LLM、Prompt 与 API 开发路线

← 返回

阶段目标

这一阶段要完成从“聊天式使用 AI”到“工程式调用 AI”的转变。

Day 36-42：理解 LLM 基础

重点内容：

• Prompt Engineering。
• Token 机制。
• Embedding。
• Context Window。
• GPT、Claude、Gemini、Qwen 等模型的基本差异。

要形成的判断：

• 什么任务适合一次性 Prompt。
• 什么任务需要结构化输出。
• 什么任务需要外部知识或工具。

Day 43-49：API 与聊天机器人

重点内容：

• HTTP 基础。
• REST API。
• Python requests。
• 调用 LLM API。
• Streamlit 入门。

项目产出：

• 一个可运行的 Streamlit 聊天机器人。
• README 中写清：安装、运行、环境变量、接口调用流程。

Day 50-56：AI 简历优化工具

功能拆解：

1. 简历文本解析。
2. 岗位要求输入。
3. 提示词设计。
4. 评分逻辑。
5. 优化建议生成。
6. 前端界面。
7. 发布到 GitHub。

求职表达方式

面试时不要只说“我调用了 API”，而要说：

• 我如何设计输入。
• 我如何控制输出格式。
• 我如何处理失败。
• 我如何把模型能力包装成可用功能。