看见真正的问题
从用户任务、失败样本和业务约束出发，先判断什么值得做，不从模型功能倒推需求。
AI ENGINEER BOOTCAMP · 第 07 期招生中
AI Engineer Bootcamp
第 07 期 · COHORT 07理论 12 周 · 实践 13 周线上 · 申请制25 场 Live · 13 周持续构建
把 AI Demo，做成可靠的 工程系统
从 AI Coding 实践开始，带你一步步把项目做出来。每周理论与实践 Live，逐步加入 RAG、Multi-Agent、Memory、Harness、LLM Routing 与评估部署。
138
课程条目
34
interactive labs
25
live classes
30
录播课
提交申请后 24–48 小时内完成审核，不需要先付款。
全球开展 · GLOBAL REACH
海外班面向澳洲 · 美国 · 新加坡
课程项目、直播讨论与求职准备围绕澳洲、美国和新加坡工程团队的真实交付场景展开。
澳洲
Australia
大洋洲
美国
United States
北美
新加坡
Singapore
东南亚
THE BUILD LOOP · 学习方法
不是追着模型跑，而是反复练一条可靠的交付链。
每个 Phase 都围绕同一个动作展开：先看清问题，再把 AI 组织成系统，最后用数据证明它值得上线。
把 AI 组织成系统
连接数据、工具、Agent 与人工判断，让一次性的回答变成可重复执行的工作流。
把结果做到可靠
建立 Eval、Tracing、成本与延迟指标，知道它为什么成功，也知道出错时从哪里修。
理论、实践、录播和 Lab 共同训练同一件事：选对问题 → 做出系统 → 验证可靠。
// interactive diagnostic
AI Engineer 到底需要会什么？先用 5 分钟测一下
这套自评把 AI Engineer 拆成 Full-stack、Prompt、Cloud、Data Thinking、AI Engineering Core 五块。评估完你会知道自己是缺工程地基、RAG 数据闭环，还是 Agent / Eval / Model Ops 能力。
展开 5 分钟能力评估
loading capability-map...
课程不止于听懂
Theory、Practice、录播与 Lab，各自解决不同的学习问题。
Theory Live 讲原理与判断，Practice Live 推进系统交付；录播补稳定知识，Interactive Lab 验证单项能力。
01 · 直播拆解
25 场 Live，把知识判断与工程交付拆开完成。
从 Context Engineering、RAG 到 Agent 与 Eval，课堂围绕正在构建的系统推进。
01W1–W3 · AI 系统底座P1-P2 · W1-W3
02W4–W5 · 首次接入 AIP3-P4 · W4-W6
03W6–W10 · RAG、Tools、Agent 与 MemoryP5-P8 · W7-W10
04W11–W13 · Production ReadinessP9-P10 · W11-W12 + Fine-Tuning + Career
02 · 互动验收
34 个 Interactive Lab，验证关键概念与工程边界。
不是看完视频就算完成；代码、工具调用和评测结果都需要真实运行。
34 LABS
03 · 录播与自学
30 节录播补齐稳定知识，需要时随时回看。
录播负责不必重复占用 Live 的稳定知识；46 个配套资料继续提供参考、模板与延伸阅读。
30 RECORDED LESSONS
// skills-tower · 10-layer stack
毕业后你能掌握的 完整技术栈 · 从下到上 10 layer
$ stack --inspect // L01 Foundation → L10 Observability · 每层独立掌握 · 50+ 具体 tech
L01foundation
Foundation Layer
LLM API
TransformerTokenizationContext WindowKV CachePrompt CachingL02context
Context Engineering
Context AssemblyToken BudgetContext CompressionAgent RulesSkillsADLC
L03rag
RAG · 检索增强生成
EmbeddingChunkingVector SearchHybrid RetrievalRe-rankingRAGAS
Qdrant
pgvector
OpenSearch
QdrantpgvectorOpenSearchL04capability
Capability Layer
Function CallingStructured OutputJSON SchemaFastMCPMCP ServerMCP ClientPermission Boundary
L05agent
Agent Core
Agent LoopReActTool CallingHuman ApprovalFailure Recovery
Claude Agent SDK
PydanticAI
LangGraph
Claude Agent SDKPydanticAILangGraphL06multi-agent
Multi-Agent · 协作
OrchestrationHand-offSpecialist AgentsAgent StateData LayerA2A
L07memory
Memory System
Session MemoryLong-term MemoryMem0ProvenanceMemory TTLMemory Poisoning
L08harness
Harness Engineering
Agent HarnessHooksBudgetsTracingRetryFallbackHuman Escalation
L09model
Model Layer
Model RoutingModel AdapterProvider FallbackCost OptimizationData ResidencyFine-Tuning Go/No-Go
L10governance、observability
Governance、Observability & Evals
LangfuseLLM-as-a-JudgeDeterministic ChecksRegression GatePrompt InjectionPII ProtectionRisk RegisterRollbackstack.compile() === production-ready AI Engineer · 跑得起 RAG · 编得动 Agent · 调得动 Eval
课程大纲 · SYLLABUS
10 个能力 Phase · 138 个课程条目 · 25 场 Theory + Practice Live
10
Phases
138
课时
25
直播
34
互动 Lab
P01
基座层Foundation Layer
GenAI 全景TransformerLLM APIToken、Context Window 与 KV Cache
20 节
P02
上下文层Context Engineering
Prompt EngineeringContext 系统设计结构化输出AI Coding 与 ADLC
18 节
P03
知识检索层RAG
Embedding向量数据库RAG PipelineHybrid RetrievalRerankingRAGAS 与 Retrieval Eval
23 节
P04
能力层Capability Layer
Function CallingTool UseMCP ServerFastMCPPermission Boundary
11 节
P05
Agent 核心Agent Core
Agent Loop 与 Framework 选型ReAct构建 AgentAgentic RAG
12 节
P06
编排层Multi-Agent & Orchestration
Multi-Agent 架构LangGraphData LayerHandoff 与 Failure Recovery
8 节
P07
记忆系统Memory SystemNew
Session / State / Long-term MemoryMemory ProvenanceMem0Memory TTL 与 Poisoning Defense
7 节
P08
Harness 工程层Harness EngineeringNew
Harness 架构Hook SystemTracing 与 BudgetRetry、Fallback 与 Escalation
13 节
P09
模型层Model Layer
Model RoutingModel AdapterQuality / Cost / LatencyProvider FallbackFine-Tuning Go/No-Go
11 节
P10
Governance、Safety 与 EvaluationObservability & Evals
Langfuse 与 Production TracingLLM-as-a-JudgePII 与 Prompt Injection DefenseRisk Register 与 Human OversightRegression GateRelease、Rollback 与 Incident
15 节
// 按数据库 Lesson 顺序展示全部 Live、录播、Lab 与配套资料
FACULTY · ACTIVE ENGINEERS导师来自 Meta / Microsoft / Amazon 等一线 AI 团队 (不是培训讲师)
Tech Lead
G
Tech Lead
G X
现役 AI 工程师，主讲实战章节与项目 review
Research Scientist
S
Research Scientist
Samuel Shaw
现役 AI 工程师，主讲实战章节与项目 review
Sr specialist SA
P
Sr specialist SA
Peiyao Li
现役 AI 工程师，主讲实战章节与项目 review
Lead, AI Innovation and Experimentation
J
Lead, AI Innovation and Experimentation
Jenny LIN
现役 AI 工程师，主讲实战章节与项目 review
Senior Applied Scientist
X
Senior Applied Scientist
Xiaoxiao Ma
现役 AI 工程师，主讲实战章节与项目 review
Tech lead
L
Tech lead
Leon Li
现役 AI 工程师，主讲实战章节与项目 review
Senior Data Scientist
S
Senior Data Scientist
Saisai Ma
现役 AI 工程师，主讲实战章节与项目 review
AI Integration Architect|Data Science and Engineering Lead
S
AI Integration Architect|Data Science and Engineering Lead
Sheldon Lin
现役 AI 工程师，主讲实战章节与项目 review
完整 Faculty 名单 + LinkedIn + 现任公司 + 主讲 Phase 在申请审核通过后 24h 内发完整 PDF · 开课第一天每位导师课前自我介绍 (录像可回看)
CAREER OUTCOME先完成 13 周 AI Engineering 主线，再把工程证据用于求职与 P3
课堂先交付一套可以讲清架构、运行结果、风险边界和发布判断的 Enterprise Agent System。P3 Career Incubator 与 Career Coaching 是其后的独立进阶路径，不混入 25 场课程 Live。
target_role
AI Engineer
production AI 应用工程师 · LLM + Agent + RAG 全栈
target_role
AI Agent Developer
专注 Multi-Agent 系统设计 · A2A / MCP / 工具链
target_role
AI Eval Engineer
AI 质量 / regression / observability 专家
target_role
LLM Engineer
模型选型 / Fine-Tuning / 部署 / cost 优化
P3 · NEXT STAGE
P3 Career Incubator
完成 13 周课程主线后，可进入独立的 P3 团队项目阶段，把已掌握的架构、协作、评测和发布能力用于新的业务需求。具体项目与名额以当期匹配为准。
- 真实甲方需求 (不是模拟项目)
- 团队 4-6 人协作 (PR review / sprint / daily standup)
- 教练 mentor 每周 1:1
- Demo Day 评审 + 简历 endorsement
career_coaching
Career Coaching 模块
简历 review (聚焦 AI 项目呈现) + 面试准备 (system design / coding / 行为面试) + 内推渠道 (校友 + 合作公司)
- AI Engineer 专属简历模板 + review
- AI System Design 面试题库 + mock interview
- 内推渠道 (校友 200+ in Meta/MS/Amazon/Stripe etc)
- Offer negotiation 1:1 (level / package / signing bonus)
ALUMNI OFFERS · COHORT 04第 4 期校友真实就业 offer — 隐私已打码 + 匠人水印齐全
// 第 4 期校友真实就业记录 · 隐私已打码 + 匠人学院水印 · 仅为事实陈述不构成任何就业 / 薪资 / 入职承诺 · 个体结果取决于自身基础与努力
第 4 期校友 · 2025-12 issue
Senior Software Engineer
TFR $212,800 AUD
Base $190,000 + Super $22,800 · 37.5h/week · permanent · hybrid
// 匿名雇主 · Retail Engineering / Technology & Delivery · loc: Sydney
第 4 期校友 · 2026-03 issue
Full-time offer letter
AI Engineer (Software)
// 匿名雇主 · Full-time AI Engineer (Software) position
第 4 期校友
Macquarie Group · Sydney
Senior Associate · Corporate Operations
// Macquarie Group Services Australia Pty Ltd 真实 offer letter
第 4 期校友 · 2026-05
EY × Macquarie
同一同学 · 同期 2 offer 真实对话
// 真实微信咨询截图 · 学员手握 2 个 AI Engineer offer 询问推荐
COHORT VIBE · POST-GRAD
#project-meta-town-ai · 18 members
「我下周入职，感谢龙哥与大家的悉心教导」
🥇 8 · 👍 5 · 4 replies
// 校友 cohort Slack 真实截图 · 入职前后社区延续 · 不仅是培训交付完即散
校友原话校友怎么说 —— 5 段没改过的原话，转型的、面试的、在职补技能的都有
// 以下全部为学员在微信自发发来的反馈原话，只做截断不做改写 · 除署名者外均已匿名 · 属学员个人经历陈述，不构成就业 / 薪资 / 推荐工作的承诺 · 个体结果取决于自身基础与努力
“很多人转型最大的困难并不是「学不会」，而是学完之后不知道怎么把自己的能力转化成就业机会。参加课程之后，老师不仅帮我系统建立了 AI Engineer 所需要的知识和实践能力，更重要的是，老师会结合我的背景给出求职方向和建议，并且推荐了合适的工作机会。
“刚开始决定转 AI 的时候还是挺担心的，不太清楚自己应该学什么，也不知道以自己的背景能不能顺利转过去。课程里除了知识点，也有很多实际项目和工作场景相关的内容，对我这种想从 Data 转 AI 的人帮助还是挺大的。
“那时候 AI 刚兴起，网上虽然有很多资料，但内容都比较零散，很难建立完整的知识体系。匠人的课程不只是教怎么调用 AI API，还深入讲解了 Prompt、Memory、Context 等核心概念，让我理解如何管理对话上下文、设计 AI 工作流，以及把 AI 真正应用到产品开发中，而不只是简单调用模型。
“我是 software engineer 转 AI Engineer，concepts 了解的很多，动手实操也非常实用。老师上课分享的很多工作中的问题和解决方案也很有启发，很适合总结下来放在面试中的 case study。
“结合老师针对重点知识的讲解，可以更快速地学习和理解 AI 相关的知识。另外和老师同学的互动交流中，也有更多的机会了解外面的就业环境和机会。做为快速入门提升课程，还是一个很不错的选择。
课程价格AI Engineer训练营 07期 · 当前报名价格
第 7 期 · 当前招生
AI Engineer训练营 07期
报名结算以当前课程价格为准
$3,850
课程价格
报名保障报名前关心的四件事，这里一次说清楚。
W1 试听不满意 100% 退款
开课第 1 周内容不达预期，邮件回执即可全额退款 (含已交学费 + 报名手续费)，无需说明理由
免费回流下一期 (满足条件)
完成 80% 课程但因工作 / 个人原因没跟上当期节奏，下一期同档位免费回流补完 (Office Hour 持续 6 个月)
导师真实可验证
开课第一天每位导师课前自我介绍 (录像可回看)。Faculty PDF 含 LinkedIn 真实链接 + 现任公司 + 工作年限 + 主讲 Phase 章节
12 场理论 + 13 场实践，交付边界写清楚
25 场课程 Live、34 个 Interactive Lab 与配套录播属于第七期课程；P3 和 Career Coaching 作为后续阶段单独说明，不用混合数字制造体量感。
FAQ · 12 QUESTIONS
报名前，先把这 12 个问题问清楚。
第 7 期面向澳洲、美国和新加坡学员。课程项目、直播讨论与求职准备围绕这些地区工程团队的交付场景展开。
需要具备 Python、Git、REST API 和基本云平台使用经验；这些是入课前置，不占用正式课堂重复讲基础语法。完全零基础建议先完成编程或 AI Essentials 课程，再申请本训练营。
第五期已经建立十层 AI Engineering 知识体系；第七期保留并整理仍然有效的理论、录播与 Lab，最大的改变是教学方式：每周一场 Theory Live 讲原理与判断，一场 Practice Live 持续推进同一套 Enterprise Agent System。
不会。课堂先掌握 Agent Loop、Tool Contract、State、Human Approval、Failure Recovery、Memory、Harness 与 Evals，再用当期适合的 SDK 和 Framework 实现。面试重点是你能解释系统边界和选型依据，而不是背出最多框架名字。
单点课程通常解释一个框架或方法；第七期要求把 Context、RAG、Tools、Agent、Memory、Harness、Governance 与 Evals 接进同一套系统，并在每周 Practice Live 中留下代码、测试、Trace、Architecture Decision 和 Release Evidence。
是。匠人 P3 程序合作 30+ 中小企业 / startup (含已上市 AU/CN 公司、Series A-B 创业公司、传统行业数字化转型项目)，每期 cohort 分配 4-8 个真实项目。教练 mentor 跟你一起做架构设计 / PR review / sprint planning / Demo Day。简历上写的是真实项目背书 + 甲方公司 logo，不是“模拟项目”。具体甲方名单因 NDA 不公开，申请审核通过后 24h 内邮件发当期合作甲方 List。
是。Faculty 全部现役一线工程师 (不是培训讲师 / 不是退休 lecturer)，来自 Meta / Microsoft / Amazon / Stripe / Atlassian / Canva / Macquarie Tech 等公司在职工程师。完整 Faculty 名单 + LinkedIn 链接 + 现任公司 + 工作年限 + 主讲 Phase 在申请审核通过后 24h 内发 PDF 验证。开课第一天每位导师课前自我介绍 (录像可回看)。导师课程刚做完的工程师同款思路，遇到 production bug 直接问。
不保证。课程能提供的是一套真实完成的 Enterprise Agent System，以及可以在面试中解释的 Architecture、Eval、Trace、Governance 和 Release Evidence；Career Coaching 与校友渠道帮助你整理和展示这些证据，最终结果仍取决于个人基础与面试表现。
不要求 CS 学位，但需要实际编程经验。Python、Git、API 和基本云平台能力是前置；如果这些还不能独立使用，应先完成基础课程，再进入 AI Engineer 主线。申请审核会结合项目经验判断是否适合当期节奏。
Live 负责讲当周必须做出的工程判断与实践交付；录播用于补充相对稳定、可反复回看的知识；Interactive Lab 提供详细步骤和检查点，用于验证单项能力。三者按前置关系组织，不要求把资料库里的所有候选内容都当必修。
ML Engineer 偏模型训练 + 部署 ML pipeline + MLOps，需要深入 PyTorch / TensorFlow / 统计学。Data Scientist 偏数据分析 + 业务建模 + A/B test，需要 SQL + Python + 统计。**AI Engineer 是 2024 后新出现的工种**，定位 production AI 应用工程师 — 用 LLM API / Agent SDK / RAG 把 AI 能力工程化集成到产品里，技能栈偏全栈工程 + LLM 集成 + Agent 编排，不需要深入训练大模型 (Fine-Tuning 用 QLoRA + Unsloth 即可)。这是本课程的核心定位。
第 7 期当前价格以上方 PRICING 区从 training 数据库读取的金额为准。审核制录取通常在 24–48 小时内反馈；分期方案需联系课程顾问。退款条件以报名时展示的课程条款为准。
准备好把 AI Demo 做成可靠的工程系统了吗？
申请审核通常在 24–48 小时内完成，不需要先付款。
AI Engineer Bootcamp · 第 07 期
13 周 · Theory + Practice·申请制