AI 应用工程师 · 系列课程
开篇｜ 3天从0到1入门AI应用开发
15 课 + 收官篇，带你走完 AI 应用工程师成长之路
作者：小马过河R · 认知 → 原理 → 基础能力 → Agent 进阶 → 综合实战
本篇为系列课程开篇：先给你一张完整的地图，再陪你一课一课，从看懂 AI 走到做出 AI 应用。
目录
[四、课程地图：四阶段 · 十五课](#四、课程地图：四阶段 · 十五课)
一、写在前面：为什么是现在
如果你最近才打算入行 AI 应用开发，恭喜你------时机刚刚好。
回望过去七十年，AI 走过了一条清晰的主线：先是想"用规则描述世界"（符号主义），失败了；再是"让机器自己从数据里找规律"（连接主义），走通了；最后把规模推到极致，能力突然"涌现"（大模型）。2017 年 Transformer 的出现，堪称大模型的"原子弹"；2020 年 GPT-3 让"规模涌现"成为现实；2022 年 11 月 30 日 ChatGPT 上线，第一次把 AI 变成了零门槛、人人可用的通用工具。
也正是在那一刻，"AI 应用工程师"这个职业正式诞生。在此之前，做一个 AI 产品需要算法团队、训练数据和推理服务；在此之后，一个人、一台电脑、一个 API Key，就能调取千亿参数的超级智能------这是软件行业历史上，个人开发者第一次和大厂站在同一条起跑线上。
而今天，AI 正在经历第三次范式转移：从"生成内容"走向"执行任务" 。多模态、AI Agent、具身智能、大小模型协同......应用层的机会才刚刚开始。
当下AI应用开发早已跳出纯Prompt堆Demo的阶段，Harness工程正在成为生产级AI Agent的核心支撑，它通过标准化调度框架把大模型推理、工具调用、异常自愈能力整合起来，解决了过去Agent长链路任务稳定性不足的痛点，让AI能真正落地到企业真实业务流里。FDE这种从一线业务切入的交付模式也在快速普及，开发者不用再困在办公室写通用Demo，直接深入场景填补产品和真实需求的最后一公里，把AI落地的非标经验变成可复制的标准化方案。现在的新入局者完全可以站在开源Agent平台的肩膀上，跳过复杂的底层训练环节，从细分场景切入快速打磨生产级应用，刚好踩中这一轮AI生产力迁移的黄金窗口。
而AI 应用工程师恰恰正是这些方向的相交点和基础环，就让我们从AI 应用工程师开始AI之旅吧。
二、 关于作者
大家好，我是小马过河R，早期深耕服务端架构，于2022年开始深入NLP与大模型领域，亲历了从"RAG+Bert"到"ChatGPT革命"再到"Agent+MCP"的完整技术演进周期，是国内较早一批深耕AI应用落地的实践者。持续关注AI前沿技术落地，目前也是一名人工智能算法工程师。
在企业级AI落地方面拥有一线经验：曾主导垂直领域智能问答系统历经三代架构迭代，准确率达领域可生产水平；同时落地了AIGC短视频生产、AI生图、AI辅助编码等多个业务场景，对从Prompt到Harness工程的生产级AI开发方法论有完整的实战沉淀。
三 、这门课解决什么问题
市面上不缺"AI 科普"，也不缺"调 API 的教程"，但真正能让你从"会用工具"走到"能造应用"的，很少。
这门课正是在有很多不了解AI或者传统软件开发的朋友私聊小马询问想快速了解和入门AI应用开发的背景下诞生的，是一套体系化课程。本课程内容包含小马的见解和实践过程亲手跑通的代码示例，部分内容由AI辅助完成，但不会影响最终学习目标，介意者请慎重选择 。毕竟古法编程已经不被提倡了，写作也是。
这门课要补的，正是这条断层：
- 你不必成为算法专家，但必须成为出色的"AI 能力调度者"；
- 你不必懂千亿参数怎么训练，但必须理解模型的能力边界与工作原理；
- 你不必自己造轮子，但必须掌握 Prompt、微调、RAG、MCP、记忆管理、Agent 这些工程武器。
|--------------------------------------------------------------|
| 一句话：这门课不教你"训练模型"，而是教你"用好模型" ------把大模型这个"大脑"，装上属于你的"身体"。 |
本课程属于零基础快速入门课程，适用于需要快速上手入门或转型的同学。
适合人群：
- 想快速转型AI方向的前后端开发者
- 想打造AI核心竞争力的计算机相关专业学生
- 想跳出基础执行岗的产品、运营、设计师
- 想低成本切入AI赛道的零基础转型者
- 想快速落地AI产品的独立开发者、创业者
- 想把业务经验转化为AI落地方案的行业骨干
四 、课程地图：四阶段 · 十五课
十五课 + 收官篇，就是一条清晰的成长路径：认知与原理 → 基础能力 → Agent 进阶 → 综合实战 。
表 1 课程地图：四阶段 · 十五课
|--------------|------------|----------------------------------------------------|----------------------------|
| 阶段 | 课次 | 课程主题 | 你将掌握 |
| 一 · 认知与原理 | 第 1--2 课 | AI 七十年极简史 / AI 数学基础与模型原理 | 建立技术坐标，看懂模型的底层逻辑 |
| 二 · 基础能力 | 第 3--5 课 | 从零调用大模型 / Prompt 工程 / 模型微调 | 会调 API、会写 Prompt、懂微调与私有化部署 |
| 三 · Agent 进阶 | 第 6--10 课 | AI Agent / MCP / Agent 记忆与上下文管理 / RAG / Agent 框架实战 | 掌握 Agent 的核心武器库 |
| 四 · 综合实战 | 第 11--15 课 | 智能客服系统架构 / RAG 知识库 / 订单查询与意图路由 / 对话记忆 / 多智能体协作与集成 | 从零到一做成企业级智能客服系统 |
| 收官篇 | --- | 从零到一，你已经是一名 AI 应用工程师了 | 总结 · 回顾 · 展望 |
五 、课程脑图：一张图看懂整门课
图 1 课程脑图：AI 应用工程师成长之路（15 课 · 四阶段 · 收官篇）文字版课程脑图
- 阶段一 · 认知与原理（第 1--2 课）
- 第 1 课｜AI 七十年极简史：六个转折点 · 三种范式 · 2022 分水岭
- 第 2 课｜AI 数学基础与模型原理：数据·算法·算力 · 从线性回归到大模型 · Transformer
- 阶段二 · 基础能力（第 3--5 课）
- 第 3 课｜从零调用大模型：Token · Messages · Temperature · 第一个 API · 统一接口
- 第 4 课｜Prompt 工程：十大设计原则 · SPF / Co-STAR · 模板化调用 · CoT / Few-shot / ReAct
- 第 5 课｜模型微调：LoRA / QLoRA · 完整微调流程 · Ollama / vLLM 私有化部署
- 阶段三 · Agent 进阶（第 6--10 课）
- 第 6 课｜AI Agent：LLM + 规划 + 记忆 + 工具 + 执行循环 · ReAct 模式
- 第 7 课｜MCP：AI 时代的「USB-C 接口」· 三大原语 · 从 M×N 到标准化
- 第 8 课｜Agent 记忆与上下文管理：短期 / 长期 / 工作记忆 · 向量库与混合检索
- 第 9 课｜RAG：索引 + 检索 + 生成 · 混合检索与重排序 · GraphRAG / Agentic RAG
- 第 10 课｜Agent 框架实战：LangGraph / CrewAI / AutoGen / Deep Agents
- 阶段四 · 综合实战（第 11--15 课）
- 第 11 课｜智能客服系统架构设计与项目初始化：主控 Agent + 子 Agent
- 第 12 课｜RAG 知识库构建与产品咨询子 Agent：分块 · 向量化 · 混合检索
- 第 13 课｜订单查询工具与意图识别路由：工具 vs RAG · 意图识别双保险
- 第 14 课｜对话记忆与上下文管理：短期记忆 · 长期记忆 · 用户画像
- 第 15 课｜多智能体协作与完整系统集成：Supervisor + Worker · 任务交接 · 部署
- 收官篇 · 从零到一
- 你，已经是一名 AI 应用工程师了：总结 · 回顾 · 展望
六 、学完这门课，你将获得什么
- 一张清晰的 AI 技术坐标图 ：知道 API、开源模型、Agent 框架分别来自哪次技术浪潮；
- 一套扎实的基础能力 ：调用 API、写 Prompt、微调模型、私有化部署；
- 一套完整的 Agent 武器库 ：ReAct、Function Calling、MCP、记忆系统、RAG、主流框架；
- 一个 实践落地的 作品 练习 ：亲手从零做成的企业级智能客服系统（多智能体协作 + 意图路由 + 跨会话记忆）；
- 一种工程化思维 ：从原型到生产，把"临时写提示词"升级为"管理提示词资产"。
课程附带案例实践源码仓库地址供学习参考。如有任何问题也可以通过公众号联系小马进行进一步交流，欢迎你的到来。
交个朋友！^^
七 、给你的学习建议
- 先建立认知，再动手 ：第一、二课别跳过，它们决定你能走多远。
- 边学边做 ：第三课一定要亲手跑通第一个 API 调用，后面的课才有手感。
- 用真实场景练 ：把 Prompt 工程的原则用到你自己的业务里，而不是停留在示例上。
- 实战篇务必跟着敲代码 ：第 11--15 课是一个连续的项目，demo 代码已开源，跟着走完你就有了第一个作品。
- 微调等进阶内容按需再深入 ：先建立全局认知，用到时再深挖。
结语
十五课，我们从 AI 七十年的演进逻辑，一路走到一个真正能跑起来的企业级智能客服系统练习。
AI 应用开发的范式已经彻底转变：从"训练→微调→部署"，变成了"调用→编排→优化 "。
|------------------------------------------------------------------------|
| 模型是大脑，工程架构是身体。 大模型再强，没有 Prompt、RAG、记忆管理、工具调用等工程能力的支撑，在真实业务里依然寸步难行。 |
2026 年入场，时机刚好。接下来，我们一起------从看懂 AI，到做出 AI 应用 。