这门课怎么学

大多数人学 AI 卡在两个地方。一种人看了很多"大模型原理"的文章，注意力、Transformer 讲得头头是道，却从没自己调过一次 API，更别说做出一个能用的东西。另一种人会用各种框架拼出一个聊天机器人，可一旦效果不好，就只能换个提示词碰运气，因为不知道底下发生了什么。

这门课想让你两头都不缺：既能做出东西，也知道它为什么能用、为什么会坏。

两部分

第一部分：用大模型做东西（模块 00～07）。从第一次调用 API 开始，学提示词、工具调用、RAG（让模型读你的资料）、智能体，最后学怎么评估和上线。这部分全程只调 API，不需要显卡，也不需要数学。

第一部分的大部分课围绕同一个项目：给开源 HTTP 库 httpx 做一个答疑助手，我们叫它 RepoBot。它从一个只会聊天的命令行小程序开始，一版一版长大：先学会读 httpx 的文档回答问题，再学会自己翻源码找答案，最后有了评估集和日志，可以放到网上给别人用。

第二部分：从零弄懂大模型（模块 08～11）。用 numpy 手写梯度下降和反向传播，用 PyTorch 从零搭一个小 GPT，拿唐诗训练它，让它自己写出几句像模像样的诗。然后手写 LoRA，微调一个真实的开源模型，再把模型部署到本地。

先学用、后学原理，是有意这样排的。第一次调通 API 只要十分钟，做出第一个能读文档的助手大概要三周。先有了这些成就感，也遇到过具体的问题（"它为什么总是编造函数名？"），你再回头看原理，会知道自己在找什么。

选一条路线

第一部分的模块之间有依赖：04 RAG 要用到 03 的对话和工具调用，05 智能体要用到 03 和 04。第二部分的 08 和 09 也要按顺序学。其他模块可以跳着看。

每一课长什么样

每课开头会先讲一个具体的问题：这个东西不学会，你会在哪里卡住。然后讲清楚原理，接着动手写代码。能手写的地方，先不用任何框架写一个最简单的版本，再告诉你现成的库里对应的是哪一步。这样框架对你来说就不再是黑箱。

课的后半部分讲这个方法在什么情况下不好用、常见的坑，最后是练习和自测。自测的答案折叠着，想好了再点开看。

课里贴出来的程序输出都是写课时真实运行得到的。frontmatter 的 verified 字段写着运行的日期和模型。调用大模型的例子，你运行出来的结果会和课里不一样，这是正常的，下一个模块会讲为什么。不调用大模型的代码，比如第二部分训练神经网络的部分，都固定了随机种子，你应该能得到和课里完全相同的数字。

怎么动手

代码一定要自己运行。最好是自己敲一遍，至少也要复制下来跑一遍，然后改一改：换个问题，改个参数，看看结果怎么变。每课的完整代码也放在 code/ 目录下，但请把它当成对照答案，而不是直接运行的起点。

练习分几档。第一档一般是"改一个地方看看会发生什么"，几分钟就能做完，建议全做。最后一档通常要自己写一个小功能，可以挑感兴趣的做。

遇到报错怎么办

报错是学习的一部分，别慌。按这个顺序处理：

1. 看最后一行。Python 的报错信息很长，但真正的原因几乎总在最后一行，比如 openai.AuthenticationError: Error code: 401 说明密钥不对，ModuleNotFoundError: No module named 'openai' 说明包没装，或者装到了别的环境里。
2. 看报错指向你代码的哪一行。往上找，找到第一个出现你自己文件名的那一行，问题通常就在那附近。
3. 对照课里的代码。逐行比一比有没有抄错、有没有漏掉一行。
4. 把完整的报错信息拿去搜索，或者问 AI。注意是完整的，不要只说"它报错了"。

用 AI 帮你学习是个好主意。看不懂一段代码，可以让它逐行解释；一个概念没想通，可以让它换个角度讲，或者举个别的例子。但是练习请自己写。让 AI 替你写练习，就像请人替你去健身房，最后长肌肉的是别人。

要花多少钱

第一部分要调用大模型 API。课程默认用 DeepSeek，因为国内能直接注册和付款，价格也低。以 2026 年 9 月的价格算，第一部分所有例子和练习跑下来，一般花不到 1 美元。下一课会讲怎么申请密钥，也会讲怎么换成通义千问、Kimi，或者用 Ollama 在自己电脑上免费运行模型。

第二部分基本不花钱。小 GPT 在普通笔记本的 CPU 上几分钟就能训练出结果。只有第 10 模块微调真实的开源模型时，建议用免费的云端 GPU，课里会讲具体怎么用。

练习

1. 看一眼课程目录，按上面的表格选好你的路线，写下你打算每周学几个小时、在哪一天学。
2. 想一个你自己想用 AI 做的小东西，比如"帮我整理每周的会议记录"、"回答我们团队文档里的问题"。写下来，学到第一部分的最后，回来看看你能不能把它做出来。这道题没有标准答案。

自测

1. 为什么这门课先讲怎么用大模型，后讲原理？

先做出能用的东西，你会遇到具体的问题，比如模型编造了一个不存在的函数、回答前后矛盾。带着这些问题再学原理，你知道自己在找什么答案，学得更扎实，也不容易在一堆数学里半途而废。

2. 你照着课里的代码调用大模型，得到的回答和课里贴的不一样。是你做错了吗？

不一定。调用大模型的输出本身就带有随机性，同一个问题问两次，回答也可能不同（01 模块的第 3 课会讲原因）。只要程序没有报错，回答的意思大致合理，就说明你做对了。不调用大模型的代码固定了随机种子，那部分的数字应该和课里完全一致。

3. 运行代码时出现一大段报错，第一步应该看哪里？

看最后一行。它通常直接写出了错误类型和原因。然后往上找到第一个出现你自己文件名的那一行，定位是哪行代码出的问题。