cohort 0512 + 12 weeksapplication requiredRECRUITING286 lessons · compiled
$ jr-academy run ai-engineer-bootcamp --cohort 05 --status recruiting
// AI ENGINEER BOOTCAMP · 工程师就业班
AI Engineer Bootcamp
第 05 期 · COHORT 0512 + 12 周线上 · 申请制286 课时 · 7 个简历项目
把你 compile 成 2026 最稀缺的 AI Engineer
12 周技术 + 12 周 P3 企业项目孵化
286
lessons compiled
68
interactive labs
59
live classes
7
resume projects
agent-sdk:OpenAI AgentsClaude Agent SDKGoogle ADK
core-stack:RAGGraphRAGMCPA2ALangGraphLangSmith
fine-tune:QLoRAUnslothHuggingFace
cat 市面 AI 课.json | grep "shallow"
// 浅尝: 只教 ChatGPT API call (跑不了 production)
cat 学术派.json | grep "too-deep"
// 太深: Karpathy 从零写 GPT (1 年学不完)
./ai-engineer-bootcamp.sh — 工程化全栈 · 12+12 周 · 简历 7 项目 · 真实甲方背书
第 5 期大重构 — 4 → 10 phases · +62 个 Lab · 课时 +79%
第四期 96 节课压在 4 phase 里粗讲。第五期把 Agent 拆成 Capability / Agent Core / Multi-Agent / Memory / Harness 五个独立 phase，新增 62 个 Lab，覆盖 Claude Code 架构 / SubAgent / MCP 2026 核心能力。>> ./view --compare v4 v5
$ submit-application → 24-48h review → grant access
// interactive diagnostic
AI Engineer 到底需要会什么？先用 5 分钟测一下
这套自评把 AI Engineer 拆成 Full-stack、Prompt、Cloud、Data Thinking、AI Engineering Core 五块。评估完你会知道自己是缺工程地基、RAG 数据闭环，还是 Agent / Eval / Model Ops 能力。
loading capability-map...
10
phases
286
lessons
59
live
68
labs
7
projects
12+12
weeks
// lesson-mix
课时构成 ·172节课按类型分布 (Pre-work 不计入)
LIVE 59
LAB 62
INFO 46
4
1
LIVE直播课· 59
LAB互动 Lab· 62
INFO图文自学· 46
VIDEO录播· 4
QUEST实战 Quest· 1
01
Foundation + Context Engineering
P1-P2 · W1-W3
02
RAG 全栈 + Capability Layer
P3-P4 · W4-W6
03
Agent Core + Multi-Agent + Memory + Harness
P5-P8 · W7-W10
04
Model Layer + Observability + Fine-Tuning + P3 孵化
P9-P10 · W11-W12 + Fine-Tuning + Career
// flagship · 三大 AGENT SDK 全栈对比
OpenAI · Claude · Google ADK — 三家全实操，毕业不被单厂锁死
$ ls ./agent-sdks/ // 3 frameworks · 同一场景 × 3 实现 · 对比 latency / cost / 工具调用 / 长上下文
╔═══════════╗
║ OpenAI ║
║ AGENTS ║
╚═══════════╝
// openai
OpenAI Agents SDK
业界最早成熟的 Agent 编排框架，Assistants API + Tools + Threads 三件套。生产部署的事实标准。
- Assistants API 完整生命周期
- Function Calling / Code Interpreter
- Thread State Management
- Tools Decision Loop
→ Phase 5 主讲 · Project 3 实操
╔═══════════╗
║ Claude ║
║ AGENT ║
╚═══════════╝
// anthropic
Claude Agent SDK
Anthropic 官方 SDK + Claude Code harness 架构 + SubAgent + MCP Tools。2026 工程化最完整的方案。
- Claude Code Harness 架构
- SubAgent 多代理协作
- MCP 工具协议集成
- Custom Hooks + Memory
→ Phase 5+8 主讲 · Project 4 实操
╔═══════════╗
║ Google ║
║ ADK ║
╚═══════════╝
// google
Google Agent ADK
Google Agent Development Kit + Gemini 2.5 长上下文 + A2A 协议 + Vertex AI 部署。多模态原生。
- Gemini 2M token 长上下文
- A2A 协议 + Specialist Agents
- Multi-modal Native (图/视频/音)
- Vertex AI 生产部署
→ Phase 5+6 主讲 · Project 3 实操
// skills-tower · 10-layer stack
毕业后你能掌握的 完整技术栈 · 从下到上 10 layer
$ stack --inspect // L01 Foundation → L10 Observability · 每层独立掌握 · 50+ 具体 tech
L01foundation
Foundation Layer
PythonLLM APITransformerML/DL BasicsModel SelectionTokenization
L02context
Context Engineering
Prompt StrategyContext WindowToken BudgetMulti-Turn StateSystem Design
L03rag
RAG · 检索增强生成
Vector SearchHybrid RetrievalRe-rankingGraphRAGKnowledge GraphChunk Strategy
L04capability
Capability Layer
Function CallingStructured OutputTool UseMCP ProtocolJSON Schema
L05agent
Agent Core — 三大 SDK
OpenAI Agents SDKClaude Agent SDKGoogle ADKAgent LoopTool Decision
L06multi-agent
Multi-Agent · 协作
A2A ProtocolOrchestrationHand-offSpecialist AgentsCoordination
L07memory
Memory System
Short-termLong-termEpisodicSemanticMemory Decay
L08harness
Harness Engineering
Claude CodeSubAgentCustom HooksMCP ToolsCLI Architecture
L09model
Model Layer
Cost OptimizationSelf-hostingQLoRAUnslothHuggingFaceOpen-source LLM
L10observability
Observability & Evals
LangSmithW&BCustom EvalsRegression TestToken Cost MonitorLatency P95
stack.compile() === production-ready AI Engineer · 跑得起 RAG · 编得动 Agent · 调得动 Eval
KILL POINTS · 7 DIFFS
vs 你能找到的所有 AI 培训 — 7 条核心差异化
KILL 01 · 体量
286 节课 · 68 互动 Lab · 59 直播
远超任何 OpenAI / LangChain 一日培训。Pre-work 10 个 Lab 摸底 → 10 phase 分层 → 7 实战项目贯穿。学完手里有可放简历的项目，不是 demo 玩具。
KILL 02 · 第 5 期重构
4 → 10 phases · 课时 +79%
第四期 96 节课压在 4 phase 里粗讲，2026 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 Lab。课程跟得上市场。
KILL 03 · 三家 SDK 全栈
OpenAI · Claude · Google Agent SDK 全实操
不只学一家。OpenAI Assistants / Anthropic Claude Agent SDK / Google ADK 全部跑通，配合 A2A 协议 + MCP 工具集成，毕业能根据场景选型，不被单一厂商锁死。
KILL 04 · 7 个简历项目
贯穿全课程的实战项目
不是 hello world demo。RAG 系统 / GraphRAG 知识图谱 / Multi-Agent 应用 / Eval 流水线 / Fine-Tuning case / Production AI Agent / MCP 工具 — 毕业即简历 7 个 GitHub repo。
KILL 05 · 12 周 P3 孵化
12 周技术 + 12 周企业项目
学完不结束。Phase 11 Career Coaching + 12 周 P3 真实企业项目带你跑：从架构设计到 PR review 到 demo。毕业时简历不只有课程项目，还有真实甲方背书。
KILL 06 · 现役工程师导师
Meta / Microsoft / Amazon 现役工程师
导师全部来自一线 AI 团队 (不是培训讲师 / 不是退休 lecturer)。课程刚做完的工程师同款思路，遇到 production bug 直接问，回答都是去年上周的真实场景。
KILL 07 · 4 期校友迭代
已开到第 5 期 · 持续 4 期校友反馈打磨
不是新课。01 / 02 / 04 期校友的反馈直接驱动了第 5 期的 10 phase 重构。课程内容已经过 200+ 人真实学习验证 — 哪个 phase 太快、哪个 Lab 卡人、哪个项目最有用，全在 outline 里调过。
4 PHASES · TIMELINE
每个 Phase 末你拿走的具体东西
P1-P2 · W1-W3
Foundation + Context Engineering
GenAI 全景 → LLM API → Transformer 架构 → ML/DL 基础 → 模型选型 → Context Engineering 系统设计。Pre-work 10 Lab 摸底，开课前补完 Python / Git / AWS / 命令行基础。
51 节课 · Pre-work 33 + Context 18 · 18 互动 Lab
P3-P4 · W4-W6
RAG 全栈 + Capability Layer
RAG 系统全栈开发 (向量检索 / GraphRAG / 混合检索 / re-ranking) → Function Calling / Structured Output / 工具集成。Project 1: 端到端 RAG 知识库 + Project 2: 多源 GraphRAG。
56 节课 · RAG 45 + Capability 11 · 22 互动 Lab
P5-P8 · W7-W10
Agent Core + Multi-Agent + Memory + Harness
三大 Agent SDK 对比实操 → Multi-Agent + A2A 协议 → Memory System → Claude Code Harness 架构 → SubAgent + MCP 工具集成。Project 3-5: Multi-Agent 应用 + Harness 工具链。
30 节课 · Agent 9 + Multi 11 + Memory 2 + Harness 8 · 20 互动 Lab
P9-P10 · W11-W12 + Fine-Tuning + Career
Model Layer + Observability + Fine-Tuning + P3 孵化
Model 选型与对比 → LangSmith / W&B Observability → AI Eval Engineering → QLoRA / Unsloth Fine-Tuning → MCP 工具集成 → 12 周 P3 真实企业项目 + Career Coaching。Project 6-7: Eval 流水线 + Fine-Tuning case + production AI Agent。
35+ 节课 · Model 18 + Eval 17 + Fine-Tuning + Career + MCP + AI Coding · 8 互动 Lab
git diff · v4..v5+76 节课 · +79% · 4 → 10 phases · 这门课的迭代速度跟得上 AI 行业的速度
AI 工程领域 12 个月发生的变化比过去 5 年加起来还多。Claude Code / MCP / SubAgent / Agent Memory 这些 2026 核心能力，2025 年课程提都没提过。第 5 期把 4 phase 拆成 10，让课程跟得上行业。
v1 · 第四期
96 lessons · 4 phases
LIVE 52 · INFO 44 · LAB 0 · QUEST 0 · VIDEO 0P1 · GenAI 基础 + Context Eng: 20P2 · RAG 系统全栈开发: 29P3 · AI Agents 工程化: 25P4 · 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
v2 · 第五期 ✦
172 lessons · 10 phases
LIVE 59 · INFO 46 · LAB 62 · QUEST 1 · VIDEO 4P1 · Foundation Layer: 33P2 · Context Engineering: 18P3 · RAG: 45P4 · Capability Layer: 11P5 · Agent Core: 9P6 · Multi-Agent: 11P7 · Memory System 🆕: 2P8 · Harness Engineering 🆕: 8P9 · Model Layer: 18P10 · Observability & Evals: 17
+ 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
$ git log --stat v4..v5 → +76 节课 · +79% · 4 → 10 phases · 不是 minor revision，是把 Agent 模块从 1 phase 拆到 5 phase 的大重构。
7 RESUME PROJECTS不是 hello world demo — 毕业即 7 个 GitHub repo 可放简历
PROJECT 1
端到端 RAG 知识库系统
多源文档摄取 → embedding → 向量检索 → re-ranking → context window 优化。配合 Streamlit / Next.js 前端，可部署 demo 给面试官看。
Python · OpenAI · Pinecone/Qdrant · Streamlit
PROJECT 2
GraphRAG 多源知识图谱
Neo4j 图数据库 + LLM 抽取 entity/relation + 混合检索（向量 + 图遍历）。复杂查询能力远超普通 RAG，is the moat 2026。
Neo4j · LangGraph · Hybrid Retrieval
PROJECT 3
Multi-Agent 应用 (三 SDK 对比)
OpenAI Assistants / Claude Agent SDK / Google ADK 各自实现同一个场景，对比响应质量 / 工具调用 / cost。简历直接 demo SDK 选型能力。
OpenAI · Claude · Google ADK · A2A
PROJECT 4
Claude Code Harness 工具链
SubAgent + MCP 工具集成 + 自定义 hooks + memory system。真正搭建出"我自己的 Claude Code 增强版"，工程化能力炸裂。
Claude Code · MCP Protocol · SubAgent
PROJECT 5
AI Eval Pipeline
LangSmith + 自定义 eval metric + regression test。production AI 应用必备。面试时直接问 "你们怎么测试 LLM 质量" — 你能答出完整流程。
LangSmith · W&B · Custom Evals
PROJECT 6
QLoRA / Unsloth Fine-Tuning Case
从 dataset 准备 → QLoRA 微调 → 评估 → 部署。开源 LLM 定制化能力，比 prompt engineering 高一层。
QLoRA · Unsloth · HuggingFace
PROJECT 7
P3 企业项目 (12 周 capstone)
真实甲方需求 → 架构设计 → 团队协作 (PR review / sprint) → demo day。毕业时简历有真实企业项目 + 甲方背书。
真实甲方 · 教练 mentor · 12 周
7 个项目都是贯穿课程的实战练习, 不是课后附加题。每个项目有 PR review + Lab 自动测试 + Demo Day 评审 — 完成度 = 简历可信度
FACULTY · ACTIVE ENGINEERS导师来自 Meta / Microsoft / Amazon 等一线 AI 团队 (不是培训讲师)
Tech Lead
G
Tech Lead
G X
现役 AI 工程师，主讲实战章节与项目 review
Research Scientist
S
Research Scientist
Samuel Shaw
现役 AI 工程师，主讲实战章节与项目 review
Sr specialist SA
P
Sr specialist SA
Peiyao Li
现役 AI 工程师，主讲实战章节与项目 review
Senior Applied Scientist
X
Senior Applied Scientist
Xiaoxiao Ma
现役 AI 工程师，主讲实战章节与项目 review
Tech lead
L
Tech lead
Leon Li
现役 AI 工程师，主讲实战章节与项目 review
Senior Data Scientist
S
Senior Data Scientist
Saisai Ma
现役 AI 工程师，主讲实战章节与项目 review
AI Integration Architect|Data Science and Engineering Lead
S
AI Integration Architect|Data Science and Engineering Lead
Sheldon Lin
现役 AI 工程师，主讲实战章节与项目 review
Technical Lead
T
Technical Lead
Tony Wang
现役 AI 工程师，主讲实战章节与项目 review
完整 Faculty 名单 + LinkedIn + 现任公司 + 主讲 Phase 在申请审核通过后 24h 内发完整 PDF · 开课第一天每位导师课前自我介绍 (录像可回看)
CAREER OUTCOME目标岗位 + 12 周 P3 企业项目 + Career Coaching = 从 compile 到 deploy 的闭环
这门课的终点不是发结课证书。12 周技术 + 12 周 P3 孵化 + Career Coaching 设计成一条完整的就业路径 — 毕业时你手里有项目 + 真实甲方背书 + 简历 review + 内推渠道。
target_role
AI Engineer
production AI 应用工程师 · LLM + Agent + RAG 全栈
target_role
AI Agent Developer
专注 Multi-Agent 系统设计 · A2A / MCP / 工具链
target_role
AI Eval Engineer
AI 质量 / regression / observability 专家
target_role
LLM Engineer
模型选型 / Fine-Tuning / 部署 / cost 优化
P3 · 12 weeks
12 周 P3 企业项目孵化
学完 12 周技术课程后，进入 P3 阶段。真实甲方需求 + 教练 mentor + 团队协作 + Demo Day。毕业时简历不只有课程项目（7 个），还有真实企业项目背书。
- 真实甲方需求 (不是模拟项目)
- 团队 4-6 人协作 (PR review / sprint / daily standup)
- 教练 mentor 每周 1:1
- Demo Day 评审 + 简历 endorsement
career_coaching
Career Coaching 模块
简历 review (聚焦 AI 项目呈现) + 面试准备 (system design / coding / 行为面试) + 内推渠道 (校友 + 合作公司)
- AI Engineer 专属简历模板 + review
- AI System Design 面试题库 + mock interview
- 内推渠道 (校友 200+ in Meta/MS/Amazon/Stripe etc)
- Offer negotiation 1:1 (level / package / signing bonus)
PRICING · 3 TIERS自学 / 教学 / 陪跑三档 — 选最适合你的节奏 (具体价格 BD 配置后展示)
自学档 · STANDARD
$[BD 填]
self-paced
286 节课全部 access + 68 互动 Lab + 7 项目 + 录播回看 (无直播 / 无 1:1 / 无 P3)
// 适合已有工程基础、想自己跑完的同学
教学档 · COHORT
$[BD 填]
直播 + 助教
自学档 + 59 节直播课 + 助教 1:8 答疑 + cohort 学习群 + Demo Day (无 P3 企业项目)
// 推荐 · 大多数学员选这档
陪跑档 · P3 PRO
$[BD 填]
直播 + P3 孵化
教学档 + 12 周 P3 真实企业项目 + 1:1 教练 mentor + Career Coaching + 内推
// 适合留学生 / 想转 AI 工程岗位拿 offer 的同学
// 不报名也要花的钱 — 同等深度的替代方案真实市场价
- 同等深度的英文 bootcamp (Coursera / Udacity AI Nanodegree): $2-5k USD · 全英文无 1:1
- 美国 AI Engineer 培训 (Reforge / Maven 类): $3-8k USD · 1-2 月短训
- 请 senior AI 工程师做 1:1 mentor 6 个月: $300-500/h × 24 = $7-12k AUD
- 自学 + 撞墙 + 项目无人 review: 6-12 个月时间 + 转岗机会成本 $30-50k
- 澳洲华人 AI 培训竞品 (基础课): $1.5-3k AUD · 内容多为 ChatGPT API 入门
合计 $10-30k AUD + 6-12 个月时间 + 没人 review · 打包到一门课 = 286 lessons + 68 labs + 7 projects + P3 + Career Coaching
RISK REVERSAL · 4 COMMITS报名前你担心的, 这里写清楚 — 4 条 trust commitment
W1 试听不满意 100% 退款
开课第 1 周内容不达预期，邮件回执即可全额退款 (含已交学费 + 报名手续费)，无需说明理由
免费回流下一期 (满足条件)
完成 80% 课程但因工作 / 个人原因没跟上当期节奏，下一期同档位免费回流补完 (Office Hour 持续 6 个月)
导师真实可验证
开课第一天每位导师课前自我介绍 (录像可回看)。Faculty PDF 含 LinkedIn 真实链接 + 现任公司 + 工作年限 + 主讲 Phase 章节
286 节课 + 7 项目 + 1 项目 P3 完整交付
不是"录播 + 群答疑"。真直播 59 节 + 真助教 + Lab 自动测试 + 项目 PR review + Demo Day 评审 + P3 教练 1:1 — 每一项不到位都不算交付
FAQ · 5 QUESTIONS
报名前最常被问的 5 个问题
Q. 需要什么基础才能报名？
Python 编程基础 + RESTful API 开发经验 + 云平台基础 (AWS/Azure) + Git 版本控制。Pre-work 10 个 Lab (Python / Git / AWS / 命令行) 让你开课前知道自己缺什么。完全零基础需要先去刷 ai-essentials-bootcamp 或 web-code-bootcamp。
Q. 为什么是第 5 期了还说是新课？
第五期是大重构 — 把 4 phase 拆成 10 phase + 新增 62 个 Lab + Memory / Harness 两个全新模块覆盖 Claude Code 工具链。课程内容相比第四期 +79%。这门课的迭代速度跟得上 AI 行业的速度。
Q. 12 周 P3 企业项目是真的甲方项目吗？
是。匠人 P3 程序合作 30+ 中小企业 / startup (含已上市 AU/CN 公司)，每期 cohort 分配 4-8 个真实项目。教练 mentor 跟你一起做架构 / PR review / sprint，最终 demo 给甲方。简历上写的是真实项目背书，不是"模拟项目"。
Q. 导师真的来自 Meta / Microsoft / Amazon 吗？
是。Faculty 全部现役工程师 (不是培训讲师)。完整 Faculty 名单 + LinkedIn + 现任公司 + 主讲 Phase 在申请审核通过后 24h 内发完整 PDF 验证。开课第一天每位导师课前自我介绍 (录像可回看)。
Q. 学完能保证拿到 AI Engineer offer 吗？
不保证。能保证的是：(1) 简历有 7 个可放的实战项目 + 1 个 P3 企业项目背书 (2) Career Coaching 1:1 改简历 + mock interview (3) 内推渠道（200+ 校友在 Meta/MS/Amazon/Stripe 等 + 合作公司）。剩下要看你自己的 leetcode / system design / 行为面试准备 — 我们提供资源不替你面试。
准备好把 12+12 周 · 286 lessons · 68 labs · 7 projects 收入囊中
$ cohort_05.apply() // 申请审核制 · 24-48h 审核 · 招生中
AI Engineer Bootcamp · cohort 05
286 lessons · 12+12w·application required