🔒 课程大纲管理 — AI Engineer Bootcamp
内部使用 · 更新于 2026-04-05 ·
课程概览
·
学生版大纲
展开全部
收起全部
课程信息
课程
AI Engineer Bootcamp
时长
12 周（96 节课，直播 + 录播 + 自学）
难度
中级进阶
总课时
96 节课（直播 52 节）
预计学时
82 小时
描述完成度
0/96 已填写
待办事项
⚠️ L01 — 缺 description
⚠️ L02 — 缺 description
⚠️ L03 — 缺 description
⚠️ L04 — 缺 description
⚠️ L05 — 缺 description
⚠️ L06 — 缺 description
⚠️ L07 — 缺 description
⚠️ L08 — 缺 description
⚠️ L09 — 缺 description
⚠️ L10 — 缺 description
⚠️ L11 — 缺 description
⚠️ L12 — 缺 description
⚠️ L13 — 缺 description
⚠️ L14 — 缺 description
⚠️ L15 — 缺 description
⚠️ L16 — 缺 description
⚠️ L17 — 缺 description
⚠️ L18 — 缺 description
⚠️ L19 — 缺 description
⚠️ L20 — 缺 description
... 还有 76 项
PHASE 1: GenAI 基础 + Context Engineering (Week 1-3)
20 节课
L01
📖 自学
Pre-work：必要知识储备
50min
❌
9 Lab
无 Learn
描述
未填写
Lab
python-lab: python-hello
python-lab: python-variables
python-lab: python-functions
python-lab: python-api-basics
git-lab: git-first-commit
git-lab: git-branch-basics
aws-lab: ec2-basics
aws-lab: iam-basics
aws-lab: secrets-manager
教学步骤 (11)
先修要求 → Python Lab: python-hello → Python Lab: python-variables → Python Lab: python-functions → Python Lab: python-api-basics → Git Lab: git-first-commit ... (+5)
L02
📖 自学
Preparation：开发环境配置
25min
❌
3 Lab
无 Learn
描述
未填写
Lab
python-lab: python-openai-api
python-lab: python-json
aws-lab: s3-storage
教学步骤 (6)
IDE + venv + API Key 配置 → Python Lab: python-openai-api → Python Lab: python-json → AWS Lab: s3-storage → OpenAI API 连通性验证 → 环境检查
L03
📖 自学
LLM API 入门
5min
❌
描述
未填写
教学步骤 (2)
各家 LLM API 快速入门 → 检查
L04
🔴 直播
GenAI Overview + Ops
120min
❌
4 Lab
2 Learn
描述
未填写
Lab
llm-lab: first-llm-experience
llm-lab: llm-concepts
llm-lab: llm-api-hands-on
prompt-lab: ai-basics
Learn
ai-engineer/llm-api-basics
ai-engineer/ai-model-comparison
教学步骤 (10)
AI Engineer: llm-api-basics → AI Engineer: ai-model-comparison → LLM Lab: first-llm-experience → LLM Lab: llm-concepts → GenAI 全景图 + AI Engineer 角色定位 + LLM Ops → LLM Lab: llm-api-hands-on ... (+4)
L05
🔴 直播
开课讲解会
30min
❌
描述
未填写
教学步骤 (3)
课程结构 4 Phase + 7 Project + 评估方式 → 学员介绍 + 分组 + ISA 方向确认 → 12 周学习计划
L06
📖 自学
Structured Data vs Unstructured Data
15min
❌
描述
未填写
教学步骤 (3)
结构化 vs 非结构化数据 → LLM 处理非结构化数据的优势 → 数据类型检查
L07
📖 自学
Introduction to Machine Learning
15min
❌
描述
未填写
教学步骤 (3)
ML 核心概念 → 特征工程、训练/验证/测试集、过拟合 → ML 基础检查
L08
📖 自学
Supervised, Unsupervised & Reinforcement Learning
15min
❌
描述
未填写
教学步骤 (3)
三大学习范式 → RLHF 在 LLM 中的应用 → 学习范式检查
L09
📖 自学
Introduction to Deep Learning
20min
❌
1 Lab
无 Learn
描述
未填写
Lab
llm-lab: ai-ml-basics
教学步骤 (4)
神经网络基础 → CNN/RNN 到 Transformer 的演进 → LLM Lab: ai-ml-basics → DL 基础检查
L10
📖 自学
AI 模型对比参考
5min
❌
描述
未填写
教学步骤 (2)
GPT-4o vs Claude vs Gemini vs Llama 4 vs DeepSeek vs Qwen 对比 → 模型对比检查
L11
🔴 直播
Transformer Architecture + API
120min
❌
2 Lab
3 Learn
描述
未填写
Lab
llm-lab: transformer-attention
prompt-lab: model-parameters
Learn
prompt-master/basics
prompt-master/elements
prompt-master/settings
教学步骤 (11)
Prompt Master: basics → Prompt Master: elements → Prompt Master: settings → The Transformer Architecture → Input Embeddings → LLM Lab: transformer-attention ... (+5)
L12
📖 自学
GenAI Capstone Project: ISA
16min
❌
描述
未填写
教学步骤 (3)
ISA 项目说明 + 评分标准 → 每 Phase 的 ISA 升级路径 → ISA Proposal 提交
L13
🔴 直播
The Four Prototyping Patterns
60min
❌
2 Lab
3 Learn
描述
未填写
Lab
prompt-lab: zero-shot
prompt-lab: few-shot
Learn
prompt-master/zero-shot
prompt-master/few-shot
prompt-master/prompt-chaining
教学步骤 (10)
Prompt Master: zero-shot → Prompt Master: few-shot → Prompt Master: prompt-chaining → Prompt Lab: zero-shot → Prompt Lab: few-shot → 四大模式决策矩阵 ... (+4)
L14
🔴 直播
Context Engineering: From Prompts to Systems
90min
❌
6 Lab
2 Learn
描述
未填写
Lab
prompt-lab: context-engineering
prompt-lab: context-management
prompt-lab: chain-of-thought
prompt-lab: system-prompt-design
prompt-lab: output-format
prompt-lab: json-schema
Learn
ai-engineer/context-fundamentals
ai-engineer/context-engineering-memory
教学步骤 (15)
AI Engineer: context-fundamentals → AI Engineer: context-engineering-memory → Context Engineering 定义 + Gartner 2026 (57% Agent 失败是上下文失败) → Prompt Lab: context-engineering → Prompt Lab: context-management → 四层上下文：System / Retrieved / Memory / Task ... (+9)
L15
🔴 直播
Vibe Coding: AI-Assisted Development
120min
❌
1 Lab
7 Learn
描述
未填写
Lab
prompt-lab: code-generation
Learn
vibe-coding/what-is-vibe-coding
vibe-coding/install-cursor
vibe-coding/first-prompt
vibe-coding/vibe-mindset
vibe-coding/debug-with-ai
vibe-coding/pair-programming
vibe-coding/cursor-rules
教学步骤 (12)
Vibe Coding: what-is-vibe-coding → Vibe Coding: install-cursor → Vibe Coding: first-prompt → Vibe Coding: vibe-mindset → Prompt Lab: code-generation → Cursor vs Claude Code 现场对比 + .cursorrules / CLAUDE.md ... (+6)
L16
📖 自学
Building Your First GPT in GPT Store
120min
❌
描述
未填写
教学步骤 (3)
从创建到发布 Custom GPT 完整流程 → 构建一个有明确场景的 Custom GPT → GPT Store 检查
L17
📖 自学
Context Engineering Playbook
33min
❌
2 Lab
3 Learn
描述
未填写
Lab
prompt-lab: prompt-evaluation
prompt-lab: self-consistency
Learn
ai-engineer/context-compression-optimization
ai-engineer/context-degradation-patterns
prompt-master/cot
教学步骤 (8)
AI Engineer: context-compression-optimization → AI Engineer: context-degradation-patterns → Prompt Master: cot → 上下文设计模式全集 → Context Window 管理策略 → Prompt Lab: prompt-evaluation ... (+2)
L18
📖 自学
Vibe Coding 工具对比
20min
❌
3 Learn
描述
未填写
Learn
vibe-coding/security-privacy
vibe-coding/prompt-patterns
vibe-coding/understand-ai
教学步骤 (5)
Vibe Coding: security-privacy → Cursor vs Claude Code vs Copilot 详细对比 → Vibe Coding: prompt-patterns → Vibe Coding: understand-ai → Vibe Coding 工具选择
L19
📖 自学
GenAI Toolbox
5min
❌
描述
未填写
教学步骤 (2)
AI 工具全景图：写作、代码、设计、数据分析 → 工具选择检查
L20
📖 自学
RAG 系统入门
5min
❌
描述
未填写
教学步骤 (2)
RAG 设计和实现参考 → 检查
PHASE 2: RAG 系统全栈开发 (Week 4-6)
29 节课
L21
🔴 直播
Introduction to Embeddings
30min
❌
2 Lab
2 Learn
描述
未填写
Lab
prompt-lab: rag-basics
llm-lab: rag-feature-pipeline
Learn
ai-engineer/rag-basics
prompt-master/rag
教学步骤 (8)
AI Engineer: rag-basics → Prompt Master: rag → Prompt Lab: rag-basics → LLM Lab: rag-feature-pipeline → Embedding Models vs LLM Chat Models + 相似度计算 → Embedding API + Cosine Similarity + t-SNE 可视化 ... (+2)
L22
🔴 直播
Embedding Models vs LLM Chat Models
90min
❌
1 Learn
描述
未填写
Learn
ai-engineer/rag-basics
教学步骤 (5)
AI Engineer: rag-basics → 用途、API、成本、维度差异 → 主流模型对比：OpenAI text-embedding-3, Cohere, BGE → 对比不同 Embedding Model 效果 → Embedding 模型检查
L23
🔴 直播
Introduction to RAG
30min
❌
1 Lab
1 Learn
描述
未填写
Lab
llm-lab: rag-inference-pipeline
Learn
ai-engineer/langchain-framework
教学步骤 (4)
AI Engineer: langchain-framework → LLM Lab: rag-inference-pipeline → RAG 架构 + Naive vs Advanced RAG + Vector Store 选型 → RAG 概念检查
L24
🔴 直播
RAG from Scratch in Python
120min
❌
描述
未填写
教学步骤 (5)
纯 Python + FAISS 全流程 coding → Query Rewriting + Re-ranking + Citation 优化 → RAG 实现检查 → RAG from Scratch 代码 + 优化对比 → AI 扮演用户不断提问，测试你的 RAG 系统回答质量并指出检索失败的 case
L25
📖 自学
RAG Builder Toolbox
5min
❌
描述
未填写
教学步骤 (2)
RAG 构建工具全景：Vector DB、Chunking 库、Embedding 服务 → 工具选型检查
L26
📖 自学
AI Resource Hub
3min
❌
描述
未填写
教学步骤 (1)
AI 学习资源合集：论文、博客、开源项目
L27
📖 自学
Building Simple User Interfaces in Python
30min
❌
描述
未填写
教学步骤 (4)
Streamlit / Gradio 快速搭建前端 → Streamlit vs Gradio 选型：适用场景 + API 对比 → 用 Streamlit 搭建简单聊天界面 → UI 框架检查
L28
📖 自学
PDF Parsing 101
90min
❌
1 Lab
1 Learn
描述
未填写
Lab
prompt-lab: cost-optimization
Learn
vibe-coding/data-rag
教学步骤 (6)
Vibe Coding: data-rag → PyPDF2, pdfplumber, Unstructured — 表格和图片处理 → 非结构化数据处理：表格提取、图片 OCR、多格式兼容 → Prompt Lab: cost-optimization → 解析一个多格式 PDF 并提取结构化数据 → PDF 解析检查
L29
🔴 直播
LLM Rate Limits
30min
❌
描述
未填写
教学步骤 (3)
Token 限制、RPM/TPM 限流、指数退避重试 → API 成本管理：预算、tracking、fallback → Rate Limiting 检查
L30
🔴 直播
P3 职业孵化器 Proposal
120min
❌
描述
未填写
教学步骤 (3)
P3 职业孵化器介绍：12 周 Sprint 节奏 + Demo Day + 求职闭环 → P3 项目方向讨论 + 组队 + 角色分工（AI Dev / DevOps / PM / QA / Data） → P3 Proposal（问题定义 + 技术选型 + 团队分工 + Sprint 计划）
L31
📖 自学
Budgeting and API Costs
12min
❌
描述
未填写
教学步骤 (2)
LLM API 成本估算、预算控制、fallback 策略 → 成本管理检查
L32
🔴 直播
Production RAG Application
90min
❌
3 Lab
1 Learn
描述
未填写
Lab
llm-lab: llm-tooling
aws-lab: lambda-serverless
aws-lab: serverless-api
Learn
vibe-coding/ship-a-feature
教学步骤 (7)
Vibe Coding: ship-a-feature → LLM Lab: llm-tooling → Streamlit + PDF + Rate Limiting 完整应用搭建 → AWS Lab: lambda-serverless → AWS Lab: serverless-api → Production RAG 检查 ... (+1)
L33
📖 自学
End-to-End RAG Toolbox
5min
❌
描述
未填写
教学步骤 (2)
完整 RAG 技术栈：Parser → Chunker → Embedder → Store → Retriever → 技术栈选型
L34
📖 自学
Introduction to LangChain
20min
❌
1 Learn
描述
未填写
Learn
prompt-master/prompt-chaining
教学步骤 (4)
Prompt Master: prompt-chaining → LangChain 设计哲学和模块总览 → LCEL pipe 语法概述 → LangChain 基础检查
L35
🔴 直播
LangChain Core Constructs
30min
❌
1 Lab
1 Learn
描述
未填写
Lab
prompt-lab: prompt-chaining
Learn
vibe-coding/api-fullstack
教学步骤 (5)
Vibe Coding: api-fullstack → Prompt Lab: prompt-chaining → LLMs, Prompts, Chains, Memory, Retrievers → LCEL 3-step Chain + Memory 多轮对话 → LangChain 检查
L36
🔴 直播
LangChain Expression Language
60min
❌
1 Lab
无 Learn
描述
未填写
Lab
prompt-lab: qa-system-design
教学步骤 (4)
Prompt Lab: qa-system-design → Chains and Runnables 声明式组合 → 自定义 Runnable + 日志和错误处理 → 用 LangChain 重写 RAG + 对比报告
L37
🔴 直播
Monitoring and Visibility with LangSmith
60min
❌
1 Lab
无 Learn
描述
未填写
Lab
llm-lab: mlops-llmops
教学步骤 (5)
LLM Lab: mlops-llmops → LangSmith Trace + Debugging + Dataset Testing → LangSmith 接入 + bottleneck 定位 + 10 条测试评测 → LangSmith 检查 → ISA 接入 LangSmith + 3 个 Trace 分析
L38
📖 自学
GraphRAG 入门
5min
❌
描述
未填写
教学步骤 (2)
GraphRAG 原理和应用场景 → 检查
L39
📖 自学
LLMs Overview
12min
❌
描述
未填写
教学步骤 (2)
主流 LLM 对比：GPT-4o, Claude, Gemini, Llama 4, DeepSeek, Qwen → 模型对比检查
L40
🔴 直播
GraphRAG + 混合检索
90min
❌
1 Lab
2 Learn
描述
未填写
Lab
aws-lab: opensearch-vector-search
Learn
prompt-master/graph-prompts
vibe-coding/data-rag
教学步骤 (10)
Prompt Master: graph-prompts → Vibe Coding: data-rag → 纯向量检索局限 + Knowledge Graph 构建 → 混合检索：Vector + BM25 + Graph 三路 + RRF → AWS Lab: opensearch-vector-search → Neo4j + LangChain GraphRAG 现场构建 ... (+4)
L41
🔴 直播
RAG Evaluation
60min
❌
1 Lab
无 Learn
描述
未填写
Lab
llm-lab: llm-evaluation
教学步骤 (3)
LLM Lab: llm-evaluation → 四指标：Context Recall, Precision, Relevancy, Faithfulness → RAG Eval 检查
L42
🔴 直播
RAG Metrics 详解
120min
❌
1 Lab
无 Learn
描述
未填写
Lab
prompt-lab: prompt-evaluation
教学步骤 (5)
Prompt Lab: prompt-evaluation → 每个指标的计算方式和优化策略 → 根据评估结果优化 RAG（调 Chunking / Retrieval / Prompt） → Metrics 检查 → AI 扮演 ML Engineer 挑战你的评估方法论 — 为什么选这个指标？阈值怎么定的？
L43
🔴 直播
Vibe Coding for RAG Optimization
120min
❌
3 Learn
描述
未填写
Learn
vibe-coding/ship-a-feature
vibe-coding/multi-file
vibe-coding/ai-testing-quality
教学步骤 (6)
Vibe Coding: ship-a-feature → Vibe Coding: multi-file → Vibe Coding: ai-testing-quality → 用 AI 辅助快速迭代优化 RAG 代码 → 用 Cursor/Claude Code 做 RAG 优化 → Vibe Coding 实操检查
L44
🔴 直播
RAGAS Framework
60min
❌
描述
未填写
教学步骤 (3)
RAGAS 自动化评估框架 → 用 RAGAS 评估 W4-W6 所有 RAG 应用 → RAGAS 检查
L45
🔴 直播
Langfuse
60min
❌
描述
未填写
教学步骤 (3)
Langfuse 开源 LLM 可观测平台 → 接入 Langfuse + 对比 LangSmith vs Langfuse → Langfuse 检查
L46
📖 自学
RAG Evaluation Toolbox
5min
❌
描述
未填写
教学步骤 (2)
RAG 评估工具全景：RAGAS, Langfuse, TruLens, DeepEval → 工具对比
L47
📖 自学
GraphRAG 技术全景
8min
❌
描述
未填写
教学步骤 (3)
GraphRAG vs RAPTOR vs HippoRAG 对比 → Knowledge Graph 构建工具链 → GraphRAG 工具选型
L48
🔴 直播
RAG QA Application with LangChain
120min
❌
描述
未填写
教学步骤 (3)
综合架构：LangChain + ChromaDB/Neo4j + LangSmith + Streamlit → 综合项目 coding → 部署 + README + RAGAS 报告
L49
📖 自学
用 AWS 构建 RAG 应用
22min
❌
2 Lab
无 Learn
描述
未填写
Lab
aws-lab: bedrock-foundation-models
aws-lab: bedrock-rag-knowledge-bases
教学步骤 (4)
AWS Bedrock + Lambda + S3 构建 Serverless RAG → AWS Lab: bedrock-foundation-models → AWS Lab: bedrock-rag-knowledge-bases → AWS RAG 检查
PHASE 3: AI Agents 工程化 (Week 7-9)
25 节课
L50
🔴 直播
Agents 基础
30min
❌
1 Lab
3 Learn
描述
未填写
Lab
prompt-lab: react-agent
Learn
ai-engineer/ai-agent
prompt-master/react
prompt-master/reflexion
教学步骤 (6)
AI Engineer: ai-agent → Prompt Master: react → Prompt Master: reflexion → Prompt Lab: react-agent → Agent = LLM + 推理 + 工具 + 记忆 → Agent 基础检查
L51
🔴 直播
The ReAct Framework
30min
❌
1 Lab
1 Learn
描述
未填写
Lab
prompt-lab: tool-use
Learn
prompt-master/react
教学步骤 (5)
Prompt Master: react → Prompt Lab: tool-use → Thought → Action → Observation 循环 → 手写 ReAct 循环（纯 Python） → ReAct 检查
L52
🔴 直播
Function Calling + Tool Use
30min
❌
1 Lab
2 Learn
描述
未填写
Lab
llm-lab: ai-agent-patterns
Learn
ai-engineer/function-calling-tool-use
ai-engineer/tool-design-principles
教学步骤 (6)
AI Engineer: function-calling-tool-use → AI Engineer: tool-design-principles → LLM Lab: ai-agent-patterns → OpenAI Function Calling API + Tool Schema 定义 → 给 Agent 加 3 工具：Search + RAG + Calculator → Function Calling 检查
L53
🔴 直播
Agent SDK 对比: OpenAI / Claude / Google ADK
90min
❌
1 Lab
2 Learn
描述
未填写
Lab
prompt-lab: multi-agent
Learn
ai-engineer/agent-frameworks
ai-engineer/agent-frameworks-compare
教学步骤 (9)
AI Engineer: agent-frameworks → AI Engineer: agent-frameworks-compare → Prompt Lab: multi-agent → 三大 SDK 对比维度：API / 工具集成 / 多 Agent / 可观测 / 生态 → 同一任务用 3 个 SDK 实现 + DevX 对比 → 代码量/延迟/可控性对比报告 ... (+3)
L54
📖 自学
Agent SDK 对比参考
5min
❌
描述
未填写
教学步骤 (2)
OpenAI vs Claude vs Google ADK vs LangGraph 详细对比 → SDK 检查
L55
📖 自学
Deploying and Operating RAG in Production
5min
❌
描述
未填写
教学步骤 (2)
RAG 生产部署：缓存、并发、监控、failover → Production 检查
L56
🔴 直播
Agent 详解：构建第一个 Agent
60min
❌
描述
未填写
教学步骤 (3)
Agent 架构详解 → 用 Agent SDK + 3 工具构建综合 Agent → 综合 Agent 应用
L57
🔴 直播
Production-grade Agentic RAG
120min
❌
描述
未填写
教学步骤 (3)
Agentic RAG vs Naive RAG + 路由决策 + 错误恢复 → Agent 层 + 多工具路由 + LangSmith 监控 → ISA Agent 升级 + LangSmith Trace
L58
🔴 直播
Multi-Agent Architectures
60min
❌
3 Learn
描述
未填写
Learn
ai-engineer/multi-agent-patterns
prompt-master/tot
prompt-master/graph-prompts
教学步骤 (6)
AI Engineer: multi-agent-patterns → Prompt Master: tot → Prompt Master: graph-prompts → 三种架构：Hierarchical / Collaborative / Supervised → Multi-Agent 架构检查 → AI 模拟多个 Agent 的对话，你判断路由决策是否正确
L59
🔴 直播
Multi-Agent + LangGraph
60min
❌
2 Learn
描述
未填写
Learn
ai-engineer/workflow-automation
vibe-coding/ai-agents-tools
教学步骤 (6)
AI Engineer: workflow-automation → Vibe Coding: ai-agents-tools → LangGraph StateGraph + Nodes + Edges + Checkpointing → LangGraph 4-Agent 系统构建 + 状态图可视化 → AI 模拟 4 个 Agent 的对话日志，你判断路由决策是否正确并修复错误路由 → LangGraph 检查
L60
🔴 直播
Agent Memory + Mem0
60min
❌
2 Learn
描述
未填写
Learn
ai-engineer/context-engineering-memory
ai-engineer/agent-advanced
教学步骤 (8)
AI Engineer: context-engineering-memory → AI Engineer: agent-advanced → 三层记忆：Episodic / Semantic / State + Graph Memory → Mem0 集成 + 有/无记忆对比 → 10 轮对话测试 → AI 引导你在本地集成 Mem0，逐步 Debug 记忆存储和检索问题 ... (+2)
L61
🔴 直播
A2A Protocol + Agent 互操作
60min
❌
1 Learn
描述
未填写
Learn
prompt-master/art
教学步骤 (5)
Prompt Master: art → MCP (工具) vs A2A (Agent 通信) vs ACP → A2A 双 Agent 通信 + Agent Card + MCP 组合 → MCP + A2A 架构设计 → 协议检查
L62
📖 自学
A2A Protocol 入门
5min
❌
描述
未填写
教学步骤 (2)
A2A 协议详解 → 检查
L63
🔴 直播
Agent Ops with LangSmith
30min
❌
描述
未填写
教学步骤 (3)
Observability + Evaluation + Guardrails 三支柱 → LangSmith Multi-Agent Trace → Agent Ops 检查
L64
🔴 直播
Multi-Agent RAG with LangGraph
60min
❌
描述
未填写
教学步骤 (2)
Multi-Agent RAG 综合项目 → 部署 + LangGraph 状态图 + LangSmith Trace + Demo URL
L65
📖 自学
Multi-Agent + Protocol Ecosystem Map
5min
❌
描述
未填写
教学步骤 (2)
MCP / A2A / ACP / UCP 协议全景 → 协议生态检查
L66
📖 自学
Agent Memory 技术全景
8min
❌
描述
未填写
教学步骤 (3)
Mem0 vs Zep vs LangMem 对比 → Graph Memory 实现方式 → Memory 框架选型
L67
📖 自学
Introducing MCP
180min
❌
描述
未填写
教学步骤 (3)
MCP 协议概览 → 为什么需要标准化 AI 工具连接 → MCP 概念检查
L68
🔴 直播
MCP Server 构建 + Production 集成
180min
❌
4 Learn
描述
未填写
Learn
ai-engineer/mcp-best-practices
ai-engineer/mcp-releasing
vibe-coding/mcp-setup
vibe-coding/mcp-sync
教学步骤 (10)
AI Engineer: mcp-best-practices → AI Engineer: mcp-releasing → Vibe Coding: mcp-setup → Vibe Coding: mcp-sync → 解读 MCP 源码 → MCP 架构 + TypeScript SDK ... (+4)
L69
🔴 直播
Production Agents: Computer Use + Agent Ops
120min
❌
2 Lab
5 Learn
描述
未填写
Lab
prompt-lab: hallucination-defense
aws-lab: cloudwatch-monitoring
Learn
ai-engineer/debugging-incident-playbook
vibe-coding/claude-code-skills
vibe-coding/claude-code-agents
vibe-coding/observability-guardrails
vibe-coding/security-privacy
教学步骤 (11)
AI Engineer: debugging-incident-playbook → Vibe Coding: claude-code-skills → Vibe Coding: claude-code-agents → Vibe Coding: observability-guardrails → Vibe Coding: security-privacy → Prompt Lab: hallucination-defense ... (+5)
L70
📖 自学
Computer Use 技术全景
5min
❌
描述
未填写
教学步骤 (2)
Claude Computer Use vs ChatGPT Operator vs agent-browser → Computer Use 检查
L71
📖 自学
Agent Ops 最佳实践
5min
❌
描述
未填写
教学步骤 (2)
Tracing + Eval + Guardrails 最佳实践 → Agent Ops 检查
L72
📖 自学
MCP 发布指南
5min
❌
描述
未填写
教学步骤 (2)
如何发布 MCP Server 到 npm/PyPI → MCP 发布检查
L73
📖 自学
Claude Code 技术原理
20min
❌
3 Learn
描述
未填写
Learn
ai-engineer/claude-code-context-management
ai-engineer/claude-code-examples
vibe-coding/claude-code-full-guide
教学步骤 (5)
AI Engineer: claude-code-context-management → AI Engineer: claude-code-examples → 上下文管理与记忆机制 → Vibe Coding: claude-code-full-guide → Claude Code 检查
L74
📖 自学
Skills 范式
15min
❌
2 Learn
描述
未填写
Learn
ai-engineer/agent-skills-paradigm
vibe-coding/claude-skill-codebook
教学步骤 (4)
AI Engineer: agent-skills-paradigm → 从 Agent 到技能库的组织模式 → Vibe Coding: claude-skill-codebook → Skills 检查
PHASE 4: 模型优化 + AI Evals + 毕业 (Week 10-12)
22 节课
L75
🔴 直播
Open-Weight Models + Model Routing
90min
❌
3 Lab
2 Learn
描述
未填写
Lab
llm-lab: model-deployment
llm-lab: inference-optimization
aws-lab: sagemaker-ml-platform
Learn
ai-engineer/deployment-cost-optimization
vibe-coding/performance-cost
教学步骤 (10)
AI Engineer: deployment-cost-optimization → Vibe Coding: performance-cost → LLM Lab: model-deployment → LLM Lab: inference-optimization → AWS Lab: sagemaker-ml-platform → DeepSeek / Qwen 3.5 / Llama 4 格局 + Routing 策略 ... (+4)
L76
🔴 直播
SDG for Fine-Tuning
60min
❌
1 Lab
2 Learn
描述
未填写
Lab
llm-lab: data-engineering
Learn
prompt-master/pal
prompt-master/generated-knowledge
教学步骤 (6)
Prompt Master: pal → Prompt Master: generated-knowledge → Prompt-Based Data Generation + Self-Instruct / Evol-Instruct → LLM Lab: data-engineering → 用 GPT-4o 生成 500 条训练数据 + 质量过滤 → SDG 检查
L77
🔴 直播
Test Data Generation for RAG
60min
❌
描述
未填写
教学步骤 (3)
In-Depth Evolution + Custom Synthetic Test Data → 为 RAG 系统生成不同难度评估数据 → 数据生成检查
L78
📖 自学
SDG Toolkit
5min
❌
描述
未填写
教学步骤 (2)
SDG 工具全景 + Open-Weight Model Landscape 2026 → 工具选型
L79
🔴 直播
Fine-Tuning & MTEB
60min
❌
描述
未填写
教学步骤 (2)
为什么微调 Embedding + MTEB 评估基准 → MTEB 检查
L80
🔴 直播
Downloading Open-Source Model Weights
60min
❌
描述
未填写
教学步骤 (3)
HuggingFace Hub 模型下载 + Model Card + License → 下载并加载一个 Open-Weight 模型 → 模型管理检查
L81
🔴 直播
Loading LMs on GPU
60min
❌
描述
未填写
教学步骤 (3)
GPU 显存计算 + FP32/FP16/BF16/INT8/INT4 → 在 Colab T4 上加载 INT4 量化模型 → GPU 加载检查
L82
🔴 直播
Sentence Transformers & Fine-Tuning Embeddings
120min
❌
1 Lab
无 Learn
描述
未填写
Lab
llm-lab: supervised-fine-tuning
教学步骤 (5)
LLM Lab: supervised-fine-tuning → Sentence Transformers + Contrastive/Triplet Loss → 微调 Embedding + RAG 检索质量对比 → Embedding Fine-Tuning 检查 → ISA Embedding 微调 + MTEB 评测
L83
📖 自学
Fine-Tuning Toolkit
5min
❌
描述
未填写
教学步骤 (2)
Unsloth vs LLaMA-Factory vs Axolotl 对比 → 工具选型
L84
🔴 直播
The Primary Roles of Fine-Tuning
30min
❌
1 Learn
描述
未填写
Learn
prompt-master/prompt-coding
教学步骤 (4)
Prompt Master: prompt-coding → Style/Format + Knowledge + Capability 三角色 → 何时 Fine-Tuning vs RAG vs Prompt 决策矩阵 → Fine-Tuning 决策检查
L85
🔴 直播
PEFT + QLoRA + Unsloth
60min
❌
1 Lab
无 Learn
描述
未填写
Lab
llm-lab: preference-alignment
教学步骤 (6)
LLM Lab: preference-alignment → LoRA 原理 + QLoRA = Quantization + LoRA → Unsloth: 2x 速度, 60% 省显存 → Unsloth + QLoRA 在 Colab 微调全流程 → AI 扮演 Data Scientist，Review 你的训练配置 — batch size、learning rate、数据质量 → PEFT 检查
L86
🔴 直播
Fine-Tuning Llama with PEFT-QLoRA
60min
❌
描述
未填写
教学步骤 (3)
训练 3 epochs + 评估 + 合并导出 → Fine-Tuning 报告 + HuggingFace 发布 → AI 扮演 Data Scientist，Review 你的训练配置 — batch size、learning rate、数据质量
L87
🔴 直播
AI Evaluation Engineering
90min
❌
2 Lab
4 Learn
描述
未填写
Lab
llm-lab: llm-evaluation
prompt-lab: prompt-evaluation
Learn
ai-engineer/eval-quality-monitoring
ai-engineer/llm-judge-evaluation
ai-engineer/synthetic-data-augmentation
prompt-master/self-consistency
教学步骤 (10)
AI Engineer: eval-quality-monitoring → AI Engineer: llm-judge-evaluation → AI Engineer: synthetic-data-augmentation → Prompt Master: self-consistency → LLM Lab: llm-evaluation → Prompt Lab: prompt-evaluation ... (+4)
L88
🔴 直播
Safety, Guardrails + Red-teaming
90min
❌
2 Lab
5 Learn
描述
未填写
Lab
prompt-lab: prompt-injection-defense
prompt-lab: hallucination-defense
Learn
ai-engineer/security-threat-modeling
ai-engineer/data-governance-privacy
prompt-master/jailbreaking
prompt-master/prompt-adversarial
prompt-master/prompt-leaking
教学步骤 (12)
AI Engineer: security-threat-modeling → AI Engineer: data-governance-privacy → Prompt Master: jailbreaking → Prompt Master: prompt-adversarial → Prompt Master: prompt-leaking → Prompt Lab: prompt-injection-defense ... (+6)
L89
📖 自学
Evaluation & Quality Monitoring
5min
❌
描述
未填写
教学步骤 (2)
LLM 应用评估和质量监控体系 → 检查
L90
📖 自学
AI Eval Tools 全景
5min
❌
描述
未填写
教学步骤 (2)
LangSmith vs Braintrust vs RAGAS vs DeepEval 对比 → Eval 工具选型
L91
📖 自学
Red-teaming Playbook
5min
❌
描述
未填写
教学步骤 (2)
常见 LLM 攻击手法和防御策略 → Red-teaming 检查
L92
📖 自学
LinkedIn & CV Workshop
17min
❌
描述
未填写
教学步骤 (3)
LinkedIn profile 优化 + AI Engineer 简历写法 → 用 12 周技术重写简历 → 简历检查
L93
🔴 直播
P3 职业孵化器 Demo Day
120min
❌
描述
未填写
教学步骤 (4)
P3 Demo Day 说明：面向企业展示 P3 项目成果，10 分钟 Live Demo + 5 分钟 Q&A → 评审标准：技术架构 40% · 产品完成度 30% · 展示表达 20% · 创新性 10% → 每组 10+5 分钟：P3 项目 Live Demo + 招聘合作企业 Q&A → P3 项目交付物：GitHub 仓库 + Demo URL + 技术文档 + Case Study
L94
📖 自学
往期 P3 项目案例
15min
❌
描述
未填写
教学步骤 (3)
往期优秀 P3 职业孵化项目案例分享 → P3 项目选题方向：RAG 系统 / Agent 应用 / AI SaaS / 内部工具 → P3 项目规划检查
L95
🔴 直播
AI Engineer 职业路径
90min
❌
4 Learn
描述
未填写
Learn
ai-engineer/ai-product-ux
ai-engineer/production-deployment
vibe-coding/continuous-improvement
vibe-coding/team-workflow
教学步骤 (8)
AI Engineer: ai-product-ux → AI Engineer: production-deployment → Vibe Coding: continuous-improvement → Vibe Coding: team-workflow → AI Engineer / Agent Developer / Eval Engineer / Platform Engineer → Junior $100-150K → Mid $150-220K → Senior $220-350K+ ... (+2)
L96
🔴 直播
Claude Code Skills 最佳实践
180min
❌
8 Learn
描述
未填写
Learn
ai-engineer/ai-coding-workflow
ai-engineer/ai-rules-config
ai-engineer/agent-skills-paradigm
vibe-coding/claude-code-commands
vibe-coding/claude-code-agents
vibe-coding/vibe-coding-sop
vibe-coding/api-fullstack
vibe-coding/automation-cli
教学步骤 (11)
AI Engineer: ai-coding-workflow → AI Engineer: ai-rules-config → AI Engineer: agent-skills-paradigm → Vibe Coding: claude-code-commands → Vibe Coding: claude-code-agents → Vibe Coding: vibe-coding-sop ... (+5)
Production IDs
Training
待确认 — 已有 production 数据
Program
待确认
Syllabus
待确认
SDM 管理
http://localhost:5188/bootcamp/ai-engineer-bootcamp