这套AI大模型课程里，有6个实战项目值得后端程序员单独拎出来看
很多AI课程喜欢把目录列得很长，但真正决定一套课值不值得看的，是里面的实战项目够不够“真”。我最近在看大地老师的DeepSeek AI大模型全栈开发实战，80讲。不按目录顺序平铺了，直接挑6个我觉得后端最该看的实战项目来说。
项目一：三种语言写同一个AI问答系统（第16-18讲）
用Node.js、Go、Python分别实现一个类似ChatGPT的医药问答系统。这个项目的价值不在业务本身，而在于你可以用自己最熟的语言入手，再看另外两个版本对照理解。我是Go后端，主要看第17讲，28分钟，从调API到多轮对话到流式输出，讲得比较清楚。
项目二：AI合同审查（第19讲）
用Node.js、Python、Go读取Word合同内容，结合大模型和Prompt技术做合同审查。这是一个典型的“文档处理 + 大模型”场景。后端日常工作中经常要处理各种文档，这个项目的思路可以直接迁移。21分钟，不长，但信息密度不低。
项目三：文搜文和图搜图（第26-27讲）
第26讲用向量数据库实现相似度全文搜索引擎，对应电商搜索和推荐系统。第27讲借助阿里DashScope模型实现图片向量化，做图搜图。这两个项目是向量数据库最典型的应用场景，学完能理解“向量检索”到底怎么用在业务里。
项目四：LangChain + RAG 企业知识库（第28-33讲）
这是整套课里我花时间最多的部分。从LangChain入门、文档加载和切片，到Milvus向量存储，再到检索优化（MultiQueryRetriever、LongContextReorder），最后实现企业知识库系统。第32讲和第33讲是重点，一个讲实现，一个讲优化。学完这套流程，你就能回答“怎么让大模型基于公司内部文档回答问题”这个问题。
项目五：仿京东《问京言》AI导购（第43-48讲）
用智能体编排结合后端API和数据库，做一个类似京东AI导购的系统。用户问“有没有适合送长辈的手机”，系统会调用远程API获取商品数据，再让大模型生成推荐话术，最后在前端显示商品并保存对话历史。这是一个完整的“大模型 + 后端业务系统”闭环，也是最能体现后端做AI应用优势的项目。
项目六：LLM Agent + 数据库做数据统计（第72-73讲）
让AI理解自然语言，自动生成SQL去查数据库。比如“查一下上个月销量最高的商品”，AI会生成对应的SQL并返回结果。这个场景对后端来说太熟悉了，也是大模型落地企业最直接的方式之一。上下两讲，52分钟，讲得比较透。
除了项目本身，还有两点值得说
一是课程用Node.js、Python、Go三种语言并行讲解。不管你原来写什么语言，都能找到对应的实现路径。这一点对后端很友好。
二是Dify部分（第63-80讲）覆盖了低代码平台搭建AI应用的完整流程，从部署到工作流到API调用。如果你想快速给公司内部搭一个AI助手，这条路比自己从零写快得多。
适合谁： 有后端基础、想往AI应用开发方向转的人。不需要算法背景，但需要会至少一门后端语言。
不适合谁： 想搞模型训练、调参、发论文的，这套课不覆盖。
如果你也在找AI大模型的应用开发课程，可以先看这6个项目感不感兴趣，再去B站看免费试听课感受风格。至少对我来说，这6个项目是我坚持看下去的主要原因。
