Real artists ship.

— Steve Jobs

专注 AI 项目孵化与背景提升,资深大厂工程师、AI 创业者亲授。
精品小班教学,从选题到上线,交付真实完整的 AI 产品。

20
节课
5–7
周
3–5
人小班
4
次 1v1 项目诊断
20+
已上线 AI 项目
From zero to one

AI 项目孵化

从一个想法出发,完成选题、产品定义、开发、评测到上线发布的完整闭环。适合想把创意变成真实产品的你。

  • 想法评估与立项
  • 全栈开发与 AI 能力集成
  • 上线、获客与商业规划
A portfolio that speaks

留学 / 求职背景提升

为申请 AI 方向硕士或求职 AI 岗位的非科班同学,打造一个可公开验证、经得起面试追问的项目经历。

  • “AI + 你的专业”选题
  • 技术报告与评测数据
  • 简历、作品集与面试模拟
01 · 课程

以项目为导向

每节课都有明确产出,所学即所用。

四个阶段的课时分布
共 20 节,每节约 1.5 小时
认知与工具 5 节定义与设计 3 节构建与评测 8 节发布与交付 4 节
Phase 1第 1–5 节

认知与工具 Foundations

  1. 01开营:生成式 AI 全景与应用格局
  2. 02工程基础:Git 协作、API 与开发环境
  3. 03大模型原理:Transformer、推理模型与多模态
  4. 04提示词与上下文工程
  5. 05AI 编程:Claude Code、Codex、Cursor 等编程智能体实战
Phase 2第 6–8 节

定义与设计 Define

  1. 06赛道研判与选题:场景、用户与 AI 可行性
  2. 07产品定义:PRD、MVP 范围与评测指标设计
  3. 08系统设计与立项答辩:技术选型、系统架构与成本估算
Phase 3第 9–16 节

构建与评测 Build

  1. 09全栈基础:数据库、缓存、对象存储与身份认证
  2. 10结构化输出与工具调用:JSON Schema、Function Calling 与 MCP
  3. 11RAG 工程:混合检索、重排与引用溯源
  4. 12Agent 设计模式:工作流编排、自主智能体与多智能体协作
  5. 13Agent 工程:Harness、Agent Skills、记忆管理与人机协同
  6. 14评测体系:评测集、LLM-as-Judge 与可观测性
  7. 15AI 安全:提示注入、越狱防护与数据隐私
  8. 16中期 Demo 与迭代评审
Phase 4第 17–20 节

发布与交付 Launch

  1. 17工程化部署:容器化、CI/CD、监控与成本优化
  2. 18上线与合规:应用商店上架、生成式 AI 服务备案与海外合规
  3. 19技术报告、作品集与面试模拟
  4. 20Demo Day 结营答辩
内容模块占比
按课时计,单位:节
Agent、RAG 与工具调用
4 节
工程与全栈基础
3 节
选题、产品与系统设计
3 节
评测与 AI 安全
2 节
评审与答辩
2 节
AI 全景与应用格局
1 节
大模型原理
1 节
提示词与上下文工程
1 节
AI 编程工具
1 节
上线与合规
1 节
技术报告与作品集
1 节
02 · 师资

师资背景

导师来自人工智能、互联网、科技企业与教育等领域,兼具一线工程实践与系统化教学经验。

工程架构与技术落地

Alwyn Sun

  • 南洋理工大学 应用人工智能硕士
  • 前百度 MEG 资深工程师
  • Transnote Pte. Ltd. 联合创始人兼 CTO

具备丰富的高并发服务与全栈研发经验,长期从事大规模系统研发与 AI 产品工程化落地。负责系统架构设计、工程实践指导、部署上线与海外实践对接。

企业级 AI 部署与课程研发

Alex Lee

  • 南洋理工大学 应用人工智能硕士
  • 新加坡电信(Singtel)AI 创新实验室特聘研究员、前沿部署工程师
  • 前上海学而思培优教研负责人、师资培训导师(S 级教师)

为多家企业定制并部署端到端 AI 解决方案,主导 Singtel HR 智能招聘平台建设及企业 AI Agent 红队安全测试。负责课程体系设计、企业级 AI 落地与工程实践。

算法研究与 AI 安全

Perry Ren

  • 北京理工大学 人工智能安全硕士
  • 曾任某国企算法技术主管

兼具扎实的理论功底与一线算法工程经验,具备智能体系统研发经验。负责模型原理、Agent 与 RAG 技术栈、评测体系与 AI 安全方向。

产品策略与商业化

Jessie Wu

  • 康奈尔大学 酒店管理硕士(MMH)
  • 前美团酒旅 AI 产品经理

具备跨学科背景与 AI 产品实战经验,熟悉非技术背景转型 AI 的路径。负责选题研判、产品定义、商业化策略与作品集打磨。

03 · 交付

交付成果

每一项交付物均可公开查验。项目由学员独立完成,导师负责方法指导、代码评审与质量把关。

01
线上产品
部署于公网的可用产品,或已提交应用商店审核的应用版本
02
代码仓库
规范的 GitHub 仓库,含 README、架构文档与完整的个人提交记录
03
评测报告
评测集构建、量化指标、方案对比与安全测试结果
04
技术报告
4–8 页学术规范的技术文档,涵盖问题定义、方法与实验
05
产品演示
2–3 分钟中英双语 Demo 视频
06
简历与作品集
基于 STAR 结构的项目陈述与量化成果
07
结营证书
载明项目名称、课程内容与学时
08
海外实践
表现优秀的学员可获海外 AI 初创公司实践机会
04 · 流程

从咨询到结营。

  1. 咨询
    提交意向,导师与你沟通背景与目标
  2. 入学访谈
    30 分钟评估,确定班级与申请时间线
  3. 小班学习
    20 节课 · 4 次 1v1 诊断 · 每周代码评审
  4. Demo Day
    结营答辩,交付完整成果;优秀学员可获得海外 AI 初创公司实践机会
  5. 持续支持
    结营后 3 个月校友答疑与材料复核
05 · 常见问题

你可能想问。

我完全没有编程基础,可以参加吗?

可以。课程面向非科班同学设计,入学前会提供约 10 小时的预习材料。更重要的是每周能保证 6–10 小时的课后投入。

上课形式是怎样的?

3–5 人小班,线上直播授课,每节约 1.5 小时,每周 3–4 节,5–7 周完成。另有每人 4 次 1v1 项目诊断、课程群答疑与每周代码评审,课程录像可回放。

项目是谁来完成的?

项目由你本人完成,导师负责方法指导、代码评审与方向把关,不代写代码、报告或文书。这是项目经得起面试追问的前提。

能保证申请结果或拿到实习吗?

不能,也不应该有人这样承诺。我们保证的是过程与交付:一个可公开验证的完整 AI 项目。海外 AI 创业公司实践机会根据 Demo Day 表现择优推荐,名额有限。

课程之外,还需要准备哪些开销?

项目上线可能用到少量第三方服务,例如模型 API 超出赠送额度的部分、域名、云服务以及应用商店开发者账号,入学前会逐项说明。

有一个想法?聊聊看。

留下你的背景与目标,导师会在 1–2 个工作日内与你联系。

预约咨询