本教程专为具备 Python 基础的开发者设计旨在通过“理论先行实战为主项目驱动”的方式帮助你从零开始掌握大语言模型 (LLM) 的应用开发。我们摒弃了枯燥的纯理论讲解而是通过一个个具体的代码实战项目CLI 聊天机器人、RAG 知识库助手、AI Agent 智能体、全栈 Web 应用带你一步步深入 LLM 的核心领域。 教程目标完成本教程后你将能够理解 LLM 的工作原理与 API 调用流程。掌握 Prompt Engineering (提示词工程) 的核心技巧。构建基于 RAG (检索增强生成) 的私有知识库问答系统。开发具备工具调用能力的 AI Agent (智能体)。了解模型微调 (Fine-tuning) 与 LLMOps 部署流程。 教程目录本教程分为五个阶段每个阶段包含详细的 Markdown 教程文档 (docs/) 和对应的 Python 实战代码 (src/)。阶段一Hello LLM —— 走进大模型世界从配置环境开始跑通第一个 API 调用理解多轮对话的实现原理。阶段二Prompt Engineering —— 提示词工程学习如何通过“说话”来编程掌握 Zero-shot, Few-shot, CoT (思维链) 以及结构化输出等高级技巧。阶段三RAG —— 给大模型外挂知识库解决模型幻觉与知识过时问题。学习向量数据库 (ChromaDB/FAISS) 的使用构建基于私有文档的问答助手。阶段四AI Agent —— 打造智能体让模型学会使用工具。深入理解 Function Calling 原理并亲手实现一个 ReAct (Reasoning Acting) 代理框架。阶段五模型微调与工程化 (LLMOps)探索模型微调的概念并将你的 AI 应用封装为标准的 FastAPI 后端与 Streamlit 前端体验完整的全栈部署流程。 快速开始克隆项目gitclonerepository_urlcdllm-study创建虚拟环境# Windowspython-mvenv .venv .\.venv\Scripts\activate安装依赖pipinstall-rrequirements.txt开始学习请阅读 使用说明.md 查看详细的章节说明与代码运行指南。