主题总数
26
P0 优先
6
详细教程
26
带练习闭环
8
优先从 P0 主题开始，再按顺序扩展到 P1/P2。
从零到工程可用的 LangChain/LangGraph 冲刺课（3h+ 模式）：概念、代码、项目、评估、面试表达一体化。
从零到生产可讲的 FastAPI 冲刺课：接口设计、流式输出、异步链路、部署与面试表达。
从零搭建到可评估上线的 RAG 工程课：检索链路、重排、查询改写、观测与优化闭环。
从 OWASP LLM Top 10 切入，体系化掌握 Prompt Injection、越权检索、工具权限、数据泄露、供应链与代理滥权的防护工程。
把 Agent 从"一次性脚本"升级到"可中断、可恢复、可人审、可回放"的生产级系统；覆盖 Checkpointer、短/长记忆、interrupt/resume、审批、Time-Travel。
把"会画图"升级为"能回答业务问题"：自然语言 → SQL / pandas / Polars，覆盖 schema linking、指标口径、SQL 安全、错误恢复、图表推荐、HITL 审核。
按优先级、阶段、配套资源和内容成熟度快速定位。
从零到工程可用的 LangChain/LangGraph 冲刺课（3h+ 模式）：概念、代码、项目、评估、面试表达一体化。
从零到生产可讲的 FastAPI 冲刺课：接口设计、流式输出、异步链路、部署与面试表达。
从零搭建到可评估上线的 RAG 工程课：检索链路、重排、查询改写、观测与优化闭环。
从 OWASP LLM Top 10 切入，体系化掌握 Prompt Injection、越权检索、工具权限、数据泄露、供应链与代理滥权的防护工程。
把 Agent 从"一次性脚本"升级到"可中断、可恢复、可人审、可回放"的生产级系统；覆盖 Checkpointer、短/长记忆、interrupt/resume、审批、Time-Travel。
把"会画图"升级为"能回答业务问题"：自然语言 → SQL / pandas / Polars，覆盖 schema linking、指标口径、SQL 安全、错误恢复、图表推荐、HITL 审核。
从“知道概念”到“能做知识库服务”：索引、过滤、检索质量、部署与成本。
把 AI 服务真正跑起来：镜像构建、服务编排、数据持久化、调试与发布。
基于简历样本与市场岗位要求整理：普遍要求、AI加分项、面试可讲能力。
从面试高频反推 Python 能力深度：异步、内存、装饰器、生成器、上下文管理。
面向 AI 应用工程岗位的系统设计题：任务系统、限流、幂等、一致性、降级。
把“能跑”升级为“可观测、可评估、可迭代”：trace、指标、数据集、A/B。
基于本地简历样本提炼的高频问题：Agent、RAG、后端分布式、排障与项目表达。
把学习成果转成面试可讲项目：背景、任务、行动、结果、反思。
AI 应用工程的后端地基：数据真相层、缓存层、异步链路与幂等保障。
把“会用模型”升级为“会设计调用策略、输出约束、缓存友好 prompt、成本控制”。
你的重点方向：把 CSV/Excel/数据库数据转成自动分析、图表、HTML 报告和可解释洞察。
把"后端 AI 能力"变成"用户愿意付钱的产品"：Streaming UI、Tool 调用过程可视化、引用与追溯、ECharts 报告页、取消/重试/错误。
从“会调用模型”升级到“会设计系统”：Harness、上下文工程、子 Agent、反压与生命周期。
把“知道协议名”变成“会集成、会排障、会讲价值”的实战能力。
面向 AI 应用工程师的多模态实战入门：链路、成本、质量、合规与降级策略。
应用工程视角的微调课：何时做、怎么做、怎么评估、如何控制风险与成本。
低代码平台实战对比课：能力边界、交付速度、可控性、与自研方案的分工。
从“能调用模型”到“能跑服务”：吞吐、延迟、显存、并发、成本与回滚策略。
把“看招聘信息”变成系统化动作：关键词、薪资、覆盖度、补齐计划与周报复盘。
把 Agent 从"打字聊天"升级到"实时语音"：WebRTC / WebSocket / SIP、VAD、barge-in、首音时延、语音工具调用、电话机器人 / 面试陪练。
AI 应用工程岗位核心：LangChain/LangGraph、Harness、协议与多 Agent。
从零到工程可用的 LangChain/LangGraph 冲刺课（3h+ 模式）：概念、代码、项目、评估、面试表达一体化。
从“会调用模型”升级到“会设计系统”：Harness、上下文工程、子 Agent、反压与生命周期。
把“知道协议名”变成“会集成、会排障、会讲价值”的实战能力。
低代码平台实战对比课：能力边界、交付速度、可控性、与自研方案的分工。
基于简历样本与市场岗位要求整理：普遍要求、AI加分项、面试可讲能力。
从语言基础到高并发后端工程，支撑 AI 服务稳定落地。
从零到生产可讲的 FastAPI 冲刺课：接口设计、流式输出、异步链路、部署与面试表达。
从面试高频反推 Python 能力深度：异步、内存、装饰器、生成器、上下文管理。
AI 应用工程的后端地基：数据真相层、缓存层、异步链路与幂等保障。
面向 AI 应用工程岗位的系统设计题：任务系统、限流、幂等、一致性、降级。
把 AI 服务真正跑起来：镜像构建、服务编排、数据持久化、调试与发布。
检索链路、向量数据库、评测、可观测、模型服务化与 AI 数据分析产品。
从零搭建到可评估上线的 RAG 工程课：检索链路、重排、查询改写、观测与优化闭环。
从“知道概念”到“能做知识库服务”：索引、过滤、检索质量、部署与成本。
把“会用模型”升级为“会设计调用策略、输出约束、缓存友好 prompt、成本控制”。
你的重点方向：把 CSV/Excel/数据库数据转成自动分析、图表、HTML 报告和可解释洞察。
把“能跑”升级为“可观测、可评估、可迭代”：trace、指标、数据集、A/B。
从“能调用模型”到“能跑服务”：吞吐、延迟、显存、并发、成本与回滚策略。
题库、项目讲述与岗位趋势，直接服务求职与面试展示。