前言
前言
最近在筹备一套 「AI 应用开发实战课」 系列，计划在 CSDN 系统连载。
目标读者：有编程基础、会从「调 API」进阶到「能上线 AI 产品」的开发者。
为什么要做这套系列？
会调 API ≠ 会做 AI 应用。一套真正可用的 AI 产品，通常需要同时具备：
- 稳定的模型调用能力（Prompt、流式、Function Calling）
- 知识增强能力（RAG、向量检索、重排序）
- Agent 能力（工具调用、多步推理、安全边界）
- 工程化能力（监控、缓存、部署、成本控制）
本系列将按 6 大模块、26 篇文章 的路径，带你从 Demo 走到可维护的 AI 应用。
课程大纲
模块一：认知与基础（4 篇）
| 篇次 | 主题 |
|---|---|
| 1 | 从 ChatGPT 到 AI 产品：差距在哪？ |
| 2 | AI 应用技术栈全景图 |
| 3 | 模型选型指南 |
| 4 | Agent + MCP 开发环境搭建 |
模块二：Prompt 与模型调用（4 篇）
| 篇次 | 主题 |
|---|---|
| 5 | Prompt 工程基础 |
| 6 | 流式输出与对话管理 |
| 7 | Function Calling 入门 |
| 8 | 多模型编排与降级策略 |
模块三：RAG 检索增强（5 篇）
| 篇次 | 主题 |
|---|---|
| 9 | RAG 原理 |
| 10 | 文档处理流水线 |
| 11 | Embedding 与向量库实战 |
| 12 | Hybrid Search + Rerank |
| 13 | 文档问答应用 Demo |
模块四：Agent 与工具调用（5 篇）
| 篇次 | 主题 |
|---|---|
| 14 | ReAct 框架解析 |
| 15 | 工具设计实战 |
| 16 | MCP 协议实战 |
| 17 | 多 Agent 协作 |
| 18 | Agent 安全与边界 |
模块五：工程化与上线（5 篇）
| 篇次 | 主题 |
|---|---|
| 19 | 架构设计 |
| 20 | 可观测性 |
| 21 | 成本优化 |
| 22 | 部署与运维 |
| 23 | 用户体验设计 |
模块六：综合项目（3 篇）
| 篇次 | 主题 |
|---|---|
| 24 | AI 知识库助手：需求与架构 |
| 25 | 核心功能实现 |
| 26 | 上线复盘与迭代 |
连载节奏
- 前半程（模块一--二）：每周 2 篇
- 中段干货期（模块三--四）：每周 2--3 篇
- 收尾阶段（模块五--六）：每周 1--2 篇
每篇均包含：场景问题 → 核心知识点 → 代码示例 → 常见坑 → 下篇预告。
第一篇即将发布
从 ChatGPT 到真正可用的 AI 产品 ------ 聊聊 LLM 边界、常见误区，以及 AI 应用的核心能力模型。
觉得有用的话，欢迎关注专栏，第一时间收到更新。评论区也欢迎留言：你最想先学 RAG、Agent 还是工程化？