四天,每天交一件东西。每天两段课、各 4 个单元,下午必有一场实操 —— 上一段的产出就是下一段的输入,到第四天你手上是三份能递出去的东西。单元均标注编号、时长与产出要求,便于逐项核对。
六场实操如何串成一条链(场景 → 提示链 → 知识库 → Agent → 上线 → 交付)· 自带场景按「角色 · 频次 · 单次耗时 · 现状做法」重述一遍,并补齐同业务线的机会点盘点与优先级排序 · 你能做到哪一格、开发团队从哪接手 · 本课不教什么(模型训练 · 微调 · 算法推导)
Python 3.11 + venv + Git + .env 密钥管理 · 一份最小服务骨架(路由 + 配置 + 日志 + 健康检查)· 依赖锁定与版本冲突的排法 · 环境自检脚本:出问题按清单逐项排,不靠猜
Token 与上下文窗口如何决定成本与截断 · 温度 / top_p 对输出稳定性的实际影响 · 幻觉的三种成因与工程缓解(检索 grounding · 结构化约束 · 强制拒答)· 模型能做什么、不能做什么的判断清单 —— 不推导 Transformer,不做数学
通用文本模型 / 智能推理模型 / 专用代码模型的分工与误用 · API 调用 vs 私有化部署的成本与合规对照 · 单价 × Token 量 × 并发 的成本估算表 · 四个降本动作(缓存 · 批处理 · 小模型分流 · 输出长度控制)· 现场填完自己的选型决策表
角色 / 任务 / 约束 / 示例 四段结构 · 系统提示与用户提示的分层写法 · Few-shot 的选样原则(为什么三条好样本胜过十条随手抓)· 思维链与提示链的取舍 · 六个模式:分类 · 抽取 · 摘要 · 改写 · 校验 · 路由
JSON 模式与 Schema 强约束的写法 · 字段级校验与失败重试(最多 2 次后降级,不无限重试)· 兜底与拒答话术 · 脏输入清洗(超长 · 乱码 · 空值 · 注入字符)· 「返回不可解析」的四类根因与定位顺序
把 Day 1 收敛出的场景拆成 3–5 个串联提示步骤 · 每一步定义输入、输出 Schema 与失败处理 · 用 20 条真实样本跑通并标出失败样本 · 交付一份可直接调用的提示链配置文件 —— 不是聊天记录,是工程件
20 条黄金样本的构造(含 5 条边界、3 条诱导)· 三个指标:通过率 / 字段完整率 / 拒答正确率 · 人工标注表与脚本自动跑分 · 两版提示的 A/B 对照法 · 基线不是一次性结论,是之后每次改动的对照组
向量检索的原理(只讲到能调参为止)· 分块四策略(定长 / 语义 / 标题层级 / 父子块)与各自的失效场景 · 元数据设计(部门 · 时间 · 密级 · 来源)· 向量库选型与索引参数 · 为什么分块错了,后面怎么调都救不回来
摄取(PDF · 扫描件 OCR · Excel · 网页 · API)→ 清洗 → 分块 → 向量化 → 检索 → 重排 → 生成 → 引用 的完整链路 · 每段的可观测点 · 混合检索(关键词 + 向量)在中文场景为什么几乎是必需的 · 引用溯源怎么做才可信
导入一个含扫描件、双栏 PDF、合并单元格表格的语料包 · 现场处理五类脏数据(页眉页脚 · 断行 · 表格错位 · 重复文档 · 编码乱码)· 建立元数据过滤 · 交付一个可查询、可溯源的知识库,并用 10 条问题自测召回
查询改写(同义扩写 · 子问题拆分)· HyDE 与 Self-query 的适用边界 · 重排序模型与 MMR 去冗余 · Corrective RAG 的兜底回路 · 什么时候该换方案,而不是继续调参
忠实度 / 答案相关性 / 上下文召回 / 上下文精确 —— 四个指标各自在骂哪一段 · 四类失败的定位顺序(切分错 · 召回空 · 排序错 · 生成跑偏)· 用评测框架跑一次基线 · 看懂报告里哪一项在拖后腿
在 Day 1 的骨架上接检索与生成,答案必须带引用出处 · 检索不到依据时必须拒答,不许编 · 加一个最小前端(单页对话 + 溯源面板)· 目标很明确:一个能演示、能录屏、能交给别人用的 v1
切分粒度 / 召回条数 / 相似度阈值 / 是否重排 —— 单独改、单独测 · 用同一批 20 条样本记录每次改动的分数 · 找到你这个场景的甜点区 · 输出参数配置清单,换场景照着改
跑得通吗(链路完整)· 答得对吗(20 条样本过 16 条以上)· 业务认吗(能不能替代原来那一步真实动作)· 成功度量卡六项必填(基准值 · 目标值 · 口径 · 周期 · 数据来源 · 验收方式)· MVP 与生产级的分界线在哪
模型 / 工具 / 记忆 / 循环 · ReAct:推理 → 行动 → 观察 → 再推理 · 工具描述写不好,模型就一定用不对(JSON Schema 描述规范)· 单步任务与多步任务的判断标准 · 什么时候根本不需要 Agent —— 这一句省下的钱最多
MCP 与 Function Calling 的关系(标准协议取代各家私有实现)· Host / Client / Server 三角色 · 用几十行代码把内部 HTTP 接口封成 MCP 工具 · 参数校验、超时、重试与错误回传 · 危险动作的拦截点设在服务端还是 Agent 端
给 Agent 挂两个工具(知识库检索 + 自建 MCP 接口)· 让它自己判断该查知识还是该调接口 · 完成一次多步任务:问 → 查 → 取数 → 汇总 → 输出 · 用调用日志验证每一步真的发生了,而不是模型自己编的
Supervisor-Worker 与 Peer 两种拓扑 · 拆分的三条判据(任务可并行 / 角色要隔离 / 上下文装不下)· 三层记忆(短期上下文 · 长期库 · 运行轨迹)· 状态机心智模型(只讲图怎么画,不读框架源码)· 人工检查点该放在哪一步
AI-First 的开发循环:提示 → 生成 → 审查 → 精炼 → 发布 · 代码库感知与行内生成 · AI 写代码的三个坑(幻觉 API · 悄悄删逻辑 · 测试写成自证)· 合并前必看的五行 · 目标:两小时补完一个带测试的功能,手写代码 ≤ 30 行
ETL vs ELT · 分层(Bronze / Silver / Gold)与各层职责 · 批处理与流处理的选择判据 · 数据质量四检(完整性 · 唯一性 · 及时性 · 一致性)· 最小可用方案:先定时脚本 + 单表,别一上来上平台 · 增量更新与失效重建
Dockerfile 五段写法与镜像瘦身 · 密钥绝不进仓库(.env 与 Secrets 的区别)· 两段流水线:测试 → 构建 → 部署 · 一台云主机的反向代理与 HTTPS · 回滚策略:出事了三分钟内退回上一版
容器化 MVP v1 → 推镜像 → 服务器拉取启动 → 配域名与 HTTPS · 部署后跑冒烟测试(20 条样本抽 5 条)· 记录第一次部署踩的坑 · 交付部署脚本与一页运维手册
三层日志(请求 / 检索 / 模型调用)· 一次请求的 Trace 要记什么(耗时 · Token · 命中片段 · 调用的工具)· 四个必看指标(成功率 · P95 延迟 · 单次成本 · 拒答率)· 告警阈值怎么定 · 用日志复现一次线上答错
提示注入(直接注入与藏在文档里的间接注入)· 越权检索(元数据过滤必须下沉到检索层,不能只在前端做)· 敏感数据外发与脱敏 · 模型输出触发的越界动作 · 最小权限与审计留痕 · 四条一票否决的红线
三级协同设计:自动执行 / 需确认 / 只能建议 · 哪些动作永远不许自动(回写 · 付款 · 对外发送 · 删数据)· 拦截后的话术与人工接管路径 · 一次真实的越界拦截演练:让它去做,看它会不会做
交接包十项(架构图 · 数据流 · 提示与配置 · 评测基线 · 部署脚本 · 密钥清单 · 日志位置 · 监控项 · 已知缺陷 · 迭代建议)· 交叉交接演练:换一个同学照文档跑一遍,跑不起来就改文档 · 交接验收的签字口径
六项必填怎么落地 · 把「效率提升」改写成「单件处理时间从 22 分钟降到 8 分钟」 · 三类不可证伪表述的反例 · 数据的可获取性评估(拿不到的数据就不要写进指标)· 上线后谁来量、多久量一次
现状 / 目标 / 方案 / 边界 / 度量 / 投入 / 周期 / 风险 八板块 · Out-of-Scope 必须写清 —— 不写的方案,签下来就是坑 · 报价的三种结构(人天 · 里程碑 · 订阅)· 同一件事对技术、业务、财务的三套说法
用自己做的 MVP 现场演示,不许放截图 · 评委扮客户高管 / 技术负责人 / 财务三种视角质询 · 必被追问的四句:为什么是现在 · 为什么是 AI · 出问题谁负责 · 能不能便宜一半 · 全程录像,作为作品集资产
能力四维复评(与 Day 1 基线自评对照)· 《项目交付评估表》逐项评级 + 短板建议 + 讲师签字 · 30 天行动计划(第一个场景 · 第一个客户 · 第一份交付物)· 复训与方案急诊的使用方式 · 社群与项目池的进入方式
这一层不推导原理、不碰训练与微调。你要的是能判断「这次答错是模型的问题还是你的问题」,不是会推公式。
一句实话:分块错了,后面怎么调参都救不回来。所以这块占的时间比模型层还多。
写代码不是目的。能用别人的代码把自己的场景推上线,才是本课要的动手能力。
技术做对了但交不出去,等于没做。这一层是 L2 与「自己在家看教程」的分水岭。
另设 4 场线上直播(均 20:00,日期随档期一并公布):开工导学与环境自检 · 实操复盘(逐组回放、现场改参数)· 提案打磨 · 报名与复盘(不含应试辅导)。
完整教学大纲(含各单元讲授要点、案例与练习)及课前语料包,报名后随开课通知发送。
这三份不是课堂作业。它们是换一个客户还能再用的模板 —— 很多人结业后第一次见客户,用的就是自己做的这套。
证明你懂他的业务,而不是只会讲技术。
证明东西真的能跑,而且换个人也能接手。
证明这件事值得批钱,且边界清楚。
我们不承诺派单、不承诺收入。但可以明确告诉你:这三条路在社区里都是通的,只是需要你自己迈出下一步。
用诊断包说服老板立项,用 MVP 让业务方相信能成,用方案书拿到预算。这是绝大多数人的走法。
具备独立承接交付的能力后,可以自己做轻诊断、场景冲刺、方案设计。项目机会由社区推荐,接不接你自己定。
成为 FDE 主理人或高级讲师,讲侦察营、做企业内训、接咨询单。需要路演达标、做过助教、通过试讲。
这门课要解决的,是让你从「会讲」变成「能交」:诊断包证明你懂他的业务,原型包证明东西真能跑,提案包证明这件事值得批钱。三样东西凑齐,一个项目才推得动。
多数人不是做不出来,是做得出来却交不出去 —— 讲不清边界、说不清度量、换个人接不了手。你不需要接一个大项目才回本,把手上那一个场景做成能交付的东西,本身就值回学费。
所有培训最大的问题不是学不会,是回去之后没人兜底。这四项就是为此准备的。
同一门课可以再来一遍,只占座位不另收费。忘了、没学透、想带着新项目再来,都可以。
真做客户方案卡住时,30 分钟一对一,导师只看一件事:你这个方案哪里会被客户问倒。
51 个行业、23 个部门的真实案例与交付物参考 —— 这是自己搜不出来的东西。
同学群长期在,每月一次复盘直播,项目机会优先在群里发。
另含:纸质新书《WorkBuddy 职场提效实操手册》· WorkBuddy 企业版 2 个月 · 会员学习权益(网络学院 AI 视频无限看)· 50 个 FDE 工具与模板(其中 10 个已封装为 Skill)· FDE Bootcamp 全站 +《FDE 实战指南》· 定期 AI 技术公开课邀约。
两条路,按你现在的状态选 —— 已经在做,直接上;还没想清楚值不值得做,先去看侦察营。
两条路任选其一:先加课程助理问清楚,或直接按对公账户付款锁定名额。

FDE Bootcamp + 姓名 + 手机例:FDE Bootcamp 张三 13800000000