# 彭靖田（极客时间）三门 AI 训练营 · 课程目录汇总

> 整理日期：2026-07-11 ｜ 来源：极客时间课程页 + 公开资源站检索
> 说明：目录标题尽量原文照抄；官方页面（geekbang）需登录，部分明细来自公开资源站/学习总结，已在文末标注来源。个别课节顺序在不同期次可能有增删。

---

## 讲师简介 · 彭靖田（Peng Jingtian）

- 品览（Pinlan）联合创始人兼 CTO
- 谷歌开发者专家（Google Developer Expert）
- 开源项目 **Kubeflow** 维护者、**TensorFlow** 贡献者
- 著有《深入理解 TensorFlow》
- 曾任华为公司 2012 实验室深度学习团队成员
- 加州大学（UC Davis）访问学者
- 毕业于浙江大学竺可桢学院

三门课定位（由浅到深 / 由应用到底层）：

| 用户说法 | 对应课程官方名 | 侧重 |
|---|---|---|
| AI 全栈训练营 | **AI 全栈开发实战营** | 从机器学习/深度学习基础 → DeepSeek / Dify / MCP / FastGPT 全栈应用 |
| AGI / AI 开发训练营 | **AI 大模型应用开发实战营（八周）** | OpenAI + LangChain 应用开发、ChatGPT Plugin、企业级应用落地 |
| AI 微调训练营 | **AI 大模型微调训练营** | PEFT / LoRA / QLoRA / 量化 / 分布式训练等底层微调技术 |

> ⚠️ 关于「AGI 开发训练营」的对应：彭靖田在极客时间没有一门确切叫"AGI 开发训练营"的课，最贴合的是 **《AI 大模型应用开发实战营（八周）》**（面向 AGI 时代的大模型应用开发）。若你记忆里指的是另一门，请告诉我再核。

---

## 课程一：AI 全栈开发实战营（完结）

**定位**：全栈路线，从 ML/DL 理论基础一路打到 DeepSeek、Dify、MCP、FastGPT 的企业级 Agent 落地。共 **17 章**。

### 完整目录

**第一章：机器学习与深度学习理论基础**
- 课程介绍
- 机器学习基础
- 监督学习算法与应用场景
- 非监督学习原理与典型应用
- 半监督学习与混合数据利用
- 神经网络与深度学习基础
- 神经网络核心优势
- 神经元与激活函数
- 前向与反向传播机制
- 深度神经网络经典架构解析
- 深度学习框架生态与实践

**第二章：大模型发展全景与关键技术**
- 章节介绍
- Transformer 架构的诞生与应用
- 注意力模型（Attention Model）：捕捉长距离依赖
- 自注意力机制（Self-Attention）：语义理解的钥匙
- 多头注意力：并行计算不同子空间的特征
- 位置编码（Positional Encoding）：引入序列位置信息
- 大模型技术突破与前沿趋势
- 大模型的定义与特点
- 传统模型与大模型的差异
- 稀疏注意力（Sparse Attention）

**第三章：DeepSeek 现状、应用与技术创新**
**第四章：使用 DeepSeek 开发你的第一个 RAG**
**第五章：使用 DeepSeek 开发小红书爆款文案生成助手**
**第六章：DeepSeek 私有化部署与最佳实践**
**第七章：大模型应用开发平台 - Dify**
**第八章：Langbot 大模型原生即时通信机器人平台**
**第九章：使用 Dify 和 Langbot 研发多平台智能客服 Agent**
**第十章：使用 Dify 研发自动代码生成 Agent**
**第十一章：MCP 篇 - 模型上下文协议快速入门与实战**
**第十二章：模型上下文协议（MCP）部署与开发实战**
**第十三章：A2A 协议与 MCP 协同之道**
**第十四章：FastGPT 篇 - 企业级知识库设计与 RAG 进阶开发**
**第十五章：企业级 RAG 开发框架 FastGPT 快速入门**
**第十六章：使用 FastGPT 开发企业级智能问答 Agent**
**第十七章：企业应用中的权限分级控制与数据隐私保护**

---

## 课程二：AI 大模型应用开发实战营（八周）

**定位**：面向 AGI 时代的大模型应用开发。原价 ¥2999，8 周。
**入门要求**：掌握基本的 Python 编程技能即可。
**学习成果**：独立开发 ChatGPT Plugin；基于大模型及相关框架开发适配企业业务的 AI 应用（智能销售助手、数字员工、智能顾问助理等）。
**开课**：2023-08-31（首期）。

### 基础篇

**大模型基础：理论与技术的演进**
- 初探大模型：起源与发展
- 预热篇：解码注意力机制（Attention）
- 变革里程碑：Transformer 的崛起
- 走向不同：GPT 与 Bert 的选择

**GPT 模型家族：从始至今**
- 从 GPT-1 到 GPT-3.5：一路的风云变幻
- ChatGPT：赢在哪里
- GPT-4：一个新的开始

**提示学习（Prompt Learning）**
- 思维链（Chain-of-Thought, CoT）：开山之作
- 自洽性（Self-Consistency）：多路径推理
- 思维树（Tree-of-Thoughts, ToT）：续写佳话

**大模型开发基础：OpenAI Embedding**
- 通用人工智能的前夜
- Embeddings Dev 101

**OpenAI 大模型开发与应用实践**
- OpenAI 大模型开发指南
- OpenAI API 入门与实战
- OpenAI 大模型应用实践

**AI 大模型应用最佳实践**
- 如何提升 GPT 模型使用效率与质量
- 新特性：Function Calling 介绍与实战

### 实战项目

**实战 1：基于 ChatGPT 开发智能翻译助手（OpenAI-Translator）**
- 市场需求分析
- 产品定义与功能规划
- 技术方案与架构设计
- 模块设计与实战

**实战 2：动手开发第一个 ChatGPT Plugin**
- ChatGPT Plugin 开发指南
- 天气预报（Weather Forecast）插件开发

### 进阶篇

**大模型应用开发框架 LangChain（上）**
- LangChain 101：基础概念
- 核心模块入门与实战

**大模型应用开发框架 LangChain（中）**
- 大模型应用的最佳实践 Chains
- 赋予应用记忆的能力：Memory

**大模型应用开发框架 LangChain（下）**
- 框架原生的数据处理流 Data Connection
- 构建复杂应用的代理系统 Agents

**实战 3：使用 LangChain 重新实现智能翻译助手**
- Chat Model 和 Chat Prompt Template
- 基于 LangChain 优化架构
- Gradio 图形化界面与 Flask Web 实现

**实战 4：手把手带你实现网红项目 AutoGPT**
- 技术方案与架构设计

**实战 5：基于知识库的销售顾问 Sales-Consultant**
- 产品定义与功能规划
- 技术实现

### 大模型应用落地与数据隐私

- 大模型时代的开源与数据协议
- 数据安全性和保护措施
- 模型的可解释性和可审计性
- 伦理和道德考虑
- 法规合规性
- 数据隐私的量化评估

### 生态篇

**大模型开源生态**
- 大模型排行榜与基准测试
- 大模型横向对比

**大模型核心硬件选型指南**
- NVIDIA 概念解惑
- 显卡选型推荐指南

**基于 ChatGLM2 大模型应用开发**
- 清华 GLM 大模型家族介绍
- ChatGLM2-6B 应用开发与私有化部署

---

## 课程三：AI 大模型微调训练营

**定位**：大模型微调专项，理论 + 大量实战。

### 完整目录（章节序）

- 00 - 开营直播
- 01 - 开营直播：大语言模型微调的前沿技术与应用
- 02 - 大模型四阶技术总览
- 03 - 大语言模型技术发展与演进
- 04 - 大语言模型微调技术揭秘 - PEFT
- 05 - 大语言模型微调技术揭秘 - LoRA
- 06 - 大模型开发工具库（HF Transformers）
- 07 - 实战 Transformers 模型微调
- 08 - 实战 Transformers 模型量化
- 09 - 大模型高效微调工具 HF PEFT
- 10 - 实战 QLoRA 微调 ChatGLM3-6B
- 11 - 快速入门 LangChain
- 12 - 实战：基于 LangChain 和 ChatGLM 私有化部署聊天机器人
- 13 - 实战私有数据微调 ChatGLM3
- 14 - ChatGPT 大模型训练技术 RLHF
- 15 - 混合专家模型（MoEs）技术揭秘
- 16 - 大模型分布式训练框架 Microsoft DeepSpeed
- 17 - Meta AI 大模型家族 LLaMA

### 技术覆盖与实战项目（目录之外的细节）

- **全量微调**：BERT 模型全量微调
- **模型量化**：GPTQ、AWQ（基于 OPT）
- **LoRA 微调**：Whisper-Large-v2 中文语音识别
- **QLoRA 微调**：ChatGLM3-6B
- **私有数据微调 / 指令微调**：ChatGLM3 私有数据微调、LLaMA2-7B 指令微调
- **分布式训练**：DeepSpeed ZeRO-2 / ZeRO-3

### 硬件要求（课程建议）

- NVIDIA 显卡或 GPU 云服务器
- 最低 16GB 显存（建议 40GB+）

### 学习支持

- 班级社群互动
- 助教直播答疑

---

## 三门课横向对比速览

| 维度 | 全栈开发实战营 | 应用开发实战营（八周） | 微调训练营 |
|---|---|---|---|
| 主线 | ML/DL 基础 → 全栈应用 | OpenAI + LangChain 应用 | PEFT/LoRA/量化/分布式 |
| 核心工具 | DeepSeek、Dify、MCP、FastGPT、Langbot | OpenAI API、LangChain、ChatGPT Plugin | HF Transformers、PEFT、DeepSpeed |
| 代表实战 | 智能客服 Agent、代码生成 Agent、企业问答 Agent | 翻译助手、Plugin、AutoGPT、销售顾问 | QLoRA 微调 ChatGLM3、LLaMA2 指令微调 |
| 硬件门槛 | 低（多为调用/平台） | 低（Python 即可） | 高（需 GPU，建议 40GB+ 显存） |
| 适合阶段 | 想做端到端 AI 产品 | 想做大模型应用开发 | 想深入模型训练/微调底层 |

---

## 来源

- [极客时间训练营 · AI 大模型微调训练营（官方）](https://u.geekbang.org/subject/finetuning)
- [极客时间训练营 · 大模型应用开发（官方 subject/llm）](https://u.geekbang.org/subject/llm)
- [极客时间 - 彭靖田 - AI 全栈开发实战营（linux.do 资源）](https://linux.do/t/topic/1019043)
- [极客时间 - 彭靖田 - AI 大模型应用开发实战营（八周）（linux.do 资源）](https://linux.do/t/topic/641504)
- [AI 大模型应用开发实战营 · 课程目录（keylinking）](https://www.keylinking.com/kc/2508.html)
- [极客时间彭靖田 AI 大模型微调训练营（数智自学）](https://szstudy.ltd/aizhineng/212.html)
- [AI 大模型微调训练营学习总结（CSDN）](https://blog.csdn.net/weixin_36441033/article/details/140606824)
- [极客时间彭靖田 AI 大模型微调训练营（九章资源站）](https://jiuzhang999.com/)

> 备注：官方 geekbang 页面需登录，逐节标题主要依据公开资源站与学习总结整理；若需 100% 精确到每一课时（含课时时长、直播回放清单），建议登录极客时间课程页逐条核对。