AI 课程介绍

豆包

2 条消息 · 2026/10/10 02:11:11

我

这是一份 ai 应用课程的一次初步分享，主要讨论到行业相关就业啊，各种相关话题，请你给我总结一下整体内容

AI 助手

课程开班直播完整总结

这是一门大模型/AI Agent应用开发体系课的开班直播，核心分为三大块：课程大纲与配套服务、AI行业求职：四类企业与岗位机会、行业落地场景与AI带来的产业变化，最后是学员问答交流。

一、课程大纲（核心技术板块）

课程是直播为主，理论+随堂实操+实战项目+面试辅导，同一套知识点从编码实操、项目落地、面试问答多角度反复巩固。

  1. Agent开发板块（重点）
    • 实战项目：拆解开源项目OpenManus（复刻Manus Agent），解析架构、实现核心“源脑”；
    • 进阶内容：主流Harness框架、长期记忆、Agent自我反思、多智能体协同（主Agent/子Agent、主线程子线程调度通信）；
    • 配套专项课：Agent相关简历、面试题专项复盘。
  2. 部署&高并发板块 私有化部署模型/知识库、安全、高并发、性能监控、缓存、吞吐优化，配套实战项目；课程会持续迭代，旧项目保留录播，新项目免费开放。
  3. 开发框架板块 LangChain、HuggingFace生态、PyTorch/TensorFlow；企业很多场景不再依赖第三方框架，会自研内部框架。
  4. 模型微调与蒸馏板块 不教从零预训练大模型，重点：微调数据制作、数据质量评估、模型蒸馏（用大模型产出数据训练小模型做能力迁移压缩）。
  5. 视觉与多模态板块 视觉模型发展快于大语言模型，配套AI质检实战项目（零件、水果缺陷检测），同时配套面试辅导。
  6. RAG知识库板块 私有知识库搭建、多模态数据（图片/表格/视频）处理、RAG调优迭代；讲解RAG的替代新技术（Long Context、Agentic Search、LLM Wiki）；实战项目：从零搭建完整RAG系统、LLM Wiki结构化知识系统，配套面试辅导。

二、课程配套服务与资源

  1. 学习社群：微信群，三类角色
    • 主讲老师：直播授课、直播间答疑；
    • 中教（资深AI实战工程师）：微信群解答技术、项目、求职问题；
    • 班主任：处理账号、课程权限、算力资源申领等行政事务。
  2. 实操资源（课程到对应阶段统一开通，大约第4/5节课起）
    • 线上Jupyter网页环境：内置案例代码，模型调用已预充值，课程练习免额外花钱；
    • 本地调试算力券：可多次申领固定额度token，仅限课程案例练习，不能用于公司/个人外部商业项目，违规会停止发放；
    • 云端GPU小时数：用于模型微调、部署实操，GPU型号按当时库存分配。
  3. 其他：电脑配置要求低，只要能上网、可运行代码即可；课程结束后有追新课，每月新增行业前沿技术直播，免费；可免费复学一期。

课程学成对标：中级Agent开发工程师，薪资区间2w~4w；Agent架构师薪资很高（6w起）。

三、AI行业求职：4类企业，怎么选

1. 成立4年以上、深耕多年的AI创业公司

在GPT爆发前就成立，商业闭环跑通，自研模型能力强，场景验证成熟。 例子：Cresta（AI客服，AI教练+对话监控）、Glean（企业统一内部搜索，打通邮箱/CRM/文档）、国内医联（AI医疗）、电商视频生成公司（吉瑞、筷子科技）。 特点：会混合调用多个第三方模型+自研模型，做多模型链路、模型降级选型（在效果和成本之间找最优）。

2. 成立4年以内、依托大模型风口的创业公司

依托大模型/扩散模型兴起，大多不自研基座大模型，基于通用大模型做产品，产品体验打磨好。 例子：Harvey（法律AI，面向律师的低代码Agent工作流、全球法条案例库）、深势科技（AI for Science科研工具）、Bot（设计师Agent）。 行业共识：AI领域未来的巨头，现在大概率已经成立，是求职重点方向。

3. 传统行业转型AI的公司（讲师最推荐关注）

传统行业（人力、代账财税等）原有业务多年，近两年拥抱AI。 例子：北森（人力资源，AI面试官）、代记账公司（AI代账，成本碾压人工代账）。 痛点：行业专家和AI技术人员融合难度高；机会巨大，急需懂行业+懂AI的复合型人才。

4. 基座大模型大厂/小老虎（Kimi、DeepSeek、MiniMax等）

  • 核心模型训练岗：学历门槛很高；
  • 其他岗位门槛相对友好：B端销售、实施工程师FDE、数据处理、解决方案、项目管理等；AI B端销售人才缺口大，有百万年薪案例。

补充：创业方向：不建议直接做“一人公司”，2-3人小团队成功率更高；创业正确思路：先验证付费意愿（先卖再做，卖楼花模式），有真实付费意向后再开发产品，避免盲目开发。

四、行业场景四象限模型（价值×研发投入）

把所有AI业务场景按**商业价值（纵轴）、研发投入（横轴）**划分四个象限：

  1. 低价值、低投入（入门首选，企业最常落地）：营销图文生成、评论情感解析、模板文件自动填写、简单浏览器Agent自动化。投入小，见效快，适合新手项目。
  2. 高价值、低投入（少见）：例如AI情感陪聊；研发门槛低，但竞争不在技术，而在流量投放。
  3. 低价值、高投入（行业大坑）：很多企业第一个AI项目最后都会落到这个象限，前期低估难度，越做投入越高，产出价值有限。市场上大量AI项目都属于这类，面试官、项目本身不靠谱是常态，但行业早期，这种混乱期反而是新人的机会。
  4. 高价值、高投入（深度企业落地）：AI在线客服、深度营销海报Agent（如盒马生鲜案例，打通商品库、分层生成可直接印刷海报）、门店视频行为分析（海底捞案例，摄像头自动监控桌台清理、服务时效、员工规范）、风控欺诈预警、ChatBI深度数据分析。

重点知识点：AI在线客服比AI在线销售更难。 原因：客服是用户掌握对话主动权，还要操作后端订单/地址/退款等高危业务系统，容错极低；销售掌握对话主动权更强，业务系统操作少。

四大行业大类的AI落地特点

  1. 2C消费企业：核心诉求是获客、流量；浅场景容易落地，深度改造业务流程的场景投入巨大。
  2. 生产制造企业：利润薄，优先抠成本；适合生产排程、原材料报价、质检、设备故障预测；工艺/成分优化这类AI for Science场景投入高、性价比低。
  3. 专业服务B端（法律、财务、咨询）：第一阶段给员工配AI助手提升人效；成熟后推出独立AI产品；垂直行业专属大模型基本被证伪，绝大多数场景用通用大模型+私有知识库即可。
  4. 国央企/政务：大量做文档整理、舆情反馈这类低投入场景；常见问题：优先搭建各类管控平台，但落地可用的Agent很少。

五、直播里的重要观点&学员问答核心结论

  1. 岗位变化
    • AI不是简单替代旧岗位，而是重新定义岗位分工，不能简单想着“做一个AI替代真人客服/销售”；
    • 对有行业经验的大龄从业者利好，可以用AI放大经验；对应届生不友好，初级岗位缩减；
    • AI项目组里，测试岗位价值提升：AI模型有随机性，AI产品测试难度远高于传统软件。
  2. 代码开发理念 项目分两类：①核心系统（支付等），人工主导写代码，AI辅助占比低；②快速迭代项目，AI主力写代码，人不review AI代码，只做充分测试，AI负责改代码。
  3. 技术学习认知
    • 不要被“RAG已死”这类博眼球标题误导；新技术都是在旧技术基础上做补充，RAG仍是工业主流，不学RAG就看不懂LLM Wiki这类新技术；
    • Agent开发优先后端背景，但其他背景（测试、前端、运营）也都有机会；最大思维难点：传统软件是确定性代码，而AI系统具备概率性、波动性。
  4. 其他
    • 不建议迷信“具身智能”，目前资本市场炒作成分大，产业落地很少；
    • 求职建议：简历上大胆投递，企业招聘时经常会放宽学历门槛，项目实战经验权重更高；
    • 学习建议：现阶段优先沉下心学习，不用过度纠结5年后具体岗位。

如果你需要，我可以再帮你精简成一页极简摘要，或者提炼成求职/课程学习的行动清单。

本回答由AI生成，仅供参考，请仔细甄别，谨慎投资。