这门课交付什么:一个能上线的 AI 产品,和一条不许糊弄的底线

学完你手里有什么

三样东西,一样都不虚:

1. 一个上线的 AI 产品(毕业项目):公网网址、用户登录、用量额度、流式对话体验——从知识库问答、结构化处理器、垂直助手三类模板里选,或做你自己的;
2. 一套评测门禁(evals):你产品的每个核心功能都有评测集,改动要跑分,分数跌了不许上线——这是全课的灵魂,也是你和"调 API 爱好者"的分水岭;
3. 一本实测账:重试率、幻觉率、缓存命中前后的账单、每个用户的成本——全是你自己跑出来的数字。

全课地图(10 章)

三条教学承诺(也是三条底线)

① 每个数字都实测。课里出现的延迟、成功率、账单、幻觉率,全部来自真实运行,标注环境与日期——没有"大概""据说"。

② 先评测再上线。从 AP2 起,每个功能都先建评测集再动手改——"感觉变好了"在这门课里不算数,分数说了算。(本站量化课的老学员会认出这个基因:先证伪再相信,换了个战场。)

③ 主引擎 DeepSeek,国内直连。全课代码你在国内网络直接可跑,充 10 块钱够练完前几章;方法对所有 OpenAI 兼容接口通用,换模型只改配置。

你需要什么基础

• 会一点代码:能看懂并改动 Python 或 JavaScript 的函数级代码(不需要架构能力)——本站免费的《从零学会 AI 编程》毕业水平正好;
• 会用终端:能 cd、能跑脚本(同上,主课 P1 水平);
• 不需要:机器学习背景、数学、云计算经验——用到什么教什么。

自测:下面这段代码在干嘛,你能一句话说出来吗?

def ask(question, retries=3):
    for i in range(retries):
        try:
            return call_llm(question)
        except TimeoutError:
            continue
    return None

能("问 LLM,超时就重试,最多三次,全失败返回空")→ 基础够了。不能 → 先去主课把地基打了,这门课会一直在。

🔧 动手做:定下你的毕业方向(6 分钟)

1. 三类毕业模板先认识一下:知识库问答(把一堆文档变成能问的助手)、结构化处理器(把乱文本批量变成规整数据)、垂直助手(某个行业/场景的专用对话产品)。
2. 想你的真实场景:工作里/副业里,哪件事最像这三类之一?写一句话:"我想做一个帮【谁】把【什么】变成【什么】的东西。"
3. 拿不准就先写两个候选——AP9 之前你随时可以换,但从第一章起带着方向学,每一节都知道'这个技能我会用在哪'。

✅ 做到这里你应该有:一句话的毕业方向(或两个候选)——它是你接下来每一章的锚。

为什么:带着真实目标学工程,和"跟着敲一遍"是两种收获。这门课每章的实测项目都允许你替换成自己的场景——方向定得越早,毕业时的产品越是你真想要的那个。

我的毕业方向:做一个帮【谁】把【什么】变成【什么】的 AI 产品。它最接近【知识库问答/结构化处理器/垂直助手】。我判断它有人用的理由:【一句话】。