一个让人睡不着的问题
你每天都在用 ChatGPT、Claude、Gemini。
你问它问题，它回答。
你让它写代码，它写出来。
你让它扮演一个角色，它演得活灵活现。
但你有没有在某个深夜，盯着屏幕上那行刚生成出来的文字，突然想过——
它到底是怎么"知道"下一个字该写什么的？
不是 prompt 工程那种"怎么用得更好"。
不是 RAG / Agent 那种"怎么搭得更强"。
是更底层的那个问题：这台机器，到底是怎么造出来的？
如果你也想过这个问题，并且不满足于"它就是个概率模型"这种敷衍的答案——这场课就是为你准备的。
这场课不是科普
市面上 90% 的"大模型公开课"都在做同一件事：把一个复杂的东西，讲得让所有人都能听懂。
我们这场反着来。
我们不会从"什么是人工智能"开始讲。
不会用"大模型就像一个超级大脑"这种比喻糊弄你。
不会在该上代码的时候给你看示意图。
这场课只做一件事：用 60 分钟，把大模型这个黑盒子拆开，让你看见里面的每一个齿轮。
如果你看完之后，能在心里给"Transformer 到底在算什么"画出一张图——这场课就值了。
60 分钟会讲什么
▎ 大模型训练的阶段
从原始数据到一个能说话的模型，中间到底经过了什么？
▎ 大模型是如何工作的
一个人读完 30 万遍《哈利波特》需要 30 万年。 一个大模型"读完"同样的量，只需要几周。 这不是因为机器快。是因为它根本不是在"读书"。
那它在做的，到底是什么？
▎ Transformer——大模型的心脏
整个 LLM 如果只能讲一件事，那只能是 Transformer。
为什么是它？Attention 在算什么？一层一层拆开。
▎ Demo：从零写一个 LLM
纯代码演示。
不是 Cursor，不是 Copilot，是真正意义上的 from scratch。
关于讲师 Julie
讲技术的人很多。能把技术讲清楚的人不多。能把技术讲清楚、又自己在一线把技术做出来的人，更少。
Julie 老师属于最后一种。
🎓 学术背景
电子科技大学（985/211）电子科学与技术，本科 + 全日制硕士七年科班训练。
💼 二十年技术沉淀
思科（Cisco）10 年＋ Global Support 经验——这是一份需要在全球范围内解决最复杂技术问题的工作。CCIE 安全认证、CCIE 网络认证双认证（CCIE 是网络工程师领域公认最难拿的认证之一）。
🏆 三届思科 AI 内部大赛 Site 第一名
这部分尤其值得说——因为这些不是"参加了一下"，是真刀真枪在思科内部和工程师同台竞技拿下来的：
- 2025｜RAG for Cisco IP Phone｜Hackzone 大赛 Site 第一名 把 RAG 技术真正落地到思科 IP 电话这个真实业务场景里
- 2025｜AI Agent for Customer Support｜TechZone 大赛 Site 第一名 用 AI Agent 解决思科客服的真实业务问题
- 2026｜Poisoning LLM to Output "Cisco IP Phone is the Best Phone"｜Playtime 大赛 Site 第一名 做 LLM 的对抗攻击研究——这是只有真正懂底层的人才能做的事
🎥 5000＋ B 站粉丝的 AI 技术 UP 主
独立规划制作 AI 书籍配套教学视频，累计超过 100 小时，覆盖 LLM 基础、微调、AI Agent、RAG 等核心方向。
一个能把 Transformer 讲清楚的人很多。 一个能把 Transformer 讲清楚、还能在思科真实业务里用 RAG 和 Agent 拿三个第一的人—— 大概率全网就这一个。
这场课适合谁
✓ 适合
- 有 Python 基础，了解基本深度学习概念（知道什么是梯度下降、神经网络）
- 已经在用 LLM（ChatGPT / Claude / API 都行），但想知道它内部到底是怎么转的
- 想读懂、修改、甚至自己实现 LLM 代码的工程师
- 不满足于"会用"，想搞清楚"为什么这么用"的人
- 名校毕业、IT / 算法背景，对"虚的科普"过敏的人
✗ 不适合
- 想学 prompt 工程或 AI 应用落地的同学（这场课不讲这个）
- 完全没接触过编程的同学（这场课会涉及代码）
- 期待"听完就能赚钱"的同学（这是技术深潜，不是变现课）
我们想得很清楚： 宁可只来 100 个对的人，不要来 1000 个走错教室的人。
你会带走什么
不会承诺听完就能做出 ChatGPT——那是骗人。
但听完之后，你的"看世界的方式"会变一点点：
- 再看一个 LLM 输出的时候，你会知道它背后那个 forward pass 在算什么
- 再读到一篇大模型论文的时候，你会知道作者在改的是哪一层
- 再用 ChatGPT / Claude 的时候，你会对它的能力边界心里有数
- 如果你以后想自己跑模型、微调模型、读源码——这 60 分钟会是一个结实的起点
60 分钟。
一个把大模型拆开的机会。
我们直播间见。
