.png?w=3840)
今年一个很明显的变化：
👉 同样都叫 AI Engineer，差距已经不在一个维度
有人还在：
👉 拼 Prompt、做 Demo、调 API
但另一批人已经在做：
👉 生产级 AI System（能上线的系统）
比如：
- GraphRAG + 混合检索
- Multi-Agent 协作系统
- MCP Server 接入工具
- Eval Pipeline 持续优化
👉 这不是“会不会AI”的问题、是你有没有工程能力
🚀 这门课到底在做什么
这套 AI Engineer Bootcamp 本质不是教你知识：
👉 是带你 12周搭一套完整的生产级 AI System
整个结构不是碎片，而是👇
🔟 个 Phase 从 0 → Production
- Foundation（LLM基础）
- Context Engineering（Prompt工程 + Vibe Coding）
- RAG（从Embedding到GraphRAG）
- Capability（Function Calling / MCP / Tool Use）
- Agent Core（Agent架构）
- Multi-Agent（协作系统）
- Memory System ⭐（重点）
- Harness Engineering ⭐（重点
- Model Layer（Fine-tune）
- Eval & Observability（评估+监控）
👉 每一个 Phase 都是一个独立能力，不是“讲一讲就过”
📊 课程强度
这不是普通Bootcamp：
- 183 节课（直播+录播+Lab）
- 68 个交互 Lab（不是看，是动手）
- 10 个 Phase（完整体系）
- 7+ 可进简历项目
- 覆盖：Prompt / Python / RAG / Agent / AWS / 前端
👉 本质是：工程能力训练，不是知识输入
🧠 RAG
现在很多人学RAG：
❌ 跑一个demo就结束 ❌ 只会“向量检索”
但这套课程：👉 RAG单独一个 Phase
- Embedding + 向量库（Pinecone / Chroma）
- GraphRAG（Neo4j 知识图谱）
- LangChain 全链路
- RAG Eval（RAGAS / Langfuse）
👉 目标不是demo，是： 能上线的RAG系统
⭐ 重点一：Memory System
👉 这是这套课程最有价值的模块之一
为什么重要？
👉 因为 AI 从“工具”变“产品”的关键，就是 Memory
你会学到什么？
- STM / LTM（短期 & 长期记忆）
- Memo / Graph Memory
- Session 管理
- 跨会话记忆能力
本质解决什么问题？
👉 让 Agent：❌ 不再“每次都是新的人”
✅ 能记住用户、上下文、历史行为
👉 举个例子：
普通AI：每次对话都像第一次见面
带Memory的AI：能记住你是谁、做过什么、偏好是什么
👉 这才是真正的AI产品能力
⭐ 重点二：Harness Engineering
👉 这个模块，说实话，现在市面上几乎没有系统课程
但它是：👉 AI系统能不能稳定上线的核心
你会学到什么？
- Hook System（流程控制）
- Tool Loop（工具调用循环）
- Skills（能力模块化）
- ADLC（Agent生命周期）
- SubAgent 架构
本质解决什么问题？
👉 当你的系统开始变复杂：
- 多Agent
- 多工具
- 多流程
👉 怎么组织？
Harness就是答案：
👉 把混乱的AI流程 → 变成可控系统
举个真实场景
一个AI系统要：
- 调API
- 查数据库
- 调工具
- 再调用另一个Agent
👉 没有Harness：
❌ 混乱❌ 不稳定❌ 难调试
👉 有Harness：
✅ 可编排✅ 可复用✅ 可扩展
🛠 技术栈（不是点名，是实战）
这12周你会真正用到：
- Claude / OpenAI / Gemini SDK
- LangChain / LangGraph
- MCP Server / A2A Protocol
- Pinecone / Neo4j GraphRAG
- QLoRA / Unsloth
- AWS / Bedrock
- Weights & Biases / Langfuse
👉 每一个工具都有 Lab + 项目，不是介绍
🎯 最后你能做到什么？
毕业不是“学完了”，而是：
👉 你真的能做这四件事：
1️⃣ 搭生产级 RAG（GraphRAG + Eval）
2️⃣ 吃透 3 大 Agent SDK
3️⃣ 做 Multi-Agent + MCP 系统
4️⃣ 跑通 Fine-Tune + Eval Pipeline
👉 每一项都有项目可以写进简历
👥 适合谁？
- Software Engineer（转AI）
- Data / ML（补工程能力）
- DevOps（做AI Infra）
- AI创业 / SaaS团队
🧭 时间线
不是12周结束：
👉 是完整路径：
- W1-3：基础 + Context
- W4-7：RAG系统（3个项目）
- W8-10：Agent + Multi-Agent + Memory + Harness
- W11-12：模型 + Eval
- W13-24：真实项目 + 求职 + Offer
👉 目标不是毕业，是：
👉 拿 Offer
