這門課怎麼學

大多數人學 AI 卡在兩個地方。一種人看了很多"大模型原理"的文章，注意力、Transformer 講得頭頭是道，卻從沒自己調過一次 API，更別說做出一個能用的東西。另一種人會用各種框架拼出一個聊天機器人，可一旦效果不好，就只能換個提示詞碰運氣，因為不知道底下發生了什麼。

這門課想讓你兩頭都不缺：既能做出東西，也知道它為什麼能用、為什麼會壞。

兩部分

第一部分：用大模型做東西（模組 00～07）。從第一次呼叫 API 開始，學提示詞、工具呼叫、RAG（讓模型讀你的資料）、智慧體，最後學怎麼評估和上線。這部分全程只調 API，不需要顯示卡，也不需要數學。

第一部分的大部分課圍繞同一個專案：給開源 HTTP 庫 httpx 做一個答疑助手，我們叫它 RepoBot。它從一個只會聊天的命令列小程式開始，一版一版長大：先學會讀 httpx 的文件回答問題，再學會自己翻原始碼找答案，最後有了評估集和日誌，可以放到網上給別人用。

第二部分：從零弄懂大模型（模組 08～11）。用 numpy 手寫梯度下降和反向傳播，用 PyTorch 從零搭一個小 GPT，拿唐詩訓練它，讓它自己寫出幾句像模像樣的詩。然後手寫 LoRA，微調一個真實的開源模型，再把模型部署到本地。

先學用、後學原理，是有意這樣排的。第一次調通 API 只要十分鐘，做出第一個能讀文件的助手大概要三週。先有了這些成就感，也遇到過具體的問題（"它為什麼總是編造函式名？"），你再回頭看原理，會知道自己在找什麼。

選一條路線

第一部分的模組之間有依賴：04 RAG 要用到 03 的對話和工具呼叫，05 智慧體要用到 03 和 04。第二部分的 08 和 09 也要按順序學。其他模組可以跳著看。

每一課長什麼樣

每課開頭會先講一個具體的問題：這個東西不學會，你會在哪裡卡住。然後講清楚原理，接著動手寫程式碼。能手寫的地方，先不用任何框架寫一個最簡單的版本，再告訴你現成的庫裡對應的是哪一步。這樣框架對你來說就不再是黑箱。

課的後半部分講這個方法在什麼情況下不好用、常見的坑，最後是練習和自測。自測的答案摺疊著，想好了再點開看。

課裡貼出來的程式輸出都是寫課時真實執行得到的。frontmatter 的 verified 欄位寫著執行的日期和模型。呼叫大模型的例子，你執行出來的結果會和課裡不一樣，這是正常的，下一個模組會講為什麼。不呼叫大模型的程式碼，比如第二部分訓練神經網路的部分，都固定了隨機種子，你應該能得到和課裡完全相同的數字。

怎麼動手

程式碼一定要自己執行。最好是自己敲一遍，至少也要複製下來跑一遍，然後改一改：換個問題，改個參數，看看結果怎麼變。每課的完整程式碼也放在 code/ 目錄下，但請把它當成對照答案，而不是直接執行的起點。

練習分幾檔。第一檔一般是"改一個地方看看會發生什麼"，幾分鐘就能做完，建議全做。最後一檔通常要自己寫一個小功能，可以挑感興趣的做。

遇到報錯怎麼辦

報錯是學習的一部分，別慌。按這個順序處理：

1. 看最後一行。Python 的報錯資訊很長，但真正的原因幾乎總在最後一行，比如 openai.AuthenticationError: Error code: 401 說明金鑰不對，ModuleNotFoundError: No module named 'openai' 說明包沒裝，或者裝到了別的環境裡。
2. 看報錯指向你程式碼的哪一行。往上找，找到第一個出現你自己檔名的那一行，問題通常就在那附近。
3. 對照課裡的程式碼。逐行比一比有沒有抄錯、有沒有漏掉一行。
4. 把完整的報錯資訊拿去搜索，或者問 AI。注意是完整的，不要只說"它報錯了"。

用 AI 幫你學習是個好主意。看不懂一段程式碼，可以讓它逐行解釋；一個概念沒想通，可以讓它換個角度講，或者舉個別的例子。但是練習請自己寫。讓 AI 替你寫練習，就像請人替你去健身房，最後長肌肉的是別人。

要花多少錢

第一部分要呼叫大模型 API。課程預設用 DeepSeek，因為國內能直接註冊和付款，價格也低。以 2026 年 9 月的價格算，第一部分所有例子和練習跑下來，一般花不到 1 美元。下一課會講怎麼申請金鑰，也會講怎麼換成通義千問、Kimi，或者用 Ollama 在自己電腦上免費執行模型。

第二部分基本不花錢。小 GPT 在普通筆記本的 CPU 上幾分鐘就能訓練出結果。只有第 10 模組微調真實的開源模型時，建議用免費的雲端 GPU，課裡會講具體怎麼用。

練習

1. 看一眼課程目錄，按上面的表格選好你的路線，寫下你打算每週學幾個小時、在哪一天學。
2. 想一個你自己想用 AI 做的小東西，比如"幫我整理每週的會議記錄"、"回答我們團隊文件裡的問題"。寫下來，學到第一部分的最後，回來看看你能不能把它做出來。這道題沒有標準答案。

自測

1. 為什麼這門課先講怎麼用大模型，後講原理？

先做出能用的東西，你會遇到具體的問題，比如模型編造了一個不存在的函式、回答前後矛盾。帶著這些問題再學原理，你知道自己在找什麼答案，學得更紮實，也不容易在一堆數學裡半途而廢。

2. 你照著課裡的程式碼呼叫大模型，得到的回答和課裡貼的不一樣。是你做錯了嗎？

不一定。呼叫大模型的輸出本身就帶有隨機性，同一個問題問兩次，回答也可能不同（01 模組的第 3 課會講原因）。只要程式沒有報錯，回答的意思大致合理，就說明你做對了。不呼叫大模型的程式碼固定了隨機種子，那部分的數字應該和課裡完全一致。

3. 執行程式碼時出現一大段報錯，第一步應該看哪裡？

看最後一行。它通常直接寫出了錯誤型別和原因。然後往上找到第一個出現你自己檔名的那一行，定位是哪行程式碼出的問題。