题，深入探讨如何基于记忆机制，实现上下文连贯、逻辑自洽、情感递进的高质量对话体验。
-
17｜敏感内容过滤：保障情感聊天应用的合规性与安全性
在追求“有温度”的AI体验的同时，我们必须为系统筑起一道坚固的安全护栏——这就是敏感内容过滤的意义。
-
18｜本地知识库接入：让情感聊天具备专属领域知识应答能力
今天我们会聚焦工程实现细节，带你完成从文档预处理、知识切片、向量嵌入、语义检索到结果融合的全链路开发，构建一个真正“言之有据、用之有效”的行业级AI应用雏形。
-
19｜性能优化技巧：提升情感聊天应用的响应速度与稳定性
这一讲，我们将系统性地探讨大模型应用在实际运行中的性能瓶颈，并提供可落地的优化策略。
-
20｜多模态情感交互：集成图片、语音的沉浸式聊天体验开发
今天，我们将为“心语”注入视觉与听觉的感知能力，让它不仅能读”你的话，还能看你的图、听你的声，实现沉浸式情感陪伴。
-
21｜微调实战：基于私有数据优化情感聊天模型效果
微调允许我们基于特定领域、特定人群、特定任务的私有数据，对预训练大模型进行针对性优化，使其在特定场景下表现更精准、更专业、更具个性化。
-
22｜插件开发：为情感聊天应用添加天气、新闻等扩展功能
我们将以“心语”机器人为基础，通过构建可扩展的插件系统，为其接入天气查询、新闻推送、日程管理、音乐播放等实用功能。
-
23｜A/B 测试实践：对比不同模型与Prompt方案的聊天效果
今天我们将会进大模型应用开发的最后一公里——通过系统化的A/B测试，将主观体验转化为可衡量、可比较、可优化的数据指标，实现从“我觉得好”到“数据证明好”的关键跃迁。
-
24｜多平台部署指南：从本地运行到云服务器、Docker容器上线
今天，我们将系统讲解如何将“心语”机器人部署到多种主流平台。
-
25｜应用监控与运维：日志分析、性能监控及故障快速恢复
这一讲作为“落地篇”的核心章节，将承接上一章的多平台部署，搭建一套“可观测、可预警、可快速恢复”的运维体系。
-
26｜大模型应用商业化路径：从情感聊天到垂直领域解决方案的拓展
今天我们将以“心语”为原型，系统拆解大模型应用的商业化路径。
-
结束语｜ 让AI更有温度，让陪伴更懂你
旅程的最后，回看我们心语机器人的完整构建，我们一起完成的不只是一个个功能的实现，更是一次对“何为智能”的深度思考。
-
结课测试｜来检验一下你的学习结果吧！
课程告一段落，我特意准备了一套结课测试题来检验一下你的学习效果吧！
课程介绍
你将获得 掌握智能应用开发的核心原理与技术范式 熟悉企业级 AI 应用开发的完整工程链路 从 0 到 1 实现情感聊天 Agent 项目（含配套代码） AI 原生类产品的思维跃迁 讲师介绍 课程介绍 Prompt...你将获得
- 掌握智能应用开发的核心原理与技术范式
- 熟悉企业级 AI 应用开发的完整工程链路
- 从 0 到 1 实现情感聊天 Agent 项目（含配套代码）
- AI 原生类产品的思维跃迁
讲师介绍
课程介绍
- Prompt 写了一百遍，回答依然似是而非。
- 想让模型回答企业内部知识，却发现它凭空编造。
- 构建了一个 RAG 系统，检索结果明明相关，生成的答案却驴唇不对马嘴。
- 设计了一个 Agent 流程，结果模型在循环中无限兜圈，始终无法收敛。
- 上线后成本飙升，延迟高达十几秒，用户体验极差。
问题的根源是缺乏系统方法论——大模型开发早已超越“提示词+API”的简单组合，成为融合AI理论、软件工程与产品设计的综合性学科。
为此我们邀请了袁从德老师开设《大模型应用一站式开发》课程。我们将通过一个情感聊天应用项目的全流程实战，带你深入开发全生命周期，构建一个真正的AI原生产品。课程里学到的技术框架、架构与产品思维、智能体实现方法，也能迁移到其他大模型应用开发上。
课程设计
为了实现这一目标，课程精心设计了六大模块。
认知篇：建立大模型应用开发的全景图，提前认识主流开发框架，了解大模型应用开发的实现环节与核心挑战。
基础篇：以直观类比 + 图解思维 + 工程视角的方法，为你解读大模型底层逻辑，剖析Transformer 架构、文本生成机制、Prompt工程、Agent架构与RAG背后的原理。
实战篇（一）：从零开始，实现“心语”心理健康陪伴机器人，完成环境搭建、界面设计、记忆注入和核心功能（识别用户情感意图并予以回应）的开发。通过这一章，你将获得一个可复用、可扩展、生产就绪的大模型应用项目模板，为后续的进阶学习打好基础。
实战篇（二）：为“心语”项目实现个性化配置和更精准的情感分析功能，完成多轮对话的优化，并接入本地知识库。考虑到安全与合规要求，我们还将学习如何过滤敏感内容。此外，还会学习性能优化技巧，提升应用的响应速度与稳定性。
进阶篇：探索多模态能力的实现方法，掌握如何集成语音与图像能力、专属模型的微调方法、插件开发与A/B测试等等内容。让你的大模型应用开发水平更进一步。
落地篇：学习如何将应用部署到云服务器，使用Docker容器化，实现高可用与弹性扩展。同时建立监控系统，实时跟踪性能、错误率、用户反馈，确保系统稳定运行。此外，还会带你畅想大模型应用的商业化路径。
课程目录
适合人群
