吴师兄 · 2026 AI 全栈 / Agent 全栈 · 头部大厂 TL 1v1 带

吴师兄 AI 全栈1v1 陪跑营

从一个对话框，做到能上线、能计费的 AI 数字员工。头部大厂 TL 1v1 带：改项目、改简历、模拟面试，直到拿 offer。真实业务场景、真实素材，六个工业级项目 + 一条商业化产品线。

// 这门课给你的五样东西，一张图看完
01 · 导师
头部大厂 TL 1v1 真陪跑
二面面试官亲带，简历重构，大厂 TL 模拟面试，2v1 不限次答疑
02 · 路线
速成线 3–8 周 / 夯实线 3 个月
速成线按基础定周数；入营先定目标岗位，规划好每个月做什么
03 · 项目
六个工业级项目
Harness · AgenticRL · AgentSFT · DeepResearch · SalesPilot · RAG，数字全来自真实运行
04 · 产品线
AI 全栈商业化产品落地
12 周，一个人的 CLI → 团队的服务 → 公司的产品 → 能卖的产品
05 · 求职
求职冲刺闭环
规划会 → 简历重构 → 大厂 TL 模拟面试 → 真实面试复盘 → offer 谈薪
350+可溯源 offer 截图 6+1工业级项目 · 产品线 165章 · 4,200+ 知识点 12周做到能卖
吴师兄 · AI 全栈 / AGENT 全栈 1V1 陪跑营 · 2026.10

陪跑营开营两年半以来，已服务 1000+ 学员，350+ offer 截图全部来自服务群原始记录，可溯源真实性。从后端、前端、算法、通信、机械、土木，到留学生和零基础转行，很多人已经拿到了大厂、AI 独角兽和车企、硬件、国央企的大模型 offer。

这不是一门「Agent 开发课」。项目覆盖 Harness 运行时、Agent 强化学习、Function Calling 微调、多 Agent 研究系统、销售 Agent、企业级 RAG，再加一条从业务场景做到能卖的 AI 全栈商业化产品线。可投递岗位覆盖 AI 应用开发、Agent 开发、大模型算法、AI 全栈、后端开发（AI 方向）、AI 产品经理，一套能力，同时匹配多个岗位。

所有项目数字来自真实运行，不是示意：Recall@5 0.92、准确率 0.36 → 0.92、混沌演练 8/8、200 题评估集 v1.0 到 v1.6 逐题对照。课程已持续迭代两年半，持续跟最新 tech 的直播，资料有效期 2 年，期间新增的资料和项目都可以学。

学习分两条线：速成线 3–8 周（按基础定），先把简历和项目做到能进面试；夯实线 3 个月，把能力整体拉到入职后也能干活的水平。入营先打磨简历、定目标岗位，从入营到求职规划好每个月要做什么、每个阶段要达到什么。

▲ 今年变了什么：四条线都从「能跑通」到「能上线、能运营、能进化」。被出清的，是只会 RAG demo、搭一个工作流的人；这门课把你变成能系统化落地的 Agent 全栈架构师
Chapter 1 · 命中任意一条，就值得聊 10 分钟
01

适合谁

Chapter 2 · 先看一张对比表，再看每一条背后的东西
02

和别的课程有什么区别

维度市面上大多数课吴师兄
导师培训机构老师，没进过大厂面试间头部大厂 TL、二面面试官 1v1 带：直接告诉你大厂怎么面、每轮考什么、追问到第几层才算过，什么样的简历会被筛掉
项目起点给你一个 demo，照着跑通从场景分析开始带着你做：业务场景 → 痛点 → 用户故事 → PRD → 架构 → 代码
项目深度demo 跑通就结束，中间隔着工业级服务，才到商业级产品demo → 工业级服务 → 商业级产品三层走完：队列、幂等、多租户、上线、压测、计费
怎么讲代码看一遍录屏，代码发个压缩包出什么问题、应该怎么改，用代码 diff 带你看；代码一个一个断点解释，逐步运行看每一步的真实输出
评测与优化没有评测，效果靠感觉系统性测评、Bad Case 根因分析、一步步带着做系统性优化、全链路压测与 SLA，每个版本有对照数字
素材示意数据，编的指标真实场景、36 份真实格式的业务资料，数字来自真实运行
服务群里答疑，录播看完就结束入营 1v1 规划会、简历重构、基于背景改造项目、不限次 2v1 深度答疑、大厂 TL 模拟面试、真实面试复盘、offer 选择与谈薪、入职后持续陪跑
学习平台网盘资料 + 视频列表官网交互式学习平台：视频 + 图 + 文 + 真实材料 + 代码在同一页，配套代码可逐步运行；小程序随时学
更新卖完不更新已持续迭代两年半，持续跟最新 tech 的直播，资料有效期 2 年内新增都能学
结果口号350+ 可溯源 offer 截图，全部来自服务群原始记录
01 · 导师

头部大厂 TL 亲自带，不是机构老师

市面机构老师讲课，没进过大厂面试间
吴师兄两位导师都是头部大厂 TL、二面面试官，每一轮考什么、追问到第几层才算过关、什么样的简历会减分，直接告诉你。课程已持续迭代两年半，学员的面试反馈都沉淀在题库、复盘文档和项目版本里。
02 · 平台

系统化学习平台，不是一堆网盘资料

市面网盘资料 + 视频列表
吴师兄课在小程序，课件在官网，陪跑在 1v1。阅读页按「篇 / 章 / 节」组织，每章有本页目录、阅读时长、小结、练习和参考答案；配套代码可以点开、逐步运行、看每一步真实输出。
03 · 素材

真实场景、真实素材

市面示意数据，编的指标
吴师兄课程里的业务叫「示例设备」：工业流体设备出海，15 类产品、110 个 SKU，36 份真实格式的业务资料。RAG、Agent、Harness、AI 全栈产品线全部用同一套业务设定。
04 · 链路

六个项目 + 一条产品线，同一套工业级链路

市面六个孤立的 demo
吴师兄场景需求分析 → LLM Core / Runtime 设计 → Agent 工程化架构 → 可检测、可回流、可训练的 Pipeline。可以独立讲、组合讲、体系化讲，面试官问到第几层你答到第几层。
▲ 学习平台首页：从理解大模型，到构建 Agent 工业级服务；60+ 核心技能、按周推进的学习进度表
▲ 左：知识库里 36 份示例设备资料，按产品手册与选型、售后政策与服务规程、安装维护与故障处理、工单记录与咨询、配件与报价、出海经营六组组织。右：技术全景图，一张图看清每个模块在产品里的位置
Chapter 3 · 大厂 TL 8 层服务 · 从入营到入职
03

服务介绍

规划会纪要、简历改前改后、答疑与模拟面试记录、复盘文档、谈薪原始对话，全程留痕、可检验。下面每一步配的都是服务群里的真实记录，已按隐私规范打码。

01

入营 1v1 规划会

把背景、目标岗位、简历、项目摆上桌，找出最致命的卡点，选速成线还是夯实线，排出接下来每个月要做什么、每周做什么、每个阶段达到什么。

02

简历重构

按面试官筛简历的逻辑重写：岗位匹配、项目证据、可被追问的技术点，删掉一切经不起追问的内容；投递前再做一次微调。

03

基于背景改造项目

业务、架构、数据、评测、性能、成本、失败链路七层补齐；没项目的，沿六大工业级项目改造出自己的，改完是你的项目，不是模板。

04

2v1 深度答疑

只学和你目标岗位、真实面试卡点相关的内容，不平均用力。两位导师在你的专属答疑群，代码报错、架构取舍、面试追问都能问，不限次。

05

大厂 TL 模拟面试

头部大厂 TL 按真实面试强度连续追问，提前暴露逻辑断点、知识盲区和表达问题；每场有面试评价，沟通、技术栈、开放性架构、项目逐项打分。

06

真实面试复盘

每场面试拆题目、追问与失分点，沉淀成你的飞书复盘文档，下一轮针对性补。

07

offer 选择 · 谈薪

offer 怎么选、薪资怎么谈，结合发展前景、薪资福利给建议，帮你选出性价比最高的那个。

08

入职后持续陪跑

入职后工作里的技术问题继续在群里问；资料有效期内新增的项目和直播都可以学。

2v1 导师 + 专属答疑群 + 班主任 + GPU 服务器 + 简历修改 + 大厂 TL 模拟面试 + 面试复盘 + 实操
服务有效期 1 年，GPU 服务器 6 个月，资料有效期 2 年，期间新增的资料、项目和直播都可以学
✅ 录播体系课 + 实操课 + 持续跟最新 tech 的直播
✅ 官网交互式课件 + 小程序随时学 + 配套代码与真实材料
✅ 专属答疑群，两位导师在群，作业批改
✅ 不限次 2v1 深度答疑
✅ 简历重构 + 基于背景改造项目
✅ 大厂 TL 模拟面试 + 真实面试复盘 + offer 选择与谈薪建议
✅ 项目成果整理：可运行代码、启动说明、架构图、个人改动记录、评测结果、面试讲解提纲
✅ GPU 服务器（6 个月）

入营后的十步

01
报名确认核对服务权益，发送课程入口与学习说明
02
建专属答疑群你 + 两位导师 + 班主任
03
入学沟通编程基础、专业方向、经历、目标岗位、每天能投入的时间
04
制定计划选速成线还是夯实线，按基础定周数，定每周任务和阶段检查点
05
课程与项目学习录播 + 直播，提交作业，导师批改答疑
06
简历沟通确定求职主线，选重点项目，梳理个人贡献
07
项目完善 + 简历重构补架构、数据、评测和结果描述
08
模面与真实面试复盘按真实强度追问，结合面试反馈调整
09
实操课跟着材料和步骤把项目完整搭一遍，自己的代码、自己的数字
10
持续跟最新 tech 的直播新项目、新技术迭代持续更新，资料有效期内都能学
Chapter 4 · 六个工业级项目，数字来自真实运行
04

项目介绍

六个项目全部有完整文档、项目代码、视频讲解，以及「最低成本融入简历」的指引。顺序就是建议的学习顺序：先把 Harness 运行时这条主线立住，再往训练和多 Agent 延伸，最后用 RAG 收口。每个项目都能迁移到你自己的行业和经历。

01 · HARNESS数字员工运行时

商业级落地的 Harness 项目：可组合 Agent Runtime，LLM、Tool、Skill、Memory、Sandbox、Scheduler、Channel 全部插件化，运行中热替换、失败局部回滚、依赖自动重连。这是「Agent 怎么敢上生产」这一层的工程，也是 2026 年面试里追问最深的一层。

▲ 会话页（一句话「为 Jakarta 客户出 X200 选型与报价」，右栏实时执行轨迹，写动作先以变更集摆出来等确认）、Run 详情、任务中心（五个快捷入口 + 询问 / 自动开关）、插件、运行监控、营销图生成
Agent LoopUnified Context 四级派生Revertible Effect真状态机三层幂等Outbox 对账HITL 人审多租户全链路 TraceToken 成本归因
  • 内核与热替换：Unified Context 四级派生 + Revertible Effect，运行中换 LLM、MCP Tool、知识库不重启，失败自动回滚。
  • 幂等与不可逆边界：真状态机 + 三层幂等 + Outbox 对账；外发消息、订单走 HITL 人审；任意时刻 kill -9 都能完整恢复。
  • 治理与观测：多租户隔离，Task → Fiber → Tool Call 全链路 Trace 与 Token 成本归因。
  • 验证：27.5K 行代码，混沌演练 8/8，golden replay 6/6。
面试落点：讲清状态机、幂等与不可逆操作边界，为什么要 Outbox 而不是双写，崩溃后怎么恢复。

02 · AGENTIC RL工具调用强化学习

售后操作 Agent 的工业级 GRPO 后训练。训的不是「会聊天的模型」，是「会把事办对的 policy」。

▲ 训练课程首页、六步管线（数据从哪来 → Loop · Env · Tool · Verifier → 数据分布 · Routing · 切分 → SFT 接线 → RL · GRPO 接线 → 一键脚本 · 训推一致 → 最终评估）、售后训练数据分布热力图、训练总览（0.36 → 0.92，约 2.6K environments，收敛 92.32%）、两种训练设置对照、Baseline 与加 Mask 后四组曲线
GRPO33 工具沙箱Verifier奖励与护栏Reward HackingverlvLLM 训推同构FSDP断点续训
  • GRPO 训练回路：任务采样 → Sandbox Env → Rollout × K（multi-turn ≤ 6，vLLM）→ Verifier 评奖 → 组内优势 + KL → verl 更新 → Eval 门禁。
  • 718 行 Verifier：outcome / policy / evidence / efficiency / communication 五维加权，11 道安全护栏取 min 封顶。
  • 33 工具沙箱：OMS / 财务 / 物流 / 政策 / 风控五域，17 读 16 写严格分离，写操作全落 audit_log 可回滚。
  • 实测：准确率 0.36 → 0.92（+56pp）；Baseline 第 85 步 reward 崩溃，归因修复后固化成自动熔断。
  • 训练基建：Ray 混部、vLLM 权重热更新、FSDP、断点续训；每条 rollout 三指纹逐字节复现。
面试落点：解释奖励设计、探索与训练不稳定问题，Reward Hacking 怎么防。

03 · AGENT SFTFunction Calling 小模型蒸馏

用 Post-training 把 Agent 的复杂长链路能力训进小模型：多轮 tool_calls ⇄ observation、缺参反问、越界拒答，max_seq 20000 长链路不截断。

▲ LoRA 单 epoch vs 全参 3 epoch 的 Loss 对照，only_last_assistant 掩码 vs 全轮监督的工具选择准确率；首轮错误分布（n=176）与数据回炉前后五项指标；数据工厂四道工序；LoRA 训练 Loss、学习率与梯度范数
数据工厂真实工具轨迹捕获Chat TemplateLoss MaskLoRA / QLoRAtrlvLLM 部署
  • 真实工业问题：线上 Agent 调 API 大模型贵、慢、断网即死，而 80% 的工具调用是模式化的，训练与推理调同一个后端。
  • 数据工厂：8 类场景模板 × 种子池并行合成，ask / no_ask / 闲聊 / 拒答配比精确可控。
  • 真实工具轨迹捕获：hook 教师 Agent（7 个教师模型可切换），训练数据里没有一条假的工具返回。
  • 损失掩码：only_last_assistant 只对最后一轮算 loss；LoRA r=32 α=64 覆盖 7 个模块。
  • 系统性评估：200 题端到端，工具选择 0.97 vs 教师 0.93，JSON 合法 0.99；0.6B 小模型延迟 3s → 300ms。
面试落点：解释数据分布、损失掩码和行为边界，为什么小模型能在这个任务上追平教师。

04 · DEEP RESEARCH多 Agent 研究系统

六个专家 Agent，一条 LangGraph DAG 状态机，一份句句有据的深度报告。

▲ 行业咨询助手入口、STEP 级思考 / 行动 / 观察轨迹与自动生成的图表、知识图谱、搜索进度与证据列表、数据分析与市场格局图、「特朗普上台对钢价的影响」的智能回答
LangGraph DAGSupervisor 编排三路并行检索递归深潜Critic 门禁Checkpoint事件溯源SSESFT 数据飞轮
  • 状态机编排：Plan → WebSearch ∥ LocalRAG ∥ Text2SQL 三路并行 → 覆盖不足 depth++ 递归深潜（≤ 3）→ Critic 评分 < 8 强制 revise。
  • 六大专家 Agent：ChiefArchitect 分解 / DeepScout 多跳溯源 / DataAnalyst text2sql / CodeWizard 沙箱执行 / CriticMaster / LeadWriter。
  • Checkpoint + 事件溯源：ResearchState 每节点落盘可断点续跑；SSE 节点级实时推流；状态变更全量落 PG JSONB。
  • SFT 数据飞轮：生产 Trace → 5,000+ 条 FC 数据 → Qwen2.5-7B LoRA → 门禁 → 灰度，一次成功率 62% → 89%。
  • 规模与交付：33,885 行、165 文件；工具选择准确率 78% → 94%；Retry → Circuit Breaker → 降级链 → DLQ；Compose 8 容器一键，K8s HPA。
面试落点：回答为什么拆 Agent、怎么协作、怎么恢复，Critic 怎么防止报告自嗨。

05 · SALES PILOT智能销售 Agent

会自己找资料、自己反思、自己补查的销售 Agent：Plan-Execute-Reflect 显式决策循环，RAG ∪ Web 双源融合，思考链全程透出。

▲ 企业培训助手入口与推荐问题、「介绍一下华为汽车」的实现规划 / 复杂度判断 / 答案分段呈现、行业分析与图像结果同屏、视频结果
Plan-Execute-Reflect双源取证快慢双链路记忆分层搜索沉淀四层容错数据回流
  • 决策循环：qwen-plus 出 JSON 计划 → LocalRAG ∥ WebSearch 并行取证 → Reflect 覆盖度不足则扩展回环（≤ 3）→ deepseek-r1 深度生成。
  • 显式 PER 而非裸 ReAct：先出完整计划再并行执行，少一半 LLM 往返；让贵的模型只干贵的事，4 个 LLM 各司其职。
  • 快慢双链路：单轮直答扛 80% 高频问题，完整 PER 处理对比与政策解读，一套系统两种成本曲线。
  • 记忆分层 + 搜索沉淀：L1 证据池 / L2 会话 / L3 知识库；搜索结果向量化沉淀进 ES，网络搜索的钱只花一次。
  • 容错与回流：Retry → 熔断 → Fallback → DLQ 四层；高分应答 → 人审入库 → 门禁 → 灰度，沉淀为 SFT 数据。16,567 行；门禁 Recall@5 ≥ 0.90。
面试落点：为什么显式计划比 ReAct 省钱，记忆怎么分层，什么时候该走快链路。

06 · RAG企业级可信知识系统

让 AI 的每一句话都有出处：句级引用溯源，幻觉制度性消灭。

▲ 合同知识库问答（每句回答带引用）、右侧引用来源与可点击跳转、数据集管理（解析状态、切块方式、启停与重解析）、多份合同的选择与检索
DeepDOC 视觉解析混合召回Rerank句级引用租户隔离黄金集回归Ragas 门禁
  • DeepDOC 视觉解析：版面识别 + OCR + 表格结构还原，扫描件、双栏、跨页表格照收；xxhash 确定性 ID 天然幂等。
  • 混合检索宽进严出：BM25 ∥ 1024 维向量 → 加权融合召回 1024 → gte-rerank 精排 Top5。
  • 引用双保险：生成时强制引用标记 + 生成后向量 / token 双相似度回填；无据句检测标记。
  • 生产化：每租户一个 ES 索引物理隔离；Retry → 熔断 → 降级链 → DLQ；PG / ES / Redis / MinIO 四库分治，K8s HPA。
  • 门禁即红线：200 题黄金集每日回归，Ragas 三指标进 CI，破线禁发布、一键回滚。17,614 行；Recall@5 0.92、引用覆盖率 0.96、P50 1.2s。
面试落点：讲清召回、忠实度、延迟和权限边界，为什么句级引用比段级引用难。
Chapter 5 · 两件事市面上没有：全流程系统级落地，从业务场景一步步做出来
05

为什么我们的项目断层级领先

01 · 工业级落地

全流程系统级别的落地

真实场景、真实素材，把每条链路拆开讲，代码逐步带你看；然后系统性测评、Bad Case 根因分析、一步步系统性优化、全链路压测与 SLA，每个版本有对照数字。

02 · 全链路产品构建

从业务场景带着你一步步实现

从求职现状、业务场景、痛点、用户故事到 PRD，再到 CLI → Web 服务 → 多租户 → 上线 → 计费 → K8s，12 周做出一个能卖的产品。

5.1 工业级落地：场景化全流程，再到测评、根因、优化、压测

不是给你一个能跑通的 demo。每条链路拆开讲，代码逐步带你看；往多模态、知识图谱、Agentic 延伸；然后系统性测评、根因分析、逐步优化、全链路压测，把它做到能上线。正文里的向量数值、相似度、候选排名、指标数字都来自配套脚本对 36 份真实资料的真实运行。

▲ 左：RAG 双链路全景，离线链路数据源 → 解析 → 切块 → Embedding → 向量库，在线链路问题 → 改写 → 检索 → 重排 → 上下文 → 生成 → 答案。右：多模态 RAG，现场铭牌照片经 OCR 识别出型号与序列号，视频按关键帧与转写进检索

系统性测评、根因分析、逐步优化

▲ 系统性测评：200 题评估集按任务类型和业务主题分维度，原项目与 v1.0 到 v1.6 每个版本逐题对照
▲ Bad Case 分析与根因定位：症状 / 观察 / 假设 / 因果，从后往前的定位流程，十三类根因
▲ 模拟真实工作：接手一个旧 RAG 项目，先测再改，跑出基线分数，列问题清单，复现故障
▲ 从零逐步优化（一）：迭代 1 加业务字段，让检索能按条件过滤；每一轮迭代都有对照数字
▲ 从零逐步优化（二）：迭代 5 接上重排。出了什么问题、应该怎么改，用代码 diff 带你看：绿色的两行就是这一轮改动，下面紧跟改动前后的命中数对照

全链路压测与 SLA，每个版本有数字

v1.0 分层设计 → v1.1 解析前后处理 → v1.2 按结构切块（父子块）→ v1.3 混合召回与多轮改写 → v1.4 回答规则与引用核对 → v1.5 压测、瓶颈与过载保护 → v1.6 降级、SLA、面板与回归门禁。

▲ 评测与性能面板：从接手原项目到 v1.6 上线版，每个版本改了什么、答案全对率、前 5 命中、引用正确、拒答召回、过度拒答、首字 P50 / P95、结束 P50 一张表看完；下面是吞吐、结束时延 P95、旁路轻量接口 P95 的压测曲线
版本改了什么答案全对首字 P50结束 P50过度拒答
原项目接手：原样跑基线83.0%1.64 s13.01 s3.4%
v1.2按结构切块：父子块78.5%820 ms5.54 s0.0%
v1.4生成：回答规则、引用核对87.0%928 ms5.97 s0.0%
v1.6上线：降级、限流、SLA、面板与回归门禁90.0%955 ms6.24 s0.0%

v1.0 重构后分数先掉下去再一版一版涨回来，这才是真实工作里系统性优化的样子。最后一章把全版本数字放在一起，直接对应简历和答辩。

▲ 日志、指标、Trace 三支柱；一条请求的 trace 串起解析、检索、重排、生成每一段耗时；可观测之后才有 SLA
▲ 配套实操：你自己搭出来的设备知识库问答，每句回答带引用来源，可以点开原文

5.2 全链路产品构建：从业务场景带着你一步步实现

六个项目讲的是「每一块怎么做对」。这条线讲的是「一个产品怎么从 0 做到能卖」：一个人的 CLI → 一个团队的服务 → 一家公司的产品 → 能卖的产品。agent core 从第 1 周到第 12 周是同一份代码，只是外面的壳子在变。

从求职现状到业务场景

开营第一课不写代码。它像一次产品评审：先看今年的岗位要什么，再看市场上的人差在哪，然后把一家真实形态的公司摆在你面前。

▲ 示例设备出海：15 类产品、110 个 SKU，卖给东南亚、中东、欧洲的工厂；华东出海事业部四个业务员，一天五类活：回询盘、摸客户、出选型报价和文档、跟订单和售后、写周报。一条询盘要切五个系统、七步
▲ 左：手上已经有 Codex、WorkBuddy，为什么还要自己做一个跨境数字员工：接不上 ERP / SCRM、不懂报价规程和政策版本、没法给团队用、不可评测不会进化。右：一条询盘现状七步切五个系统；有了 agent 之后，查询自己做，写动作过闸门等人确认

从痛点到用户故事，再到 PRD

业务员、主管、老板三个人的痛点不一样，产品要同时解决三个人的问题。主管的原话：「我不要一个会聊天的机器人。我要一个能真正办事、但不会乱办事的同事。」

// 产品定义
一个对话，一个 agent，能力在工具层和技能层按插件安装；读是自由的，写要过闸，写动作先以变更集的形式出现在对话里，业务员点确认才会真的发生。
十七条用户故事加一条选修覆盖产品全部功能，每条都写清「怎么算做对」，判定器能自动判。
▲ 左：插件页 PRD，从市场安装、搜索、已安装 / 市场 / 已授权三个视图、ERP 连接器卡、SCRM 连接器卡，每个元素标注出现在哪一周。右：营销图 PRD，型号、平台与市场、图片类型、卖点、规范（自动套用），完整需求表 15 个元素
▲ AI 工作台五层结构与八个插件：对话与运行时、工具层、技能层、知识层、平台层；ERP 连接器、SCRM 连接器、选型与报价、客户背调、文档与表格、设计、飞书，选修采购寻源

产品长什么样

▲ 任务中心：「今天要办哪件事？」一句话派活，五个快捷入口；「询问 / 自动」开关决定写动作要不要先问你
▲ 插件：要什么能力，装一个就有。一个插件 = 一组工具 + 若干技能 + 一个连接
▲ 知识库：产品手册、政策两个版本、报价规程、选型指南，带版本与生效状态
▲ 运行监控：今日 Run 数、失败率、P95 耗时，归因与告警卡片
▲ 营销图生成：选型号、平台与市场、图片类型，生成主图 / A+ / 尺寸图 / 场景图，等确认后归档
▲ 工作空间与套餐：成员与角色、套餐与额度。第 12 周之后它是一个能收钱的产品

十二周怎么排：12 周，五个交付节点

每周有一个逼着你升级的问题，一簇知识点，一个 feature，一份先写后做的测试，周末一个能跑的东西。W4 一个能用的 CLI 产品，W8 一个团队能用的 Web 服务，W11 一个上线且扛得住的系统，W12 一个能计费、能扩缩容的产品。

▲ 12 周，五个交付节点：每周一个模块，周末手里有一个能跑的东西；交付节点是一个完整形态
▲ 四张架构快照 A1 单进程 → A2 服务 → A3 多租户 → A4 部署运维，每周回到图上指位置，说清本周新增了哪个格子

12 周之后：夯实线加码

算法夯实 · 微调

SFT 与模型行为塑造

指令数据设计与合成、Loss Mask、LoRA / QLoRA、Function Calling SFT 专项；AgentSFT 小模型蒸馏项目。

算法夯实 · 强化学习

Agentic RL 后训练

GRPO / DPO / PPO、可验证环境、Reward 与 Verifier、Reward Hacking 护栏；AgenticRL 训练项目。

算法夯实 · 多模态

多模态大模型

ViT / CLIP / LLaVA、多模态 RAG：图片、页面、音视频进检索。

Infra 夯实 · 推理加速

分布式训练与推理加速

vLLM、KV Cache、量化、批处理、DeepSpeed / FSDP 分布式训练、训推同构。

Chapter 6 · 一张架构图看完全部模块，两条路线按你的时间选
06

目录与怎么学

先看整体架构：前端成品、Harness 运行时、Agent Runtime、插件与工具、模型与知识、ERP / SCRM 与飞书、评测回流、生产级服务，方框上的标签是它在哪周做出来。Agent Runtime 从 W1 到 W12 是同一份代码，变的只是外面的壳子。

▲ AI 工作台 · 跨境数字员工 · AI 全栈架构：Harness 运行时（接入层 · Gateway、Agent Runtime、工具层 · 按插件打包、队列与 Worker）、模型服务 · 底层驱动、AI Infra、评测与回流、生产级服务、环境（知识服务、ERP、SCRM）
▲ 技术全景图按模块标注：M01 LLM 底座、M02 RAG、M03 Agent、M04 Harness、M05 SFT、M06 RL、M07 评测与自进化、M09 多模态、M10 AI Infra（分布式训练与推理加速）

11 大模块总览（165 章 · 4,200+ 知识点）

编号模块章数性质落在哪条线
M1LLM 与 AI 工程底座26核心速成线 · 夯实线
M2企业级 RAG 与可信知识系统18核心速成线 · 夯实线
M3Agent 决策与复杂任务系统18核心速成线 · 夯实线
M4AI 全栈25核心速成线 · 夯实线（S6 12 周）
M5SFT 与模型行为塑造12核心夯实线
M6强化学习与 Agentic RL12核心夯实线
M7评测、反馈回流与 Self-Improvement9核心夯实线
J求职训练线9贯穿两条线都有
M8大模型预训练9按岗位选夯实线按岗位选
M9多模态大模型11按岗位选夯实线
M10分布式训练与推理加速16按岗位选夯实线

不是从头学到尾：规划会先定目标岗位，再从 11 个模块里抽你需要的定向冲刺。

▲ 学习平台里的课程卡：LLM 与 AI 工程底座、企业级 RAG 与可信知识系统、Agent 决策与复杂任务系统、Harness 与工业级生产运行时、AI 全栈系统与实操

两条路线，根据你的情况定制

速成线3–8 周 · 按基础定
简历和项目做到能进面试，能投 Agent 开发 / AI 应用开发这类岗位。入营 1v1 规划会按你的基础、时间和目标岗位定周数、定重点项目、定每周做什么。
夯实线3 个月
在 S6 产品线 12 周的基础上，把训练、多模态、推理加速也加上。能力整体跃升，入职后能干活、能晋升；岗位扩到大模型算法 / AI 全栈 / 后端（AI 方向）。每月一个阶段目标，具体顺序按你的情况定。
不是从头学到尾：规划会先定目标岗位，再从 11 个模块里抽你需要的定向冲刺。建议每天投入约 3 小时；应届生可以集中学习，在职同学按工作安排拆分任务。3 个月是学习周期建议，不是就业时间承诺。

学习资料是文档还是视频？

都有，而且在同一页里：视频 + 图 + 文 + 真实材料 + 代码讲解。知识类以文档为主，比视频更能展现细节；核心项目的设计理念、项目亮点、架构取舍由视频来讲。代码不是发个压缩包：出什么问题、应该怎么改，用代码 diff 带你看；代码一个一个断点解释，逐步运行看每一步的真实输出。

▲ 视频讲设计理念与取舍，视频下面挂课件和代码，同一页里接着读
▲ 讲解图不画概念，画真实材料：X200 手册第 4 页的表格、脚注和表注，三种表示的差别
▲ 代码抽屉：左边项目文件，中间脚本，右边按步骤解释这一步在做什么、输出了什么；「逐步运行」一步一步往下走
▲ 真实材料：corpus/documents 下 36 份 PDF / Word / Excel / 网页，正文里点开就是原件
▲ 阅读页：左侧章节树，中间正文与纯文本输出，右侧本页目录与阅读时长；代码里的数字都来自真实运行
Chapter 7 · 他们拿到的 offer
07

offer 墙

以下截图全部来自服务群原始记录，已按隐私规范打码，红框内为原文，未做任何修改。去向、薪资和录用状态按具体截图介绍，不把个别案例当作所有学员的预期结果。

offer 墙 · 全量版

▲ 350+ offer 截图都从服务群里截的。不是海报，是聊天记录。私信「offer」看原图
Chapter 8 · 他们怎么评价这个训练营
08

好评墙

63 张学员群聊原始截图，红框内均为学员本人原话，非我方发言，已按隐私规范打码。

Chapter 9 · 报名前最常问的八个问题
09

常见问题与报名

在哪学习？

课在小程序，课件在官网交互式学习平台，答疑和陪跑在你的专属答疑群（飞书）。直播按当季统一课表参加，缺课看回放。

需要每天用多长时间？

分情况。短期要冲刺 offer，比如 1 个月后就要投递，算上周末平均每天 2 小时以上，速成线建议 3 小时。长期提升就按自己的节奏，我们的模式不是上课，是你跟着视频和文档学，有问题导师答疑。

我基础不好，3–8 周真的来得及吗？

秋招 / 春招不等人。学习思路不是一次就掌握到八九分，而是尽快过一遍，有个四五分，把项目融进简历，投出去，边面试边加强。面试本质上是概率问题，越早投出去、面得公司越多，过的概率越大。

需要编程基础吗？

需要。至少能理解变量、条件、循环、函数，能读简单代码并运行程序。有其他语言基础的先补 Python；完全零基础建议先完成基础编程学习再来评估。

一定保就业吗？

不承诺。说保就业的，大概率是割你的。我们能保证的是这门课教的每一项技能都是当下市场真实需要的，项目能经得起追问；能否拿到 offer 还取决于个人基础、项目完成质量、岗位匹配和实际招聘情况。

资料全是自己做的吗？

课程资料以自研为主，占比 90% 以上。也会精选业内优质的外部资料作为补充，都是导师筛过的。私教的核心不是卖资料，是服务：答疑解惑、规划方向、会议沟通复盘。

学不会怎么办？

先把卡住的位置、代码或报错发到群里，导师协助定位；如果是先修知识不足，再补对应内容、调整任务节奏。问题尽量附代码、报错、运行环境和已尝试的方法。

和其他课程的区别？

看第二章的对比表。一句话：别人给你一个 demo，我们从场景分析开始带你做到商业级产品，出了问题用代码 diff 带你改，每个版本有测评数字；配简历重构、大厂 TL 模拟面试和真实面试复盘。

// 免费诊断给你三样东西

别人给你一个 demo，
我们从场景分析开始，
带你做到能上线的商业级产品

诊断
你离目标岗位差在哪
方案
项目往哪个方向改
路线
3–8 周还是 3 个月
350+
可溯源 offer 截图，私信「offer」全量可看

扫码添加微信，备注【AI 全栈】，发送个人情况（学历与专业、编程基础、目标岗位、求职时间线），先做一次免费 1v1 诊断，再决定走速成线还是夯实线。

程序员吴师兄微信二维码，微信号278166530

扫码添加微信，咨询 1v1 陪跑营

加微信 278166530

备注「AI 全栈」
沟通课程、学习路线与陪跑安排