导论:把大模型用到你的项目里

前两本书让你看懂了人工智能的原理、补齐了数学和编程的地基。这一本,我们把目光从"看懂"转向"会用":怎么调用大模型 API、怎么让模型"知道"你自己的资料(RAG)、怎么把模型调教成某个领域的专家(微调)、怎么让模型自己动手干活(Agent) - 最终,端到端做出一个真正上线的 AI 应用。

0.1 这本书是给谁的

如果你符合下面任意一条,这本书就是为你写的:

💻 会一点 Python

读过《人工智能前置课》第 5 章,或者本来就写过代码,想直接上手大模型开发。

🏢 业务/产品背景

想给公司或自己的项目加"AI 能力":知识库问答、智能客服、自动化流程。

🎓 学完原理想落地

读完了《人工智能理论与实践》,知道 Transformer 和 PPO 是什么,但没写过一行大模型代码。

🤖 对 Agent 好奇

看到"AI 智能体"的新闻,想知道它到底是什么、怎么搭、有什么坑。

重要

这本书的承诺
不要求你懂训练大模型的原理(第 1–2 章会给你够用的背景),只要求你会 Python、能装依赖、愿意跑代码。全书所有代码都用通用可读的 Python 伪代码风格写成 - 贴近主流框架(OpenAI 兼容接口、Transformers、LangChain),但不过度绑定具体版本,让你在真实项目里能对上号。

0.2 大模型应用的三种形态

今天所有的大模型应用,归根结底是下面三种形态的组合:

图 0-1 大模型应用的三种形态:对话、RAG、Agent

本书第 1–2 章打基础(调用与提示工程),第 3 章讲 RAG,第 4 章讲微调,第 5 章讲 Agent,第 6 章把它们拼成一个完整项目,第 7 章讲安全与评估 - 一条从"会调 API"到"能上线产品"的完整路径。

0.3 全书地图

图 0-2 全书地图:基础 → 三技术支柱(调用/RAG/微调)→ Agent → 端到端实战 → 安全评估

0.4 你需要的前置知识

这本书是"应用"之书,对前置的要求是"够用即可":

前置 需要到什么程度 从哪补
Python 会写函数、会用库、能读懂报错 《人工智能前置课》第 5 章 / 李沐《动手学深度学习》入门
Transformer 直觉 知道"预训练+微调"、Token 是什么、上下文窗口概念 《人工智能理论与实践》第 5 章
机器学习基础 训练集/测试集、过拟合、评估指标 《人工智能前置课》第 6 章
强化学习直觉(可选) 知道 RLHF 让模型"讨人喜欢"即可 《人工智能理论与实践》第 7 章
注记

没有前置怎么办
零基础读者请先读《人工智能前置课》第 5、6 章和《人工智能理论与实践》第 5 章再回来。这三本书构成了完整的学习闭环:前置课(地基)→ 理论与实践(原理)→ 本书(应用)

0.5 环境与工具准备

本书代码有两条运行路线,按你的条件选择:

路线 需要什么 适合谁 花多少钱
API 路线(第 2、3、5、6 章主体) OpenAI/DeepSeek/通义等任意一家的大模型 API Key + Python 环境 想快速做出应用的绝大多数人 有免费额度;自用测试几元即可
开源路线第 4 章微调为主) HuggingFace 账号(下载模型)、8GB 以上显存的 GPU(可用云 GPU 按小时租) 需要私有部署、定制模型的场景 云 GPU 每小时几元到几十元
纯 CPU 尝鲜 任意笔记本,跑小模型(量化版 1–8B)与纯检索代码 先跑通逻辑、再上资源 0 元
提示

类比:API 像打车,开源像买车
调 API 就像打车:方便、按里程付费、车况最好,但不能改装;开源模型像自己买车:一次投入、可随意改装(微调)、自己加油(部署成本)。本书两条路线都教,你按场景选。

0.6 怎么用这本书

  • 顺序:第 1 章必读(背景);第 2 章必读必练(一切的基础);第 3、4 章按需选读(做知识库先读 3,做定制模型先读 4);第 5 章建议在 2 之后读;第 6 章是综合实战,建议按顺序走到这里;第 7 章上线前必读。
  • 代码必须跑:这本书的价值在"跑通"。每章代码都能在普通笔记本上运行(微调章除外,会给云端/降级方案)。建议边读边复制到 Jupyter 里执行。
  • 成本提醒:调 API 会产生费用,本书会给省钱技巧(缓存、小模型打底、控制 Token);跑微调用云 GPU 记得关实例。
  • 记号与卡片约定:要点必记;补充可跳过;类比帮直觉;衔接指向前两本书或下一步;代码统一用深色代码块。

上一本书教会你"看懂 AI",这一本书的目标是:一个月后,你手里有一个自己做的、能回答你公司文档问题的机器人,甚至一个能自动查数据、写报告的小 Agent。开始吧。