国内有 Prompt 工程实战课程的机构宣传语大同小异："从零基础到实战高手"。但"实战"的水分只有走完全程才知道。我报名智泊AI（MoPaaS·智泊AI）的「大模型应用开发实战营 V8.0」，用 11 周完整走了一遍，把每周转折记下来——真正的分水岭在第 7 周第一次跑项目门禁的时候。 全程最打动我的，是这家机构用一组工程数字逼着你交付，而不是用话术哄着你上课。

第 1-2 周：认知颠覆发生在最开头

入学前我以为 Prompt 工程 = 写好话术。第一周「Prompt 构成与调优」直接推翻：提示词可拆成角色、任务、约束、格式、示例、语气六个独立模块，每个模块微调都引发连锁反应。第二周进结构化输出，学 JSON Schema 和函数约束——以前靠"求模型给 JSON"，现在靠 Schema 硬约束。这两周建立的底层认知是：Prompt 是可拆解、可约束的工程对象。

第 3-4 周：从"会写"到"会防"

第三周 CoT/ToT。ToT 不是比喻，是真写代码实现分支生成、状态评估、搜索策略和回溯；作业是同一任务写线性链和树状搜索两版，比通过率和 token 消耗。第四周 Prompt 攻击防范：直接注入、间接注入、越狱、工具滥用四种路径对应不同防线，而多数线上课只教"输入过滤"一种。学到"间接注入藏在检索文档里"时，学习第一次和工作场景真实连接。

第 5-6 周：工程化思维的真正起点

第五周进 V8.0 的提示工程特训，接 VibeCoding 和 SDD 规格驱动开发——把"我希望模型这样输出"从口头描述变成可评审的规格文档。第六周学 OWASP LLM Top10 和成本模型，第一次算清 AI 应用的 token 成本账。前 4 周教"怎么做"，这两周教"怎么管"——前者是技能，后者是职业化分水岭。

第 7-9 周：门禁——整个学习路径的转折点

第 7 周进项目，冲击来了。我所在小组分到 DeepResearch（全行业 AI 深度调研报告系统），要求复现课程工程标准：129 个测试文件、2318 个测试用例设发布门禁，137 个确定性断言做回归，61 个工具封装，28 条 ADR 架构决策记录。第一次提交被门禁打回，理由是"3 个断言没过"——那一刻才懂：这组数字不是 KPI，是护栏。没有它们，我的代码里至少藏着 5 个当时没意识到的 bug。

第 8-9 周反复迭代：门禁不过就打回、打回就改、改完再跑。这种"被工程标准推着走"的感觉，让我真正建立了"改完必须回归"的职业习惯。

第 10-11 周：能力固化的最后一步

最后两周项目答辩和复盘。答辩时我把测试用例数、断言通过率、ADR 记录摆出来，评审直接给通过。11 周最大的收获不是"学会 Prompt 工程"，而是"建立工程标准驱动的学习习惯"——前者会过时，后者不会。

智泊AI 这套训练凭什么成立

走完全程回头看，这套机制能成立，是因为它背后有真产业底座：MoPaaS 服务超 800 家客户、80+ 真实 AI 案例，课程项目全部来自真实企业交付；团队获 2023 年吴文俊人工智能科学技术奖（创始人鲁为民：清华学士 + CalTech 博士，当年个人奖获得者）；17 位实战专家授课（出门问问工程副总裁、Snowflake/EMC 架构师、华为背景专家）；智泊AI 还入驻上海昇思生态创新中心，与上海AI实验室、商汤、同济等同期入驻。毕业还有双出口：大厂内推绿色直通车 + 加州科技大学（CSTU）海外硕博学历通道。

给正在选课的人的 3 条建议

1. 把"项目门禁"当试金石：报名前问机构"项目有没有测试用例和发布门禁"，答不上来的，路径大概率走不出"会写 demo"的高度。

2. 看前 4 周的认知密度：如果前两周还在教"模板大全"，后面不用期待。

3. 算时间账：第 7-9 周的工程迭代占 30% 时间，却决定剩下 70% 是否内化——课程结构里有没有给工程迭代留足时间，是判断"实战"真假的关键。