面向所有 AI 爱好者的 Data 与 AI 基础知识入门教程
双轨并行，论道与习术
为了满足不同角色的学习需求，我们将课程精心设计为两条路径："道篇"与"术篇"。
适合人群： 零基础 AI 爱好者、产品决策者
学完收获：
- 🎯 场景判断力：学会评估"这个需求适不适合做 Agent"，避免在立项之初就走上弯路
- 🔍 归因决策力：获得一套"三层度量框架"，精准定位问题出在数据层、模型层还是业务层
- 🏗️ 系统设计力：理解 RAG、MCP、Skill、Memory 背后的产品设计哲学
适合人群： 已能调用 LLM API 的开发者
学完收获：
- 💪 坚实的工程基础：掌握流式输出（Streaming）和工具调用（Tool Use）
- 🗄️ 完整的数据层构建经验：基于轻量级 AI Native 数据库从零搭建数据层
- 📊 看得见的性能差距：通过对比实验见证"混合检索"与"纯向量检索"的效果差异
- 🤖 从零到一的 Agent 构建：为 Agent 加上记忆系统，教会它使用技能
公共基础篇
├── F0：课前闲聊 —— OpenClaw 为什么越用越好用？
├── F1：大模型的本质与边界
└── F2：AI Agent 的完整图景
道篇（P1-P5）
├── P1：找准 Agent 的用武之地 —— AI Agent 场景识别 ✅
├── P2：让 Agent 会查资料 —— RAG 产品设计 🚧
├── P3：让 Agent 真正记住你 —— 记忆系统设计 🚧
├── P4：把经验变可复用 —— Skill 与知识管理 🚧
└── P5：用数据验证价值 —— 案例与度量 🚧
术篇（D1-D5）
├── D1：打通 Agent 与数据 —— 大模型 API 入门 ✅
├── D2：一个系统搞定 —— 统一 AI Native 数据层实战 🚧
├── D3：实践出真知 —— Agentic RAG 实战 🚧
├── D4：记哪些、忘哪些？—— Agent 记忆系统开发 🚧
└── D5：授 AI 以渔 —— 综合实战，从 Skill 开发到 MCP 标准化 🚧
| 篇章 | 课程编号 | 课程标题 |
|---|---|---|
| 公共基础篇 | F1 | 大模型的本质与边界 |
| F2 | AI Agent 的完整图景 | |
| 道篇 | P1 | 找准 Agent 的用武之地 —— AI Agent 场景识别 |
| P2 | 让 Agent 会查资料 —— RAG 产品设计 | |
| P3 | 让 Agent 真正记住你 —— 记忆系统设计 | |
| P4 | 把经验变可复用 —— Skill 与知识管理 | |
| P5 | 用数据验证价值 —— 案例与度量 | |
| 术篇 | D1 | 打通 Agent 与数据 —— 大模型 API 入门 |
| D2 | 一个系统搞定 —— 统一 AI Native 数据层实战 | |
| D3 | 实践出真知 —— Agentic RAG 实战 | |
| D4 | 记哪些、忘哪些？—— Agent 记忆系统开发 | |
| D5 | 授 AI 以渔 —— 综合实战，从 Skill 开发到 MCP 标准化 | |
| 结营仪式 | 结营仪式 |
💡 核心理念：洞察先行，自然跟随。当你看懂了数据，才是真正看懂了 AI 的未来。
访问 https://ob-labs.github.io/easy-data-x-ai 在线阅读课程内容。
# 克隆仓库
git clone https://github.com/ob-labs/easy-data-x-ai.git
cd easy-data-x-ai
# 安装依赖
npm install
# 本地预览
npm run docs:devcd code
# 安装 Python 依赖
pip install -r requirements.txt
# 配置 API Key
cp .env.example .env
# 编辑 .env 文件，填写你的 API Key
# 运行示例
cd D1
python3 d1_1_base.py- 如果你发现了一些问题，可以提 Issue 进行反馈
- 如果你想参与贡献本项目，欢迎提 Pull Request
- 欢迎加入课程共建，一起完善内容
Zlatan (liboyang0730) 项目维护者 |
Haili Zhang (webup) 课程共建者 |
欢迎扫描下方二维码加入 Data x AI 课程交流群
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
