AI Engineer Bootcamp — 第五期完整课程大纲

所有 Lesson 按学习顺序排列 · 每个 Lesson 包含完整 Step 序列

99Lessons
437Steps
52Labs
72Learn 章节
24Projects
Step Types
CONCEPT LAB MCQ SCENARIO VIDEO LIVE PROJECT LEARN AI TUTOR
Lesson Types
直播课 录播 自学资料 大作业
PHASE 1: GenAI 基础 + Context Engineering (Week 1-3)
GenAI 全景 · LLM API · Transformer · Prompt Engineering · Context Engineering · Vibe Coding · GPT Store
PRE-WORK
L1 Pre-work：必要知识储备 自学资料
CONCEPT先修要求
LABPython Lab: python-hello
LABPython Lab: python-variables
LABPython Lab: python-functions
LABPython Lab: python-api-basics
LABGit Lab: git-first-commit
LABGit Lab: git-branch-basics
LABAWS Lab: ec2-basics
LABAWS Lab: iam-basics
LABAWS Lab: secrets-manager
MCQ先修自测
L2 Preparation：开发环境配置 自学资料
CONCEPTIDE + venv + API Key 配置
LABPython Lab: python-openai-api
LABPython Lab: python-json
LABAWS Lab: s3-storage
SCENARIOOpenAI API 连通性验证
MCQ环境检查
PRE-WORK 先修测试 · 通过后解锁 Phase 1
TEST 先修测试：Python + API + Git 基础 NEW 先修测试
CONCEPT测试说明：20 题，通过线 70%，不通过需补习后重考
MCQPython：变量、函数、列表、字典、API 调用 (8 题)
MCQRESTful API：HTTP 方法、Status Code、JSON 处理 (6 题)
MCQGit：branch、merge、conflict、PR 工作流 (6 题)
UNLOCK通过后解锁 Phase 1: GenAI 基础 + Context Engineering
L96 LLM API 入门 自学资料
CONCEPT各家 LLM API 快速入门
MCQ检查
WEEK 1
L3 GenAI Overview + Ops 120min · Xia Zhou 直播课
LEARNAI Engineer: llm-api-basics
LEARNAI Engineer: ai-model-comparison
LABLLM Lab: first-llm-experience
LABLLM Lab: llm-concepts
LIVEGenAI 全景图 + AI Engineer 角色定位 + LLM Ops
LABLLM Lab: llm-api-hands-on
LABPrompt Lab: ai-basics
SCENARIO调用 GPT-4o / Claude / DeepSeek API 对比
MCQGenAI 基础检查
PROJECTISA Proposal
L4 开课讲解会 30min 直播课
CONCEPT课程结构 4 Phase + 7 Project + 评估方式
LIVE学员介绍 + 分组 + ISA 方向确认
CONCEPT12 周学习计划
L5 Structured Data vs Unstructured Data 录播
VIDEO结构化 vs 非结构化数据
CONCEPTLLM 处理非结构化数据的优势
MCQ数据类型检查
L6 Introduction to Machine Learning 录播
VIDEOML 核心概念
CONCEPT特征工程、训练/验证/测试集、过拟合
MCQML 基础检查
L7 Supervised, Unsupervised & Reinforcement Learning 录播
VIDEO三大学习范式
CONCEPTRLHF 在 LLM 中的应用
MCQ学习范式检查
L8 Introduction to Deep Learning 录播
VIDEO神经网络基础
CONCEPTCNN/RNN 到 Transformer 的演进
LABLLM Lab: ai-ml-basics
MCQDL 基础检查
L90 AI 模型对比参考 自学资料
CONCEPTGPT-4o vs Claude vs Gemini vs Llama 4 vs DeepSeek vs Qwen 对比
MCQ模型对比检查
WEEK 2
L9 Transformer Architecture + API 120min · Xiaoxiao Ma 直播课
LEARNPrompt Master: basics
LEARNPrompt Master: elements
LEARNPrompt Master: settings
VIDEOThe Transformer Architecture
VIDEOInput Embeddings
LABLLM Lab: transformer-attention
LIVEAttention 可视化 + API 参数调优 (temperature 0→2)
LABPrompt Lab: model-parameters
SCENARIOToken 计数和成本估算
MCQTransformer 检查
PROJECTLLM API 封装类
L10 GenAI Capstone Project: ISA 大作业
CONCEPTISA 项目说明 + 评分标准
CONCEPT每 Phase 的 ISA 升级路径
PROJECTISA Proposal 提交
L11 The Four Prototyping Patterns 60min · Liangjun Song 直播课
LEARNPrompt Master: zero-shot
LEARNPrompt Master: few-shot
LEARNPrompt Master: prompt-chaining
LABPrompt Lab: zero-shot
LABPrompt Lab: few-shot
CONCEPT四大模式决策矩阵
LIVE同一任务用 4 种模式实现对比
LEARNDefine Your Success Criteria
MCQ模式选择检查
PROJECTISA 技术选型文档
WEEK 3
L12 Context Engineering: From Prompts to Systems 90min NEW 直播课
LEARNAI Engineer: context-fundamentals
LEARNAI Engineer: context-engineering-memory
CONCEPTContext Engineering 定义 + Gartner 2026 (57% Agent 失败是上下文失败)
LABPrompt Lab: context-engineering
LABPrompt Lab: context-management
CONCEPT四层上下文：System / Retrieved / Memory / Task
LABPrompt Lab: chain-of-thought
LABPrompt Lab: system-prompt-design
LABPrompt Lab: output-format
LABPrompt Lab: json-schema
LIVE纯 Prompt vs 完整 Context Engineering 量化对比
SCENARIO设计 4 层上下文架构 + 量化效果差异
MCQContext Engineering 检查
PROJECTISA Context Engineering 方案（3 版本迭代）
AI TUTORAI 扮演 Senior AI Engineer，Review 你的 Context 架构设计并给出改进建议
L13 Vibe Coding: AI-Assisted Development 120min NEW 直播课
LEARNVibe Coding: what-is-vibe-coding
LEARNVibe Coding: install-cursor
LEARNVibe Coding: first-prompt
LEARNVibe Coding: vibe-mindset
LABPrompt Lab: code-generation
LIVECursor vs Claude Code 现场对比 + .cursorrules / CLAUDE.md
LEARNVibe Coding: debug-with-ai
LEARNVibe Coding: pair-programming
LEARNVibe Coding: cursor-rules
SCENARIOCursor + Claude Code 分别完成同一项目
PROJECTContext-Driven App
AI TUTORAI 扮演 Tech Lead，引导你用 Cursor + Claude Code 完成一个完整 feature 开发
L14 Building Your First GPT in GPT Store 120min 录播
VIDEO从创建到发布 Custom GPT 完整流程
SCENARIO构建一个有明确场景的 Custom GPT
MCQGPT Store 检查
L15 Context Engineering Playbook NEW 自学资料
LEARNAI Engineer: context-compression-optimization
LEARNAI Engineer: context-degradation-patterns
LEARNPrompt Master: cot
CONCEPT上下文设计模式全集
CONCEPTContext Window 管理策略
LABPrompt Lab: prompt-evaluation
LABPrompt Lab: self-consistency
MCQContext Engineering 进阶检查
L16 Vibe Coding 工具对比 NEW 自学资料
LEARNVibe Coding: security-privacy
CONCEPTCursor vs Claude Code vs Copilot 详细对比
LEARNVibe Coding: prompt-patterns
LEARNVibe Coding: understand-ai
MCQVibe Coding 工具选择
L17 GenAI Toolbox 自学资料
CONCEPTAI 工具全景图：写作、代码、设计、数据分析
MCQ工具选择检查
L97 RAG 系统入门 自学资料
CONCEPTRAG 设计和实现参考
MCQ检查
PHASE 1 章节测试 · 通过后解锁 Phase 2
TEST Phase 1 章节测试：GenAI 基础 + Context Engineering NEW 章节测试
CONCEPT测试说明：30 题，通过线 70%，不通过可重考（间隔 24h）
MCQGenAI 概念：LLM 生态、AI Engineer 角色、LLM Ops 生命周期 (5 题)
MCQTransformer：Self-Attention、Positional Encoding、API 参数 (5 题)
MCQ四大模式：Prompting / RAG / Fine-Tuning / Agents 选型决策 (5 题)
MCQContext Engineering：四层上下文、Context Window 管理、Structured Output (10 题)
MCQVibe Coding：Cursor vs Claude Code、项目配置、AI 辅助开发 (5 题)
SCENARIO实操验证：提交 ISA Context Engineering 方案（3 版本）
UNLOCK通过后解锁 Phase 2: RAG 系统全栈开发
PHASE 2: RAG 系统全栈开发 (Week 4-6)
Embeddings · RAG 架构 · LangChain · LangSmith · GraphRAG · RAG 评估 · AWS Bedrock
WEEK 4
L18 Introduction to Embeddings 30min · Joey Yang 直播课
LEARNAI Engineer: rag-basics
LEARNPrompt Master: rag
LABPrompt Lab: rag-basics
LABLLM Lab: rag-feature-pipeline
CONCEPTEmbedding Models vs LLM Chat Models + 相似度计算
LIVEEmbedding API + Cosine Similarity + t-SNE 可视化
MCQEmbedding 检查
PROJECTISA 知识库（50+ 文档 + Chunking）
L19 Embedding Models vs LLM Chat Models 90min · Joey Yang 直播课
LEARNAI Engineer: rag-basics
CONCEPT用途、API、成本、维度差异
CONCEPT主流模型对比：OpenAI text-embedding-3, Cohere, BGE
SCENARIO对比不同 Embedding Model 效果
MCQEmbedding 模型检查
L20 Introduction to RAG 30min · Joey Yang 直播课
LEARNAI Engineer: langchain-framework
LABLLM Lab: rag-inference-pipeline
CONCEPTRAG 架构 + Naive vs Advanced RAG + Vector Store 选型
MCQRAG 概念检查
L21 RAG from Scratch in Python 120min · Joey Yang 直播课
LIVE纯 Python + FAISS 全流程 coding
SCENARIOQuery Rewriting + Re-ranking + Citation 优化
MCQRAG 实现检查
PROJECTRAG from Scratch 代码 + 优化对比
AI TUTORAI 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
L22 RAG Builder Toolbox 自学资料
CONCEPTRAG 构建工具全景：Vector DB、Chunking 库、Embedding 服务
MCQ工具选型检查
L23 AI Resource Hub 自学资料
CONCEPTAI 学习资源合集：论文、博客、开源项目
WEEK 5
L24 Building Simple User Interfaces in Python 30min · Joey Yang 录播
VIDEOStreamlit / Gradio 快速搭建前端
CONCEPTStreamlit vs Gradio 选型：适用场景 + API 对比
SCENARIO用 Streamlit 搭建简单聊天界面
MCQUI 框架检查
L25 PDF Parsing 101 90min · Joey Yang 录播
LEARNVibe Coding: data-rag
VIDEOPyPDF2, pdfplumber, Unstructured — 表格和图片处理
CONCEPT非结构化数据处理：表格提取、图片 OCR、多格式兼容
LABPrompt Lab: cost-optimization
SCENARIO解析一个多格式 PDF 并提取结构化数据
MCQPDF 解析检查
L26 LLM Rate Limits 30min · Joey Yang 直播课
CONCEPTToken 限制、RPM/TPM 限流、指数退避重试
CONCEPTAPI 成本管理：预算、tracking、fallback
MCQRate Limiting 检查
L27 P3 职业孵化器 Proposal 120min 直播课
CONCEPTP3 职业孵化器介绍：12 周 Sprint 节奏 + Demo Day + 求职闭环
LIVEP3 项目方向讨论 + 组队 + 角色分工（AI Dev / DevOps / PM / QA / Data）
PROJECTP3 Proposal（问题定义 + 技术选型 + 团队分工 + Sprint 计划）
L28 Budgeting and API Costs 录播
VIDEOLLM API 成本估算、预算控制、fallback 策略
MCQ成本管理检查
L29 Production RAG Application 90min · Weixuan Jiang 直播课
LEARNVibe Coding: ship-a-feature
LABLLM Lab: llm-tooling
LIVEStreamlit + PDF + Rate Limiting 完整应用搭建
LABAWS Lab: lambda-serverless
LABAWS Lab: serverless-api
MCQProduction RAG 检查
PROJECTProduction RAG 部署
L30 End-to-End RAG Toolbox 自学资料
CONCEPT完整 RAG 技术栈：Parser → Chunker → Embedder → Store → Retriever
MCQ技术栈选型
L31 Introduction to LangChain 录播
LEARNPrompt Master: prompt-chaining
VIDEOLangChain 设计哲学和模块总览
CONCEPTLCEL pipe 语法概述
MCQLangChain 基础检查
L32 LangChain Core Constructs 30min · Samuel Shaw 直播课
LEARNVibe Coding: api-fullstack
LABPrompt Lab: prompt-chaining
CONCEPTLLMs, Prompts, Chains, Memory, Retrievers
LIVELCEL 3-step Chain + Memory 多轮对话
MCQLangChain 检查
L33 LangChain Expression Language 60min · Samuel Shaw 直播课
LABPrompt Lab: qa-system-design
CONCEPTChains and Runnables 声明式组合
LIVE自定义 Runnable + 日志和错误处理
PROJECT用 LangChain 重写 RAG + 对比报告
L34 Monitoring and Visibility with LangSmith 60min · Samuel Shaw 直播课
LABLLM Lab: mlops-llmops
CONCEPTLangSmith Trace + Debugging + Dataset Testing
LIVELangSmith 接入 + bottleneck 定位 + 10 条测试评测
MCQLangSmith 检查
PROJECTISA 接入 LangSmith + 3 个 Trace 分析
WEEK 6
L94 GraphRAG 入门 NEW 自学资料
CONCEPTGraphRAG 原理和应用场景
MCQ检查
L35 LLMs Overview 录播
VIDEO主流 LLM 对比：GPT-4o, Claude, Gemini, Llama 4, DeepSeek, Qwen
MCQ模型对比检查
L36 GraphRAG + 混合检索 90min NEW 直播课
LEARNPrompt Master: graph-prompts
LEARNVibe Coding: data-rag
CONCEPT纯向量检索局限 + Knowledge Graph 构建
CONCEPT混合检索：Vector + BM25 + Graph 三路 + RRF
LABAWS Lab: opensearch-vector-search
LIVENeo4j + LangChain GraphRAG 现场构建
SCENARIO向量 RAG vs GraphRAG 多跳问题对比
AI TUTORAI 引导你在本地搭建 Neo4j + GraphRAG pipeline，逐步排查连接和查询问题
MCQGraphRAG 检查
PROJECTISA 添加 GraphRAG + 对比评测
L37 RAG Evaluation 60min · Joey Yang 直播课
LABLLM Lab: llm-evaluation
CONCEPT四指标：Context Recall, Precision, Relevancy, Faithfulness
MCQRAG Eval 检查
L38 RAG Metrics 详解 120min · Joey Yang 直播课
LABPrompt Lab: prompt-evaluation
CONCEPT每个指标的计算方式和优化策略
SCENARIO根据评估结果优化 RAG（调 Chunking / Retrieval / Prompt）
MCQMetrics 检查
AI TUTORAI 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？
L39 Vibe Coding for RAG Optimization 120min 直播课
LEARNVibe Coding: ship-a-feature
LEARNVibe Coding: multi-file
LEARNVibe Coding: ai-testing-quality
CONCEPT用 AI 辅助快速迭代优化 RAG 代码
SCENARIO用 Cursor/Claude Code 做 RAG 优化
MCQVibe Coding 实操检查
L40 RAGAS Framework 60min · Joey Yang 直播课
CONCEPTRAGAS 自动化评估框架
SCENARIO用 RAGAS 评估 W4-W6 所有 RAG 应用
MCQRAGAS 检查
L41 Langfuse 60min · Joey Yang 直播课
CONCEPTLangfuse 开源 LLM 可观测平台
SCENARIO接入 Langfuse + 对比 LangSmith vs Langfuse
MCQLangfuse 检查
L42 RAG Evaluation Toolbox 自学资料
CONCEPTRAG 评估工具全景：RAGAS, Langfuse, TruLens, DeepEval
MCQ工具对比
L43 GraphRAG 技术全景 NEW 自学资料
CONCEPTGraphRAG vs RAPTOR vs HippoRAG 对比
CONCEPTKnowledge Graph 构建工具链
MCQGraphRAG 工具选型
L44 RAG QA Application with LangChain 120min · Liangjun Song 直播课
CONCEPT综合架构：LangChain + ChromaDB/Neo4j + LangSmith + Streamlit
LIVE综合项目 coding
PROJECT部署 + README + RAGAS 报告
L45 用 AWS 构建 RAG 应用 录播
VIDEOAWS Bedrock + Lambda + S3 构建 Serverless RAG
LABAWS Lab: bedrock-foundation-models
LABAWS Lab: bedrock-rag-knowledge-bases
MCQAWS RAG 检查
PHASE 2 章节测试 · 通过后解锁 Phase 3
TEST Phase 2 章节测试：RAG 系统全栈开发 NEW 章节测试
CONCEPT测试说明：35 题，通过线 70%，不通过可重考（间隔 24h）
MCQEmbedding：向量相似度、模型选型、Chunking 策略 (5 题)
MCQRAG 架构：Naive vs Advanced、Vector Store 选型、Hybrid Search (5 题)
MCQProduction RAG：PDF Parsing、Rate Limiting、Cost Management (5 题)
MCQLangChain：LCEL、Memory、Runnables、LangSmith Tracing (5 题)
MCQGraphRAG：Knowledge Graph、三路召回、RRF 融合 (5 题)
MCQRAG 评估：RAGAS 四指标、Langfuse、优化策略 (5 题)
SCENARIO实操验证：提交 RAG QA Application（可运行 + RAGAS 报告）
SCENARIO实操验证：GraphRAG vs Naive RAG 对比评测报告
UNLOCK通过后解锁 Phase 3: AI Agents 工程化
PHASE 3: AI Agents 工程化 (Week 7-9)
ReAct · Function Calling · Agent SDK · Multi-Agent · LangGraph · MCP · A2A · Memory · Computer Use
WEEK 7
L46 Agents 基础 30min · Weixuan Jiang 直播课
LEARNAI Engineer: ai-agent
LEARNPrompt Master: react
LEARNPrompt Master: reflexion
LABPrompt Lab: react-agent
CONCEPTAgent = LLM + 推理 + 工具 + 记忆
MCQAgent 基础检查
L47 The ReAct Framework 30min · Weixuan Jiang 直播课
LEARNPrompt Master: react
LABPrompt Lab: tool-use
CONCEPTThought → Action → Observation 循环
SCENARIO手写 ReAct 循环（纯 Python）
MCQReAct 检查
L48 Function Calling + Tool Use 30min · Weixuan Jiang 直播课
LEARNAI Engineer: function-calling-tool-use
LEARNAI Engineer: tool-design-principles
LABLLM Lab: ai-agent-patterns
CONCEPTOpenAI Function Calling API + Tool Schema 定义
SCENARIO给 Agent 加 3 工具：Search + RAG + Calculator
MCQFunction Calling 检查
L49 Agent SDK 对比: OpenAI / Claude / Google ADK 90min NEW 直播课
LEARNAI Engineer: agent-frameworks
LEARNAI Engineer: agent-frameworks-compare
LABPrompt Lab: multi-agent
CONCEPT三大 SDK 对比维度：API / 工具集成 / 多 Agent / 可观测 / 生态
LIVE同一任务用 3 个 SDK 实现 + DevX 对比
SCENARIO代码量/延迟/可控性对比报告
MCQAgent SDK 检查
PROJECTISA Agent SDK 选型文档
AI TUTORAI 扮演面试官，问你 Agent SDK 选型 trade-off — 为什么选 Claude SDK 不选 OpenAI？
L92 Agent SDK 对比参考 NEW 自学资料
CONCEPTOpenAI vs Claude vs Google ADK vs LangGraph 详细对比
MCQSDK 检查
L50 Deploying and Operating RAG in Production 自学资料
CONCEPTRAG 生产部署：缓存、并发、监控、failover
MCQProduction 检查
L51 Agent 详解：构建第一个 Agent 60min · Jenny LIN 直播课
CONCEPTAgent 架构详解
LIVE用 Agent SDK + 3 工具构建综合 Agent
PROJECT综合 Agent 应用
L52 Production-grade Agentic RAG 120min · Weixuan Jiang 直播课
CONCEPTAgentic RAG vs Naive RAG + 路由决策 + 错误恢复
LIVEAgent 层 + 多工具路由 + LangSmith 监控
PROJECTISA Agent 升级 + LangSmith Trace
WEEK 8
L53 Multi-Agent Architectures 60min · Liangjun Song 直播课
LEARNAI Engineer: multi-agent-patterns
LEARNPrompt Master: tot
LEARNPrompt Master: graph-prompts
CONCEPT三种架构：Hierarchical / Collaborative / Supervised
MCQMulti-Agent 架构检查
AI TUTORAI 模拟多个 Agent 的对话，你判断路由决策是否正确
L54 Multi-Agent + LangGraph 60min · Liangjun Song 直播课
LEARNAI Engineer: workflow-automation
LEARNVibe Coding: ai-agents-tools
CONCEPTLangGraph StateGraph + Nodes + Edges + Checkpointing
LIVELangGraph 4-Agent 系统构建 + 状态图可视化
AI TUTORAI 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
MCQLangGraph 检查
L55 Agent Memory + Mem0 60min NEW 直播课
LEARNAI Engineer: context-engineering-memory
LEARNAI Engineer: agent-advanced
CONCEPT三层记忆：Episodic / Semantic / State + Graph Memory
LIVEMem0 集成 + 有/无记忆对比
SCENARIO10 轮对话测试
AI TUTORAI 引导你在本地集成 Mem0，逐步 Debug 记忆存储和检索问题
MCQMemory 检查
PROJECTISA 记忆升级
L56 A2A Protocol + Agent 互操作 60min NEW 直播课
LEARNPrompt Master: art
CONCEPTMCP (工具) vs A2A (Agent 通信) vs ACP
LIVEA2A 双 Agent 通信 + Agent Card + MCP 组合
SCENARIOMCP + A2A 架构设计
MCQ协议检查
L95 A2A Protocol 入门 NEW 自学资料
CONCEPTA2A 协议详解
MCQ检查
L57 Agent Ops with LangSmith 30min · Liangjun Song 直播课
CONCEPTObservability + Evaluation + Guardrails 三支柱
SCENARIOLangSmith Multi-Agent Trace
MCQAgent Ops 检查
L58 Multi-Agent RAG with LangGraph 60min · Liangjun Song 直播课
LIVEMulti-Agent RAG 综合项目
PROJECT部署 + LangGraph 状态图 + LangSmith Trace + Demo URL
L59 Multi-Agent + Protocol Ecosystem Map NEW 自学资料
CONCEPTMCP / A2A / ACP / UCP 协议全景
MCQ协议生态检查
L60 Agent Memory 技术全景 NEW 自学资料
CONCEPTMem0 vs Zep vs LangMem 对比
CONCEPTGraph Memory 实现方式
MCQMemory 框架选型
WEEK 9
L61 Introducing MCP 180min · Tianyi Li 录播
VIDEOMCP 协议概览
CONCEPT为什么需要标准化 AI 工具连接
MCQMCP 概念检查
L62 MCP Server 构建 + Production 集成 180min · Tianyi Li 直播课
LEARNAI Engineer: mcp-best-practices
LEARNAI Engineer: mcp-releasing
LEARNVibe Coding: mcp-setup
LEARNVibe Coding: mcp-sync
VIDEO解读 MCP 源码
CONCEPTMCP 架构 + TypeScript SDK
LIVEMCP Server 构建 + Claude Code 集成 + OAuth
AI TUTORAI 引导你在本地构建 TypeScript MCP Server，逐步完成 Tools 暴露 + Claude Code 集成测试
MCQMCP 检查
PROJECTISA MCP Server (3 Tools)
L63 Production Agents: Computer Use + Agent Ops 120min NEW 直播课
LEARNAI Engineer: debugging-incident-playbook
LEARNVibe Coding: claude-code-skills
LEARNVibe Coding: claude-code-agents
LEARNVibe Coding: observability-guardrails
LEARNVibe Coding: security-privacy
LABPrompt Lab: hallucination-defense
CONCEPTComputer Use + Agent Ops + Production Checklist
LIVEClaude Computer Use Demo + Guardrails 实操
LABAWS Lab: cloudwatch-monitoring
MCQProduction Agent 检查
PROJECTProduction Agent 部署方案
L64 Computer Use 技术全景 NEW 自学资料
CONCEPTClaude Computer Use vs ChatGPT Operator vs agent-browser
MCQComputer Use 检查
L65 Agent Ops 最佳实践 NEW 自学资料
CONCEPTTracing + Eval + Guardrails 最佳实践
MCQAgent Ops 检查
L66 MCP 发布指南 自学资料
CONCEPT如何发布 MCP Server 到 npm/PyPI
MCQMCP 发布检查
L67 Claude Code 技术原理 自学资料
LEARNAI Engineer: claude-code-context-management
LEARNAI Engineer: claude-code-examples
CONCEPT上下文管理与记忆机制
LEARNVibe Coding: claude-code-full-guide
MCQClaude Code 检查
L68 Skills 范式 自学资料
LEARNAI Engineer: agent-skills-paradigm
CONCEPT从 Agent 到技能库的组织模式
LEARNVibe Coding: claude-skill-codebook
MCQSkills 检查
PHASE 3 章节测试 · 通过后解锁 Phase 4
TEST Phase 3 章节测试：AI Agents 工程化 NEW 章节测试
CONCEPT测试说明：35 题，通过线 70%，不通过可重考（间隔 24h）
MCQAgent 基础：ReAct、Function Calling、Tool Schema (5 题)
MCQAgent SDK：OpenAI vs Claude vs Google ADK 对比和选型 (5 题)
MCQMulti-Agent：LangGraph StateGraph、条件路由、Checkpointing (5 题)
MCQAgent Memory：Episodic / Semantic / State、Mem0、Graph Memory (5 题)
MCQ协议：MCP 架构 + A2A Agent Card + 互操作模式 (5 题)
MCQProduction：Computer Use、Agent Ops、Guardrails、HITL (5 题)
SCENARIO实操验证：提交 Multi-Agent RAG 应用（可运行 + LangSmith Trace）
SCENARIO实操验证：MCP Server + Agent Memory 集成（ISA v2）
UNLOCK通过后解锁 Phase 4: 模型优化 + AI Evals + 毕业
PHASE 4: 模型优化 + AI Evals + 毕业 (Week 10-12)
Open-Weight Models · Fine-Tuning · SDG · PEFT/QLoRA · AI Evaluation · Safety & Guardrails · 毕业展示
WEEK 10
L69 Open-Weight Models + Model Routing 90min NEW 直播课
LEARNAI Engineer: deployment-cost-optimization
LEARNVibe Coding: performance-cost
LABLLM Lab: model-deployment
LABLLM Lab: inference-optimization
LABAWS Lab: sagemaker-ml-platform
CONCEPTDeepSeek / Qwen 3.5 / Llama 4 格局 + Routing 策略
LIVEvLLM 部署 + Model Router + 成本计算
AI TUTORAI 引导你用 vLLM 在本地部署 Open-Weight 模型，排查 GPU 内存和推理性能问题
MCQOpen-Weight 检查
PROJECTISA Model Routing + 成本报告
L70 SDG for Fine-Tuning 60min · Samuel Shaw 直播课
LEARNPrompt Master: pal
LEARNPrompt Master: generated-knowledge
CONCEPTPrompt-Based Data Generation + Self-Instruct / Evol-Instruct
LABLLM Lab: data-engineering
SCENARIO用 GPT-4o 生成 500 条训练数据 + 质量过滤
MCQSDG 检查
L71 Test Data Generation for RAG 60min · Samuel Shaw 直播课
CONCEPTIn-Depth Evolution + Custom Synthetic Test Data
SCENARIO为 RAG 系统生成不同难度评估数据
MCQ数据生成检查
L72 SDG Toolkit NEW 自学资料
CONCEPTSDG 工具全景 + Open-Weight Model Landscape 2026
MCQ工具选型
L73 Fine-Tuning & MTEB 60min · Zhuohang Li 直播课
CONCEPT为什么微调 Embedding + MTEB 评估基准
MCQMTEB 检查
L74 Downloading Open-Source Model Weights 60min · Zhuohang Li 直播课
CONCEPTHuggingFace Hub 模型下载 + Model Card + License
SCENARIO下载并加载一个 Open-Weight 模型
MCQ模型管理检查
L75 Loading LMs on GPU 60min · Zhuohang Li 直播课
CONCEPTGPU 显存计算 + FP32/FP16/BF16/INT8/INT4
SCENARIO在 Colab T4 上加载 INT4 量化模型
MCQGPU 加载检查
L76 Sentence Transformers & Fine-Tuning Embeddings 120min 直播课
LABLLM Lab: supervised-fine-tuning
CONCEPTSentence Transformers + Contrastive/Triplet Loss
LIVE微调 Embedding + RAG 检索质量对比
MCQEmbedding Fine-Tuning 检查
PROJECTISA Embedding 微调 + MTEB 评测
L77 Fine-Tuning Toolkit NEW 自学资料
CONCEPTUnsloth vs LLaMA-Factory vs Axolotl 对比
MCQ工具选型
WEEK 11
L78 The Primary Roles of Fine-Tuning 30min · Weixuan Jiang 直播课
LEARNPrompt Master: prompt-coding
CONCEPTStyle/Format + Knowledge + Capability 三角色
CONCEPT何时 Fine-Tuning vs RAG vs Prompt 决策矩阵
MCQFine-Tuning 决策检查
L79 PEFT + QLoRA + Unsloth 60min · Weixuan Jiang 直播课
LABLLM Lab: preference-alignment
CONCEPTLoRA 原理 + QLoRA = Quantization + LoRA
CONCEPTUnsloth: 2x 速度, 60% 省显存
LIVEUnsloth + QLoRA 在 Colab 微调全流程
AI TUTORAI 扮演 Data Scientist，Review 你的训练配置 — batch size、learning rate、数据质量
MCQPEFT 检查
L80 Fine-Tuning Llama with PEFT-QLoRA 60min · Weixuan Jiang 直播课
LIVE训练 3 epochs + 评估 + 合并导出
PROJECTFine-Tuning 报告 + HuggingFace 发布
AI TUTORAI 扮演 Data Scientist，Review 你的训练配置 — batch size、learning rate、数据质量
L81 AI Evaluation Engineering 90min NEW 直播课
LEARNAI Engineer: eval-quality-monitoring
LEARNAI Engineer: llm-judge-evaluation
LEARNAI Engineer: synthetic-data-augmentation
LEARNPrompt Master: self-consistency
LABLLM Lab: llm-evaluation
LABPrompt Lab: prompt-evaluation
CONCEPTOffline/Online/Human Eval + 幻觉检测 + 自动化 Pipeline
LIVEEval Pipeline 构建 + LangSmith vs Braintrust
MCQEval 检查
PROJECTISA Eval Pipeline + 基线/优化分数
L82 Safety, Guardrails + Red-teaming 90min NEW 直播课
LEARNAI Engineer: security-threat-modeling
LEARNAI Engineer: data-governance-privacy
LEARNPrompt Master: jailbreaking
LEARNPrompt Master: prompt-adversarial
LEARNPrompt Master: prompt-leaking
LABPrompt Lab: prompt-injection-defense
LABPrompt Lab: hallucination-defense
CONCEPTInput/Output Guardrails + PII + EU AI Act
LIVE10 种攻击 Red-team + Guardrails AI + NeMo
MCQSafety 检查
PROJECTSafety 报告 + Guardrails 配置
AI TUTORAI 尝试 10 种手法 Jailbreak 你的系统，你来实时防御并修补 Guardrails 配置
L98 Evaluation & Quality Monitoring 自学资料
CONCEPTLLM 应用评估和质量监控体系
MCQ检查
L83 AI Eval Tools 全景 NEW 自学资料
CONCEPTLangSmith vs Braintrust vs RAGAS vs DeepEval 对比
MCQEval 工具选型
L84 Red-teaming Playbook NEW 自学资料
CONCEPT常见 LLM 攻击手法和防御策略
MCQRed-teaming 检查
WEEK 12
L85 LinkedIn & CV Workshop 录播
VIDEOLinkedIn profile 优化 + AI Engineer 简历写法
SCENARIO用 12 周技术重写简历
MCQ简历检查
L86 P3 职业孵化器 Demo Day 120min 直播课
CONCEPTP3 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
CONCEPT评审标准：技术架构 40% · 产品完成度 30% · 展示表达 20% · 创新性 10%
LIVE每组 10+5 分钟：P3 项目 Live Demo + 招聘合作企业 Q&A
PROJECTP3 项目交付物：GitHub 仓库 + Demo URL + 技术文档 + Case Study
L87 往期 P3 项目案例 录播
VIDEO往期优秀 P3 职业孵化项目案例分享
CONCEPTP3 项目选题方向：RAG 系统 / Agent 应用 / AI SaaS / 内部工具
MCQP3 项目规划检查
L88 AI Engineer 职业路径 90min 直播课
LEARNAI Engineer: ai-product-ux
LEARNAI Engineer: production-deployment
LEARNVibe Coding: continuous-improvement
LEARNVibe Coding: team-workflow
CONCEPTAI Engineer / Agent Developer / Eval Engineer / Platform Engineer
CONCEPTJunior $100-150K → Mid $150-220K → Senior $220-350K+
LIVE面试常见题 + 简历 1v1 点评
CONCEPT毕业产出清单
L89 Claude Code Skills 最佳实践 180min 直播课
LEARNAI Engineer: ai-coding-workflow
LEARNAI Engineer: ai-rules-config
LEARNAI Engineer: agent-skills-paradigm
LEARNVibe Coding: claude-code-commands
LEARNVibe Coding: claude-code-agents
LEARNVibe Coding: vibe-coding-sop
LEARNVibe Coding: api-fullstack
LEARNVibe Coding: automation-cli
CONCEPTSkills 模式组织可复用 Agent 能力
SCENARIO建立个人 AI 开发技能库
MCQSkills 检查
PHASE 4 毕业测试 · 通过后获得 AI Engineer 证书
FINAL 毕业测试：AI Engineer 综合能力评估 NEW 毕业测试
CONCEPT测试说明：50 题综合，通过线 70%，覆盖全部 4 个 Phase
MCQOpen-Weight Models：DeepSeek / Qwen / Llama 4、Model Routing、vLLM (8 题)
MCQFine-Tuning：PEFT / QLoRA / Unsloth、SDG 数据生成、Embedding 微调 (8 题)
MCQAI Eval：Offline / Online / Human Eval、幻觉检测、Eval Pipeline (8 题)
MCQSafety：Guardrails、Red-teaming、Prompt Injection 防御、PII、EU AI Act (8 题)
MCQ综合：跨 Phase 知识串联 — 从 Context Engineering 到 Production 全链路 (8 题)
MCQ架构设计：给定场景选择技术方案（RAG vs Agent vs Fine-Tuning vs 组合）(10 题)
SCENARIO实操验证：ISA v3 完整展示（Context + RAG + GraphRAG + Agent + Memory + Eval）
SCENARIO实操验证：P3 职业孵化项目 Demo + 技术文档 + GitHub
CERT通过后获得 JR Academy AI Engineer 证书 + 解锁 P3 职业孵化器