开发者的提示工程与LLM优化
大语言模型现已成为生产软件中的实用层 — 用于代码生成、数据提取、摘要生成和自主代理。本课程轨道教你如何精确可靠地与这些模型沟通，如何评估和保护其输出，以及如何将它们集成到实际应用中，避免成本失控或行为不可预测。重点是应用导向且针对开发者：每个主题都对应你在使用 OpenAI、Anthropic 或开源权重模型等 API 时做出的决策。
你将学到什么
你将从提示工程基础开始 — 指令清晰度、角色框架和少样本模式 — 然后进阶到高级策略，包括思维链、自洽性和输出约束。后续课程涵盖将 LLM 集成到开发者工作流、专门用于代码生成和数据任务的提示工程，以及端到端构建 LLM 驱动的应用。本轨道还涵盖评估和保护模型输出、识别失效模式和防御提示注入攻击。最终课程涉及性能调优、成本优化、领域特定微调、具有工具使用和编排的代理式 AI 模式，以及 LLM 解决方案的产品化和扩展完整流程。
学习路径
十二门课程从 A1 递进至 C1。开篇课程 提示工程基础建立词汇和心智模型。中级课程 — 在开发者工作流中集成 LLM、代码与数据的提示工程和 构建 LLM 驱动的应用 — 引导你进入实践构建阶段。本轨道以 C1 级课程结尾：高级代理式 AI 与编排、针对特定领域定制 LLM和 LLM 解决方案的产品化与扩展，涵盖 LLM 功能在生产环境中大规模部署时出现的工程问题。
它是如何运作的
每门课程分解为短小精焦的课时，你在实时反馈和 AI 导师的帮助下完成学习（当你遇到困难时导师随时可得）。练习是实践性的：你在内置编辑器中直接编写、测试和迭代提示和集成代码，立即看到每个更改的效果，而不是抽象地阅读理论。