AI 共学社区 · 大模型应用开发 · 企业级项目实战
笃行智元是一个专注 AI 大模型应用研发、企业级项目实践与人才培养的产研型品牌。我们把真实研发经验、项目交付方法和学习社区放在同一条路径上，帮助学习者从“会用模型”走向“能设计系统、能交付项目、能讲清方案”。
我们关注的不只是工具清单，而是 AI 应用进入真实业务现场时必须面对的完整链路：
| 方向 | 我们重点训练的能力 |
|---|---|
| AI 应用开发 | Prompt Engineering、API 调用、Spec Coding、工程上下文管理 |
| 企业级 RAG | 混合检索、重排序、GraphRAG、Agentic RAG、评估与溯源 |
| Agentic AI | LangGraph 工作流、MCP 工具接入、多 Agent 状态管理与恢复 |
| Harness Engineering | Agent 调度、治理、观测、异常恢复与生产级运行机制 |
| 模型调优部署 | LoRA / QLoRA、DeepSpeed、vLLM、FastAPI、私有化部署 |
| 真实项目交付 | 需求拆解、架构设计、工程实现、评估迭代、作品集表达 |
笃行智元的 GitHub Profile 不是单向展示页，而是社区入口。我们希望这里逐步沉淀一套面向中文 AI 学习者和工程团队的共学资源：
- 共学路线：围绕 RAG、Agent、模型微调、私有化部署拆解学习路径。
- 项目复盘：把真实项目里的需求、架构取舍、评估指标和踩坑经验整理成可复用材料。
- 代码实验：用小而完整的 Demo 验证技术点，而不是只停留在概念解释。
- 资料索引：持续整理 LangGraph、MCP、RAGFlow、Dify、vLLM、DeepSpeed、RAGAS 等生态资源。
- 作品表达：帮助学习者把项目经历转化为简历、作品集和面试中能讲清楚的工程叙事。
共学不是“资料越多越好”，而是把问题拆开、把项目做完、把经验复盘清楚。
我们的课程体系围绕“从原理到交付”的能力路径设计，重点覆盖 7 个模块：
flowchart LR
A["大模型应用开发"] --> B["企业级 RAG"]
B --> C["Agentic AI"]
C --> D["Harness Engineering"]
D --> E["底层算法原理"]
E --> F["模型微调与部署"]
F --> G["企业级真实项目"]
| 模块 | 关键词 |
|---|---|
| 01 大模型应用开发 | Token、Prompt、API、Vibe Coding、Agent 工作流 |
| 02 企业级 RAG | Native RAG、Advanced RAG、GraphRAG、Agentic RAG、RAGAS |
| 03 Agentic AI | LangGraph、ReAct、Plan-and-Execute、MCP、Skills |
| 04 Harness Engineering | 感知、规划、行动、观察、多 Agent 治理 |
| 05 底层算法原理 | 神经网络、注意力机制、Transformer、HuggingFace |
| 06 模型微调与部署 | LoRA、QLoRA、DeepSpeed、vLLM、FastAPI |
| 07 企业级项目实战 | 需求分析、架构设计、工程交付、评估复盘 |
| 项目 | 训练重点 | 技术关键词 |
|---|---|---|
| 跨境电商智能客服系统 | 多源文档、表格、CSV 与客服数据的知识中台 | GraphRAG、minerU、混合检索、表格推理 |
| 律所 AI 助手 | 严肃场景下的高准确率 RAG 与服务化部署 | RAG 评估、重排序、对话状态、答案溯源 |
| TradingAgents 金融决策系统 | 多智能体协作、风险分析与共识决策 | LangGraph、多 Agent、风控推理、可观测性 |
| 医疗质控模型训练平台 | 面向医疗数据的微调、推理与 Harness 评测 | LoRA、AI4Medicine、Harness、评测闭环 |
| Research 把一线研发经验沉淀成方法论。 |
Project 用真实项目验证架构、数据链路和交付标准。 |
| Training 把项目难点转化为循序渐进的训练路径。 |
Feedback 依据行业需求、学员反馈和项目结果持续更新。 |
- AI 应用开发学习路线图
- RAG / Agent / MCP 工程模板
- 企业级项目复盘文档
- 大模型微调与部署实验
- 面向求职作品集的项目表达模板
- 中文 AI 工程化资料索引
- 正在从后端、前端、数据、算法转向 AI 应用开发的工程师
- 想系统补齐 RAG、Agent、模型部署能力的学习者
- 需要把 AI 项目做成可展示作品集的求职者
- 希望推动业务团队理解并落地 AI 应用的企业团队
- 愿意参与中文 AI 工程化共学、共创和复盘的开发者
LangGraph
MCP
RAGFlow
Dify
RAGAS
vLLM
DeepSpeed
FastAPI
HuggingFace
LLaMA-Factory
Qwen
MiniMind
笃行而致远，智元以共学。
如果你也在构建 AI 应用、复盘项目、学习 RAG / Agent / 模型部署，欢迎关注我们的仓库与社区更新。