第 02 / 03 阶段 · 建造者
AI Builders Studio
用 LLM 构建，而不只是与它对话。
学生会学到什么
如何用 LLM 等 AI 工具搭建产品—怎样写好提示词、串联它们、用真实数据做"接地"，并发布一个小工具。课程还包含一条严肃的 AI 伦理与安全主线。
对提示工程的直觉。一套可用的 API 集成范式。在发布前先问"这可能伤到谁"的反射。具体的 AI 输出评估经验，而不是无脑信任。
逐周课程模块
-
01
什么是 LLM
token 预测、上下文窗口、失效模式。一份有注解的演示对话。
-
02
提示工程基础
清晰、结构、示例、角色化提示。5 段精心打磨的提示词。
-
03
提示工程进阶
思维链、结构化输出、评估。一份带评分的作品集。
-
04
调用 API
向 LLM 发起 HTTP 请求、解析 JSON。第一次以程序方式调用。
-
05
用 API 构建
用 Streamlit/Flask 封装 LLM。第一款 AI 小应用。
-
06
接地与轻量 RAG
把真实数据喂给模型；基础检索。能回答某份真文档相关问题的工具。
-
07
安全与护栏
拒绝、转向、清洗。安全案例分析 + 给你的工具加一道护栏。
-
08
AI 在真实世界中的伦理
偏见、隐私、环境成本、谁会受害。对自己应用做一次伦理审视。
-
09
期末项目（上）
选定一个真实用户。可运行的 v1。
-
10
期末项目（下）
与真实用户测试、修掉问题。v2 + 反思。
他们做出什么
一款小型 AI 工具（聊天机器人、摘要器、分类器或助手），并与至少 3 位真实用户测试过。
可以带走的能力
提示工程的直觉。一套可用的 API 集成范式。一份"先问伦理"的反射。