《Easy Data x AI》

（Alpha 内测版，欢迎各位老师参与共建~）

面向所有 AI 爱好者的 Data 与 AI 基础知识入门教程

在线阅读      社区在线课堂

📚 这门课程适合谁？

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"。

道篇：悟其道（零基础 AI 爱好者和产品决策者的"心法篇"）

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

术篇：用其术（开发者的"功法篇"）

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

📖 课程目录

F 打底 → P 论道（为什么/怎么设计）→ D 习术（怎么动手实现）。

公共基础篇

课程编号	课程标题
F1	大模型的本质与边界
F2	AI Agent 的完整图景

F = 公共基础篇，Foundation（基础），F1/F2 是所有人都要先看的入门内容。

道篇

课程编号	课程标题
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

P = 道篇，Product / PM（产品视角，"悟其道"），面向产品决策者、零基础 AI 爱好者，讲设计哲学与判断力。

术篇

课程编号	课程标题
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	课程总结

D = 术篇，Dev / Developer（开发者视角，"用其术"），面向能调 LLM API 的开发者，讲可运行的工程实战。

Extra Chapter（共建招募中）

#	扩展章节标题	热点趋势	共建入口（对应列表 A）
X1	探究 AI Agent 记忆系统：从遗忘曲线到永久记忆	AI 记忆	多 Agent 记忆冲突解决（→ #19/#20/#21）
X2	多 Skill 给上下文工程带来的麻烦：如何应对 Agent「爆上下文」	多 Skill / 上下文工程	Skill 设计规范（→ #22/#23）
X3	从零到一上手混合检索：AI Native 统一数据基座实战	Agentic RAG / 混合检索	扩充 RAG 评测数据集（→ #29/#30）
X4	海量 AI Agent 多模数据降本：数据湖库登场	数据湖库 × AI	开源「湖到 RAG」教程（→ #32/#33）
X5	从 Skill 到 MCP Tool	Skill / MCP	从零实现 MCP Server（→ #34）

---

🚀 快速开始

在线阅读

访问 https://datawhalechina.github.io/easy-data-x-ai 在线阅读课程内容。

本地阅读

# 克隆仓库
git clone https://github.com/datawhalechina/easy-data-x-ai.git

cd easy-data-x-ai

# 安装依赖
npm install

# 本地预览
npm run docs:dev

本地运行示例代码

cd 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

---

🤝 参与贡献

• 如果你发现了一些问题，可以提 Issue 进行反馈。

• 欢迎加入课程共建，一起完善课程内容。如果您希望参与课程共建，请阅读：贡献指南 CONTRIBUTING.md，欢迎提交 Pull Request。

• 参与贡献的收获，详见：贡献指南 CONTRIBUTING.md 的 “致谢与收获” 部分。

---

友情链接

这里为大家介绍本课程开发者 沧海九粟 在 DataWhale 开源的另外一门进阶课程 —— 《Deep Agents 实战》。

这门课程，会面向想要动手构建 Agent 的开发者，系统地讲解虚拟文件系统、任务规划、子 Agent、Skills、Memory 等核心能力。欢迎大家来学习和积极参与共建。

---

模型算力支持

本课程的模型算力由 硅基流动（SiliconFlow） 支持。硅基流动是一站式大模型云服务平台，基于自研推理引擎实现大模型高效推理加速，提供高效能、低成本的多品类 AI 模型服务，让开发者和企业聚焦产品创新，无须担心大规模推广带来的高昂算力成本。

• 🎁 新用户福利：通过 课程专属注册链接 注册并完成实名认证，即可获得 16 元全平台通用代金券，可用于平台上百余种模型的调用，足够跑通本课程的全部示例。
• 🧪 实验配额补贴池：用上面的链接注册时，作者也会获得平台返利。这部分返利会全额回馈给学员——汇集成一个「实验配额补贴池」：跟着课程做实验、复现示例时如果额度不够用，可以联系作者申请额外的算力配额补贴，把福利转回给真正在动手的同学。

---

🧑‍💻 项目维护者

Haili Zhang (webup) 项目维护者

Zlatan (liboyang0730) 项目维护者

👥 贡献者墙

感谢每一位参与共建的贡献者！下方头像墙由 GitHub Action 自动更新，所有合并过 PR 的同学都会出现在这里（详见 CONTRIBUTING.md）。

liboyang073… 76 commits

knqiufan 5 commits

haoye2 2 commits

amber‑moe 1 commit

hu‑qi 1 commit

JasonZhang1… 1 commit

pzb5471 1 commit

webup 1 commit

---

关注我们

欢迎扫描下方二维码加入 Data x AI 课程交流群

LICENSE

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，完整条款详见 LICENSE 文件。