AI 应用开发 · 从传统工程师到 AI 应用工程师（完整教程）

面向人群：有传统开发经验的工程师（后端 / 前端 / 全栈 / 技术管理），想转型 AI 应用开发与智能体开发周期：核心 12 周（约 3 个月）+ 进阶 4–8 周（可选） 更新日期：2026-08-20 说明：本教程是"可直接阅读学习"的完整教材，每个知识点都展开讲解并附可运行代码，不依赖外部链接。

先认清一件事：你走哪条路

转型 AI 前，先过这个岔路口，它决定你后面要花多少冤枉时间。

路线 A：AI 算法 / 训练工程师 —— 做模型本身。要补数学（概率、线代、优化）、PyTorch、神经网络原理、训练调优。对应用背景的人，短板几乎全要重学，性价比低。
路线 B：AI 应用 / 智能体工程师 —— 把现成大模型当成"会推理、但会出错的组件"来编程。复用你已有的工程能力（数据库、接口设计、系统架构、运维、成本意识），只补"怎么跟模型对话"这一件事。这是你该走的路。

一个关键心智转变：

传统编程写的是确定性逻辑（输入一定、输出一定）；LLM 是概率性组件（同样输入可能给不同答案，还会一本正经地胡说，即"幻觉"）。

所以 AI 应用开发真正的新知识只有三块：

怎么和模型对话 —— Prompt 工程（第 2 章）
怎么给它喂外部知识 —— RAG 检索增强生成（第 4 章）
怎么让它调用工具干实事 —— Function Calling / Agent（第 5 章）

其余全是你已经会的工程活。你不是从零转行，你是给已有工程能力换一个新的大脑。

教程结构（正文共 8 章）

章节	内容	学完能做什么
第 1 章前置准备：Python 速成与环境	面向有 Java 经验的 Python 速成、venv、国内源、HuggingFace 镜像	环境跑通，能读改教程代码
第 2 章认知打底与 Prompt 工程	Token、上下文窗口、角色、参数、幻觉、Prompt 全套方法	能熟练指挥模型干活
第 3 章 API 实战与结构化输出	返回结构、流式、异常处理、JSON/Pydantic、自然语言查数据	做出第一个真正的工具
第 4 章 RAG 检索增强生成	Embedding、向量库、切分、完整 RAG、检索优化	做出企业知识库问答
第 5 章 Agent 智能体	Function Calling、ReAct、多工具 Agent、框架对比	做出能"动手"的智能体
第 6 章工程化与进阶	记忆、评测、成本、可观测、部署、进阶方向	做出能上线的产品
第 7 章综合实战：智粮系统智能助手	把 SQL + RAG + Agent 串成一个完整应用，加 Streamlit 界面	独立完成一个端到端项目
第 8 章调试与安全	问题排查方法论、prompt 注入防护、常见坑速查	能定位问题、守住安全底线

12 周学习计划

周次	主题	对应章节	交付物
第 0 周	环境准备 + Python 速成	第 1 章	环境就绪 + 跑通首次调用
第 1-2 周	认知 + Prompt + API	第 2、3 章	自然语言查数据工具
第 3-5 周	RAG	第 4 章	私有知识库问答
第 6-8 周	Agent	第 5 章	多工具智能体
第 9-11 周	综合实战项目	第 7 章	端到端的智能助手
第 12 周	工程化 + 调试 + 安全	第 6、8 章	可上线的完整应用

核心原则：先跑起来，再优化；先搞应用，再补原理。 动手写代码的时间要大于看课的时间。

建议阅读方式

按「第 1 → 2 → 3 → 4 → 5 → 6 章 → 第 7 章综合实战 → 第 8 章调试与安全」顺序读。每章末尾都有练习，照做才算学会。每章的代码都可以直接复制运行（把 sk-你的key 换成你的真实 key，或设置环境变量 DEEPSEEK_API_KEY 即可）。

需要什么环境：Python 3.11+，安装 openai、pydantic（第 3 章起）、sentence-transformers、chromadb（第 4 章起）、streamlit（第 7 章）。国内用户请先看第 1 章里的 pip 换源和 HuggingFace 镜像配置。

版本与许可

版本：v1.0（2026-08-20）
面向：有传统开发经验的工程师转型 AI 应用开发
许可：本文为原创教程，采用 CC BY-SA 4.0 协议——可自由分享、演绎，但需署名并保持相同协议。

更新日志

v1.0（2026-08-20）：首发。正文 8 章 + 本总览，含 12 周学习路线。