DataTalks.Club 的 LLM Zoomcamp 是一套完全免费的 LLM 实战课程，用 10 周时间带学习者从 LLM 基础走到生产级应用，覆盖 RAG、向量搜索、AI 智能体、函数调用、评估与监控。课程仓库 DataTalksClub/llm-zoomcamp 在 GitHub 上已有 7.2k stars 与 1.3k forks，2026 届课程正在进行，README 最近一次更新在 2026 年 8 月 25 日。学完整套课程不需要 GPU，自己动手跑代码的花费约 $1–5 的 API 额度。

课程结构与 7 个模块

课程按周推进，共 7 个模块加一个毕业项目（Capstone）：

  • 模块 1：Agentic RAG——用关键词搜索搭起第一版 RAG 管道，再用函数调用（function calling）把它升级为可自主行动的智能体；
  • 模块 2：向量搜索——用 embedding 做语义检索，对照学习 minsearch、sqlitesearch 与 PGVector 三种实现；
  • 模块 3：编排——用 Kestra 编排 AI 工作流；
  • 模块 4：评估——同时做离线与在线评估，量化检索质量与回答质量；
  • 模块 5：监控——跟踪用户反馈与系统健康，搭建实时仪表盘；
  • 模块 6：最佳实践——LangChain、混合检索（向量 + 关键词）与重排（rerank）；
  • 模块 7：端到端项目——完整示例：一个用 LLM 构建的健身助手。

此外还有一个 dlt 数据摄取工作坊：用 dlt 管道摄取并分析 LLM 调用追踪，涉及文件系统与 REST API 数据源，配合 DuckDB 和 marimo 仪表盘使用。

毕业项目：从零做一个完整的 RAG 应用

Capstone 要求把整门课的知识串起来：选定一个数据集，完成摄取、清洗与入库，实现「检索 → 组装提示词 → 调用 LLM → 返回有依据的回答」的完整链路；再用检索指标或 LLM-as-a-Judge 评估效果；最后用一个简单界面（Streamlit、FastAPI 等）把应用开放给别人试用，并加上监控与反馈回路。历年学员做过健身与营养助手、医学 FAQ 问答、代码库问答等方向，往届项目全部公开可参考。

跟班学还是自定进度

课程有两种上法：

  • Live Cohort 跟班：按日程推进，作业计分、有排行榜和同伴互评，完成毕业项目并通过互评可以获得证书；
  • 自定进度：随时开始，作业可做但不计分，没有排行榜与证书，内容同样全部开放。

需要说明的是，视频全部是预录的，所谓「Live」指跟班节奏、截止日期与互助机制，不是直播授课。

前置要求与适合人群

课程不要求机器学习或 LLM 基础。讲师给出的门槛是：能写 Python 函数、熟悉命令行、对 Docker 有基本了解即可，用普通笔记本就能完成全部练习。适合想把 LLM、RAG 和向量检索落到真实产品的软件工程师、数据工程师与 ML 从业者。

课程由 DataTalks.Club 出品，主讲人是 Alexey Grigorev（DataTalks.Club 创始人、首席数据科学家）、Will Russell（Kestra 开发者关系工程师）与 Timur Kamaliev（AI 工程师），仓库累计有 74 位贡献者。

费用与证书

课程本身完全免费，唯一可能的花费是自己跑代码时的 API 额度，约 $1–5。社区另设有一个可选的付费小组 AI Shipping Labs，提供办公时间、进度督促等额外支持，不加入也不影响任何课程内容。

证书只颁发给 Live Cohort 学员，条件是完成最终项目并在截止日期前互评 3 份同学的项目。自定进度学员可以自由完成项目充实作品集，但不发证。

一句话结论

想把 RAG、智能体、评估与监控系统学一遍，LLM Zoomcamp 是一条现成的免费路径：每周推进一个模块，10 周后交到你手上的，是一个能回答知识库问题的完整应用。仓库地址：github.com/DataTalksClub/llm-zoomcamp。