上海交大开源《动手学AI》：从API调用到RAG、Agent实战入门

一套让AI圈热议的高校开源教程

最近AI社区里流传着一套颇受关注的实操教程——由上海交通大学团队开源的《动手学AI》系列。这套教程由张卓胜教授主导，联合多位业内专家共同打造，主打「零基础也能上手」的实战路线。

与市面上大量停留在理论层面的课程不同，它的核心卖点在于「动手」二字：从最基础的API调用讲起，逐步深入到模型部署、微调、安全防御，直至自动化智能体（Agent）开发。教程强调本地化部署能力，学完后可以在自己的电脑上运行专属大模型，不依赖外网，隐私与数据安全也更有保障。

对于想入门大模型工程的新手来说，这类「把知识喂到嘴边」的实操路径确实降低了门槛。本文以教程中的两个典型案例为切入点，拆解它到底教了什么、思路是否值得借鉴。

案例一：用大模型做结构化信息提取

教程的第一个实战案例，是一个「旅游景点提取」任务：给定一段文本，让模型从中抽取中国的旅游景点，并输出成结构化列表。

你是一个旅游经典大师

环境变量与API密钥管理

案例演示了工程中的一个基础规范——不要把API密钥硬编码到代码里。讲师以火山方舟平台为例，先在「API Key管理」中新建并复制密钥，再写入 .env 文件，通过 os.getenv() 从环境变量中读取。

值得留意的是，演示过程中一度报错 missing credits, pass an API key，排查后发现是漏写了 load_dotenv() 这一行——环境变量没有被加载进来。这个「翻车」细节反而真实：环境变量加载失败是新手最常踩的坑之一，补上加载语句后即恢复正常。

提示词工程是效果的关键

讲师反复强调提示词（Prompt）写作的重要性，并总结了几个通用要点：

角色分配：明确告诉模型「你是一个旅游景点提取大师」
任务边界指定：限定模型只做提取、不做发散
输出格式强制约定：要求以特定格式返回，便于后续解析
Few-shot Learning：通过示例引导模型输出

构建消息列表时，用户问题通过 prompt.format(query=...) 填充到提示词模板中，再作为 user 角色的 content 传入模型。由于这是单次任务而非对话系统，因此省去了历史消息列表（history message list）。

预计输出结果的样子

Few-shot Learning（少样本学习）是提示词工程中的一种重要技巧：通过在提示词中提供少量输入-输出示例，让模型「类比推理」出期望的输出格式和风格，而无需对模型权重做任何修改。与之对应的是 Zero-shot（零样本，直接给指令不给例子）和 Fine-tuning（微调，需要大量数据重新训练）。在结构化信息提取场景中，Few-shot 特别有效——给模型展示一两条「输入文本→输出列表」的完整示例后，模型会自动对齐输出格式，大幅降低格式错误率。示例数量通常 2-5 条即可，过多反而会占用大量 token 并可能分散模型注意力。

用正则表达式解析模型输出

模型返回的往往是带格式的文本（如用竖线分隔、括号包裹的列表），需要解析成Python列表才能被程序使用。有意思的是，讲师直接演示了一个「偷懒但高效」的方法：把「请帮我用Python正则写一个解析成list的脚本」这个需求丢给大模型，让它自动生成解析函数。

把问题交给大模型来实现

生成的解析逻辑核心是：先用正则匹配出括号内的 pattern，再按竖线（|）切分，得到最终列表。为增强兼容性，正则还考虑了括号前后可能存在多余文字的情况。

处理双引号问题

此外还有两个工程细节：一是用 try...except 包裹解析逻辑，一旦模型输出无法解析就返回空列表，保证程序不崩溃；二是对输出中多余的双引号做了清理，最终得到干净的单元素列表。这套「结构化输出 + 结构化解析」的组合，是把大模型接入实际业务的基础套路。

案例二：逻辑推理任务与思维链

第二个案例是一道逻辑推理题：ABCD四名员工分别对应运营、设计、技术、人事四个岗位，通过若干约束条件（如A不做技术和设计、B负责员工对接与考勤、C精通代码开发但不做运营、D不做设计）反推每个人的岗位。

这类问题对大模型并不友好——约束条件之间存在多重依赖，模型容易「跳步」出错。教程给出的应对思路，是通过提示词引导模型使用思维链（Chain-of-Thought）：明确要求它「严格按照思维链模式完成推理，逐步拆解解题过程」。

通过角色设定（「你是一个严格的推理大师」）加上强制的逐步推理约束，能显著提升模型在这类逻辑题上的表现。这也印证了一个业界共识：对于推理密集型任务，引导模型「把思考过程写出来」往往比直接要答案更可靠。

思维链（Chain-of-Thought，CoT）由谷歌研究员 Wei et al. 在 2022 年提出，核心发现是：当提示词中要求模型「一步一步思考」或提供带有中间推理步骤的示例时，模型在算术、常识推理和符号推理等任务上的准确率会显著提升。其背后机制是让模型在生成最终答案前，先在 token 序列中「写出」中间推理过程，相当于给模型提供了一个「草稿纸」。后续研究进一步衍生出 Zero-shot CoT（只需在提示中加入"Let's think step by step"之类的触发语）以及 Tree-of-Thought、Self-Consistency 等变体，统称为推理增强提示技术。对于多约束逻辑题，CoT 的效果尤为明显，因为逐步排除法正好契合模型逐 token 生成的工作方式。

这套教程适合谁

从演示内容看，《动手学AI》的定位相当明确——面向想入行的工程新手，覆盖从API调用、提示词工程、结构化解析到推理增强的完整链路，后续还延伸到RAG、Agent、MCP、模型部署与微调、安全防御等进阶主题。

它的价值不在于讲多深的原理，而在于把「怎么动手做」讲透。像环境变量管理、try...except 容错、正则解析这些细节，恰恰是教科书容易忽略、实战中却天天用到的部分。演示中真实出现的报错与排查过程，反而比一帆风顺的Demo更有教学意义。

对于零基础学习者，建议配合官方开源资源边看边敲代码，把每个案例在本地跑通，再尝试改写提示词观察输出变化，这样才能真正把「喂到嘴边」的知识吃进去。

RAG（Retrieval-Augmented Generation，检索增强生成）和 Agent 是教程后续章节涉及的两个核心进阶方向，理解它们有助于判断学习路径的价值。RAG 的思路是：不把所有知识塞进模型参数，而是在推理时动态检索外部文档库，将相关片段拼入提示词后再让模型生成答案，从而解决大模型知识截止日期和幻觉问题。Agent 则更进一步，让模型不仅能「说」还能「做」——通过调用工具（搜索、代码执行、文件读写等）完成多步骤任务，MCP（Model Context Protocol）是近期兴起的用于规范 Agent 工具调用接口的协议标准。这两项技术目前是大模型落地应用的核心架构，掌握它们意味着能构建真正可用于生产环境的 AI 应用。