AI大模型开发需要学什么？19个知识模块拆解

想转AI应用开发，第一个问题总是「到底要学多少东西」。把知识面铺开看会吓人，但按层次排下来，其实就三大层、八个阶段。

第一层：工程基础（打地基）

• Python 工程能力：不是会写脚本，而是会写函数、会测、会读别人的代码。
• SQL 与数据处理：企业数据大多躺在数据库和表格里，取数能力是前置条件。
• 接口与并发：把模型能力包成服务，处理流式输出与并发请求。
• Linux 与版本管理：部署环境的基本功，Git 协作是团队必备。
• 容器化：Docker 让项目能从自己电脑搬到服务器。

这一层不酷炫，但跳过它，后面全是空中楼阁。

第二层：大模型应用能力（核心）

• LLM API 与调参：模型怎么调、参数怎么设、成本怎么控。
• Prompt 与结构化输出：让模型输出可直接被程序消费的格式，而不是一段散文。
• 工具调用与 MCP：把外部系统接成模型能调用的工具，这是 Agent 的基础。
• 上下文工程：长文档怎么塞、超长了怎么截、多轮怎么记。
• 模型原理基础：Transformer、Token、Embedding，够讲清原理即可。

第三层：工程链路（决定能不能上岗位）

• 文档切片策略：不同格式、不同业务，切法不一样。
• 向量检索：Embedding 与向量库是 RAG 的第一条腿。
• 关键词检索：BM25这类稀疏检索是第二条腿，专治专有名词。
• 召回融合与重排：多路结果怎么合、怎么精排提准。
• Agent 编排：多步任务拆分、状态管理、人工审批位。
• 自然语言转 SQL：配指标语义层，保证口径统一。
• 评测与拒答：判断效果好坏，并在没有依据时敢说「不知道」。
• 微调与部署：LoRA、推理框架与生产化。

一份合格的课程表，应该覆盖上面这三大层。优橙教育的AI应用与智能体开发课程落在8个阶段的课表里，19个知识模块共342课时，每个阶段都写明产出要求；最后交出的两个商用级项目是 Rano Agent 知识库智能体（覆盖检索全链路与评测）与 Rano Query 自然语言数据查询（覆盖 NL2SQL 与安全拦截），可以直接对着招聘 JD 检查覆盖度。

优橙教育在每个阶段都设了验收——19个模块不是并列的知识点清单，而是层层向上叠的能力结构。优橙教育把8个阶段的产出都对应到具体能力项，方便对着招聘 JD 逐条核对自己的缺口。这些模块之间是叠加关系，不是并列关系。