AI Engineer Bootcamp — 课程总览

UPGRADED · 第五期

第五期 vs 第四期 — 体量 1.8× + 架构 4 → 10 phases 大重构

第四期把 Agent 体系压缩在一个 phase 里粗讲，2026 的 AI Engineer 已经不够用。第五期把 Agent 拆成 Capability / Agent Core / Multi-Agent / Memory / Harness 五个独立 phase，新增 62 个互动 Lab，覆盖 Claude Code Harness、SubAgent、MCP 等 2026 核心能力。

第四期 · V1

96节课

LIVE 52 · INFO 44 · LAB 0 · QUEST 0 · VIDEO 0

P1 · GenAI 基础 + Context Eng20

P2 · RAG 系统全栈开发29

P3 · AI Agents 工程化25

P4 · 模型优化 + Evals + 毕业22

⚠️ 4 个 phase 把 Agent / Memory / Harness 全揉一起 · 0 个 Lab · 没有 Claude Code 工具链实操

DELTA

+76

+79%

4 → 10 phases

→

第五期 · V2 ✨

172节课

LIVE 59 · INFO 46 · LAB 62 · QUEST 1 · VIDEO 4

P1 · Foundation Layer33

P2 · Context Engineering18

P3 · RAG45

P4 · Capability Layer11

P5 · Agent Core9

P6 · Multi-Agent11

P7 · Memory System 🆕2

P8 · Harness Engineering 🆕8

P9 · Model Layer18

P10 · Observability & Evals17

✅ 62 个 Lab 独立成课 · 新增 Memory / Harness 两个 phase · 覆盖 Claude Code 架构 / SubAgent / MCP 2026 核心能力

📊 升级维度拆解 · Charts DATA VIZ

① 内容构成 — 按课程类型

堆叠条形图 · 以第五期总课时为基准

LIVE 直播 INFO 自学 LAB 互动 VIDEO 录播 QUEST 实战

          第四期 · V1
          96 课
        

          第五期 · V2 ✨
          172 课
        

LAB 0 → 62（全新互动）· LIVE 52 → 59（+7）· INFO 44 → 46（+2）· 新增 4 节录播 + 1 节 Quest

② Phase 架构重构 — 4 → 10

每个旧 phase 在 V2 拆成多少个 phase + 课时增量

V1 · P1 GenAI 基础 (20) +31 · 2.6×

→ V2 · P1 Foundation (33) + P2 Context Eng (18) = 51

V1 · P2 RAG (29) +16 · 1.6×

→ V2 · P3 RAG (45)

V1 · P3 Agents (25) 🔥 +16 · 1.6× · 拆 5 phases

→ V2 · P4 Capability (11) + P5 Agent Core (9) + P6 Multi-Agent (11) + P7 Memory 🆕(2) + P8 Harness 🆕(8) = 41

V1 · P4 Evals + 毕业 (22) +13 · 1.6×

→ V2 · P9 Model Layer (18) + P10 Observability & Evals (17) = 35

③ 能力升级矩阵 — 学完之后具体多会什么

维度	第四期 V1	第五期 V2 ✨
Lab 互动练习	❌ 0 个，全是听讲 + 看录播	✅ 62 个 Lab：Python · LangChain · RAG · Agent · MCP · Eval 全覆盖
Agent 体系深度	⚠️ 1 个 phase 25 节，Agent / Memory / Harness 全揉一起	5 个独立 phase 41 节（Capability · Agent Core · Multi-Agent · Memory · Harness）
Harness Engineering	❌ 无	✅ P8 独立模块 8 节：Claude Code 架构剖析 + Tool Loop + Patterns + Skills 范式
Memory System	❌ 无独立讲解	✅ P7 独立 phase + 后续应用集成
Observability & Evals	塞在 P4 毕业前的 22 节里	✅ P10 独立 17 节深拆（LangSmith · Phoenix · 自建 Eval Pipeline）
学完具体多会做	能搭 RAG · 知道 Agent 是什么	独立交付生产级 Agent System：自建 Harness · Multi-Agent 协作 · Memory · 完整 Eval Pipeline

从学会到就业 · 完整时间线

12 周技术课程 + 12 周 P3 真实项目 + 求职全流程，直到拿到 Offer

W1-3

W4-6

W7-9

W10-12

W13-16

W17-20

W21-24

月 1

月 2

月 3

月 4

月 5

月 6

月 7

技术课程

12 WEEKS

Foundation

Context

P3 — RAG

GraphRAG · LangChain · Eval

Capability

Agent

Multi-Agent

Memory

Harness

Model Layer

P10

Evals

ISA 启动
      

3 个 RAG 项目
      

Agent 项目
      

毕业 Demo
      

P3 职业孵化

12 WEEKS

招募
组队

Sprint 1
MVP 构建

Sprint 2
集成 Review

中期审查

Sprint 3-4
完善 + 测试

Code
Freeze

Demo
Day

求职落地

ONGOING

简历优化
LinkedIn + CV

模拟面试
Mock Interview

企业内推 + 面试
Job Referral

Offer

7 个课程项目 + P3 真实企业项目 + 求职全套支持 — 毕业时你有：可 Demo 的项目组合、企业级开发经验、导师推荐信、面试 Case Study

COURSE OBJECTIVES

你将掌握的核心能力

01 Context Engineering
设计 LLM 上下文架构、记忆管理、信息脚手架，不只是写 Prompt

02 RAG + GraphRAG
从向量检索到知识图谱增强检索，构建混合检索系统

03 Capability + Agent Core
Function Calling · MCP · 三大 Agent SDK 对比 · Agentic RAG

04 Multi-Agent + Memory
LangGraph 多 Agent 协作 + A2A 协议 + STM/LTM 记忆系统

05 Harness Engineering
Harness 架构 · Hook System · Skills 范式 · Agent 治理

06 Model Layer + Observability
QLoRA/Unsloth 微调 + AI Eval + Safety + Red-teaming + 监控

TARGET AUDIENCE

谁适合这个训练营

数据科学家 / ML 工程师
补齐 Agent 工程化和 Context Engineering 短板，做能落地的 AI 系统

软件工程师
用 Agent SDK 构建生产级 AI 应用，转型 AI Engineer

DevOps / 云工程师
掌握 AI 应用部署运维和 Eval 流水线，转型 AI Infra

AI 创业者 / SaaS 团队
快速搭建 Multi-Agent 产品原型，用 Eval 保障质量上线

PREREQUISITES

先修要求

1. Python 编程基础 — 基本语法和数据操作，能独立写脚本
2. RESTful API 开发经验 — 熟悉 CRUD API 搭建（Python / JavaScript / .NET 均可）
3. 云平台基础 — 了解 AWS 或 Azure 基本操作（EC2、Lambda 等）
4. Git 版本控制 — 会创建 branch、Pull Request、用 rebase 解决 conflicts

查看课程架构全景图 →

PHASE 01

Foundation Layer

GenAI 全景 · Transformer · LLM API · ML/DL 基础

33 lessons · 基座层

PHASE 02

Context Engineering

Prompt Engineering · Context 系统设计 · 结构化输出 · Vibe Coding

18 lessons · 上下文层

PHASE 03

RAG

Embedding · 向量数据库 · RAG Pipeline · GraphRAG · LangChain · RAG Eval

45 lessons · 知识检索层

PHASE 04

Capability Layer

Function Calling · Tool Use · MCP Server · Browser Use · Computer Use

11 lessons · 能力层

PHASE 05

Agent Core

Agent SDK 对比 · ReAct · 构建 Agent · Agentic RAG

9 lessons · Agent 核心

PHASE 06

Multi-Agent & Orchestration

Multi-Agent 架构 · LangGraph · A2A Protocol · Agent Ops

11 lessons · 编排层

PHASE 07

Memory System

STM/LTM · Agent Memory · Mem0 · Session 管理

2 lessons · 记忆系统

PHASE 08

Harness Engineering

Harness 架构 · Hook System · Skills 范式 · ADLC

8 lessons · 治理层

PHASE 09

Model Layer

Open-Weight Models · Fine-Tuning · QLoRA · Unsloth · PEFT

18 lessons · 模型层

PHASE 10

Observability & Evals

AI Eval · Safety · Guardrails · Red-teaming · 监控 · 毕业

17 lessons · 评测 + 毕业

P3 CAREER INCUBATOR

P3 职业孵化器 · 12 周真实项目实战

课程结束不等于学完了。P3 是 JR Academy 的核心差异化 — 你和 3-5 人团队一起，用课上学的 AI 技术栈，交付一个真实的生产级项目。有导师 Code Review，有 Sprint 节奏，有 Demo Day 面向企业展示。
5,000+ 学员通过 P3 成功转行，这不是模拟项目，是你简历上最有说服力的一行。

WEEK 0

Kickoff

组队 + 选题 + 角色分工

WEEK 2

Sprint 1

MVP 范围 + 第一版构建

WEEK 4

Sprint 2

集成 + Code Review

WEEK 5

中期审查

导师检查 + 方向调整

WEEK 7

Sprint 3

功能完善 + 测试

WEEK 10

Code Freeze

代码冻结 + 稳定化

WEEK 12

Demo Day

面向企业展示 + 结业

真实项目交付
3-5 人团队，用 RAG + Agent + Eval 技术栈交付生产级 AI 应用。导师来自 Meta、Microsoft、Amazon 等公司，每周 Code Review。

Sprint 驱动开发
4 个 Sprint 周期，每次有 Planning → Standup → Review → Retro 完整流程，和真实工作节奏一致。

Demo Day 企业展示
10 分钟 Live Demo + 5 分钟 Q&A，面向招聘合作企业。优秀项目直接获得面试机会。

求职资产生成
项目 Case Study + STAR 面试故事 + 简历 bullet points + LinkedIn highlights — 全部从真实项目经验中生成。

P3 团队角色 (AI Engineer 方向)

AI Dev DevOps PM QA / Eval Data

CAPSTONE PROJECTS

7 个可放进简历的实战项目

P1 Intelligent Study Assistant (ISA)
贯穿全课程的 GenAI Capstone — 从 Prompt 到 Agent 逐步升级

P2 Context-Driven App
构建一个 Context Engineering 驱动的 AI 应用

P3 RAG from Scratch
纯 Python 实现 RAG — Embedding + 向量检索 + LLM 生成

P4 Production RAG + GraphRAG App
支持 GraphRAG + 混合检索的生产级 RAG 应用

P5 Multi-Agent RAG with Agent SDK
用 3 大 Agent SDK 构建多 Agent RAG 系统

P6 Production Agent System
含 MCP 工具 + Agent Memory + A2A 互操作的生产 Agent

P7 Fine-Tuned Model + Eval Pipeline
QLoRA 微调 + 完整 Eval 框架

TECH STACK

技术工具栈

LLM Providers

GPT-4oClaudeDeepSeekQwen 3.5Llama 4

框架

LangChainLangGraphMem0FastAPI

Agent SDK

OpenAI Agents SDKClaude Agent SDKGoogle ADK

Fine-Tuning

QLoRAUnslothLLaMA-FactoryHuggingFace

评估

RAGASLangfuseLangSmithBraintrust

部署

AWS BedrockDockerStreamlitvLLM

常见问题

需要什么编程基础？

需要 Python 基础（变量、函数、数据结构）和 RESTful API 开发经验。如果你写过 Flask/FastAPI/Express 做过 CRUD，基础就够了。不需要 ML/DL 经验，课程从 Transformer 原理讲起。

Context Engineering 和 Prompt Engineering 有什么区别？

Context Engineering 是 Prompt Engineering 的升级。Prompt 只关注提示词文本，Context Engineering 关注整个信息架构：检索什么数据、如何管理记忆、怎么设计信息脚手架。Gartner 2026 年正式定义，57% 的 Agent 失败是上下文设计失败，不是模型问题。

和其他 AI 课程有什么区别？

市面上的 AI 课要么只教理论，要么只教 API 调用。我们从 Context Engineering 开始，一路做到 GraphRAG + 三大 Agent SDK 对比 + AI Eval Engineering，7 个实战项目全部可部署到生产环境。重点是工程化落地，不是 Notebook 跑 Demo。

需要 GPU 吗？

Phase 1-8 不需要 GPU，用 API 调用就行。Phase 9 (Model Layer) Fine-Tuning 部分用 Google Colab (免费 T4 GPU) 或 AWS EC2 GPU 实例。课程会教你用 Unsloth + QLoRA 在消费级硬件上微调，比传统方式省 60% 显存。

ISA Capstone Project 是什么？

Intelligent Study Assistant — 一个贯穿全课程的实战项目。Foundation + Context Engineering 阶段搭基础版，RAG Phase 加文档检索，Agent Core + Multi-Agent 阶段加工具调用和多轮推理，Model Layer 阶段用 Fine-Tuning 优化。每个 Phase 结束时你的 ISA 都会升级一次。

为什么要学 3 个 Agent SDK？

OpenAI Agents SDK 最简洁（handoff 模式），Claude Agent SDK 工具集成最深（MCP 原生），Google ADK 企业级最强（A2A 原生）。企业项目经常混用，面试也会问对比。课上每个 SDK 都会动手做同一个任务，形成自己的判断。

课程结束后能做什么？

你能独立构建 RAG + GraphRAG 系统、Multi-Agent 应用、Eval 流水线，并部署到生产环境。简历上有 7 个可 Demo 的项目。目标岗位：AI Engineer、AI Agent Developer、AI Eval Engineer、LLM Engineer。

课程是中文还是英文？

直播用中文授课，代码和文档用英文（和真实工作一致）。课程标题和技术术语保留英文原名，降低你看英文文档的门槛。

WHAT'S NEW

第五期 vs 第四期 — 课程升级对比

维度	第四期	第五期 (新)	变化
课程规模
课程结构	96 个独立条目罗列	35 个结构化 Lesson (含 265 个 Step)	重构
互动 Lab 集成	0 个 Lab	52 个互动 Lab 嵌入课程	新增
Learn 章节集成	0 个 Learn 章节	47 个 Learn 章节嵌入	新增
学习模式	老师讲概念 → 带做 Lab	翻转课堂：Lab 自学 → 直播项目	升级
每课内容	标题 + 描述（56% 无描述）	CONCEPT → LAB → MCQ → SCENARIO → PROJECT 完整序列	升级
内容质量分	41.2 / 100	每个 Step 有具体内容 + Lab slug	升级
技术内容升级
Phase 1 核心	Prompt Engineering	Context Engineering	升级
Vibe Coding	无专课	Cursor + Claude Code 专课	新增
RAG	向量检索 RAG	+ GraphRAG + 混合检索	升级
Agent 框架	LangChain Agent 为主	OpenAI / Claude / Google ADK 三大 SDK 对比	升级
Agent Memory	ConversationBufferMemory	Mem0 三层记忆 + Graph Memory	新增
MCP	整个 Phase 5 (8 节课)	压缩为 1 课 (已标准化)	精简
A2A 协议	无	Agent-to-Agent 互操作标准	新增
Computer Use	无	Claude Computer Use + Operator	新增
AI Eval	RAGAS 1 课	Eval Engineering 整周 + Red-teaming + Safety	升级
Fine-Tuning 工具	PEFT + QLoRA	+ Unsloth (2x 速度) + LLaMA-Factory (GUI)	升级
Open-Weight 模型	Llama 3.1	DeepSeek + Qwen 3.5 + Llama 4 + 模型路由	升级
Multi-Agent 框架	AutoGen + CrewAI + LangGraph	LangGraph 为主 + Agent SDK 原生多 Agent	调整
运营效率
直播时长	~60h	~36h (-40%)	降本
学生实操时间	课上 ~1h/周	Lab 3-4h/周 (+300%)	增效
需新建 Lab	—	仅 6 个（复用 110+ 现有资源）	降本
P3 职业孵化	有	有 + 时间轴可视化 + 求职闭环	强化

第五期核心升级：课程从 96 个独立条目重构为 35 个结构化 Lesson，嵌入 52 个互动 Lab + 47 个 Learn 章节。技术上跟进 2026 市场（Context Engineering、Agent SDK、GraphRAG、AI Eval）。运营上用翻转课堂模式砍掉 40% 直播时间，学生实操提升 300%。

课程架构全景图查看完整课程大纲 JD 需求 vs 课程对照翻转课堂学习方案