AI大模型实战训练营:从入门智能体到企业级落地
2025-12-16 19:11:21 0 举报
AI智能生成
AI大模型实战训练营:从入门智能体到企业级落地【咕泡科技】
作者其他创作
大纲/内容
Preview:课程总体介绍
帮助职场人从0基础掌握AI大模型核心能力,通过“智能体构建 → 产品开发 → 技术进阶 → 项目实战”四个阶段,实现个人职业跃迁与企业智能化转型。
课程目标
零基础用户:掌握Coze、Dify等平台,搭建智能体,提升日常工作效率。
产品经理与程序员:转型AI产品经理或大模型应用开发者,具备AI产品设计与开发能力。
职场竞争力:结合AI大模型能力,提升求职竞争力和企业内部晋升机会。
企业转型:推动企业智能化转型,落地AI应用场景。
课程特色
实战驱动:每个阶段都有真实案例和项目,学以致用。
分层教学:适合零基础小白、产品经理、程序员等不同背景。
职场导向:聚焦求职与晋升,提供简历指导、作品集打造。
企业视角:结合企业需求,助力学员推动公司智能化转型。
适合人群
零基础职场人,希望通过AI提升工作效率。
产品经理、程序员,计划转型AI产品经理或大模型应用开发。
企业管理者,期望推动公司智能化转型。
求职者或在职者,旨在提升职场竞争力。
L1:零基础玩转智能体
目标:快速上手Coze和Dify,搭建智能体,解决日常工作场景问题。
AI大模型基础认知
AI大模型的演进过程
早期NLP到现代大模型
关键里程碑(BERT, GPT)
算力与数据驱动
机器学习到深度学习的发展
监督学习与无监督学习
神经网络基础
深度学习框架(TensorFlow, PyTorch)
决策/分析模型到生成式模型
分类/回归模型
生成对抗网络(GAN)
扩散模型与生成式AI
国产模型和国外模型简介
DeepSeek, Qwen功能对比
GPT, LLaMA核心特点
开源与闭源模型差异
AI大模型的大是如何体现的
参数量与模型规模
数据集大小与多样性
算力需求(GPU/TPU)
模型参数是什么
参数与权重概念
训练中的参数更新
参数量对性能影响
模型上下文表示什么
上下文窗口概念
Token与序列长度
长上下文处理技术
多模态模型简介
文本+图像模型(CLIP)
语音与视觉融合
多模态应用场景
DeepSeek/Qwen模型底层架构差异
模型结构对比
训练数据差异
推理效率分析
Coze平台实战
Coze平台界面与功能
仪表盘导航
智能体模板库
数据源管理
智能体创建与配置
智能体初始化
触发器设置
动作节点配置
数据源连接与工作流设计
数据库集成
API数据调用
工作流逻辑设计
智能体调试与优化
日志分析
错误排查
性能调优
自动化任务场景应用
邮件自动回复
内容生成自动化
数据整理脚本
Dify平台实战
Dify平台核心功能
工作流编辑器
模型选择与配置
数据管道管理
工作流搭建与配置
节点连接逻辑
条件分支设计
循环与触发机制
外部API集成
REST API调用
Webhook配置
认证与安全
智能体测试与迭代
测试用例设计
迭代优化流程
用户反馈整合
企业场景定制化开发
客服场景定制
数据分析工作流
跨部门协作支持
Prompt提示词设计工程
提示词设计基本原则
明确性与简洁性
任务分解方法
上下文提供技巧
零样本与少样本提示
零样本提示案例
少样本提示模板
样本选择策略
角色提示与上下文管理
角色定义方法
上下文长度控制
动态上下文调整
提示词优化技巧
迭代测试方法
提示词评估指标
A/B测试实践
常见错误与调试方法
歧义提示处理
输出不一致解决
提示词调试工具
各行业智能体应用实战
文案策划与剪辑
1. 小红书文案洗稿
2. 豆包文本生图/文生视频
3. 热点新闻抓取与定时推送
4. 海报封面智能创作助手
5. 音频转文字会议助手
6. 提示词生成智能体
7. 标题党创作智能体
医疗健康
1. 中药科普知识
新闻资讯
1. 上市公司财报分析智能体
2. 实时热点新闻聚合智能助手
职场办公
1. 批量识别PDF电子发票信息生成excel
2. 通用合同审查助手
3. ChatBI之数据分析助手
4. 大学生简历美化助手
教育资讯
1. 英语作文评分
2. 中小学数学错题本-同类型问题生成
3. 英语单词口语练习
4. 儿童故事绘本PPT智能体
5. 教育规划智能助手
6. 考卷出题助手
7. 深度专题论文生成智能体
持续研发中....
L2:AI产品与应用开发基础
掌握AI产品设计与大模型应用开发基础,具备AI产品经理或开发者的核心技能
AI产品经理核心能力
用户需求分析与场景挖掘
用户访谈方法
需求优先级排序
场景痛点分析
AI产品设计框架
用户旅程图
功能蓝图设计
交互原型工具
MVP定义与验证
MVP设计原则
用户测试流程
反馈迭代方法
PRD文档撰写
PRD结构模板
需求描述规范
技术约束说明
用户体验优化
UX设计原则
A/B测试方法
用户反馈分析
大模型应用开发入门
API调用基础
HTTP请求方法
API密钥管理
请求参数配置
RESTful API设计与使用
REST架构原理
端点设计规范
响应状态码处理
模型推理与响应处理
推理结果解析
输出格式化
异常处理机制
错误处理与日志管理
错误类型分类
日志记录工具
错误跟踪流程
开发环境搭建
Python环境配置
IDE选择与配置
依赖管理工具
基础开发语言与主流框架
Python基础与进阶
Python快速入门
Python的基础语法
LangChain核心功能
LangChain 模型I/O封装
数据连接封装
对话历史管理
链架构:Chain/LCEL
智能体Agent
LangServe简介
LlamaIndex数据索引
索引结构设计
查询优化技术
数据存储管理
Hugging Face模型调用
模型库导航
预训练模型加载
推理管道配置
框架性能对比
速度与内存分析
适用场景对比
社区支持评估
Function Calling与MCP
Function Calling原理
Function calling是什么?
Function calling 是如何工作的?
Function Calling与 Tools有什么区别?
Function Calling企业级应用的关注点
Function calling最佳实践
工具调用与外部集成
工具定义格式
外部API对接
数据传输协议
MCP(模型控制协议)简介
MCP架构解析
控制信号设计
协议扩展方法
函数定义与调试
函数参数设计
调试工具使用
错误日志分析
动态调用优化
动态参数调整
调用效率优化
缓存机制应用
RAG企业级应用实战
RAG(检索增强生成)原理
检索与生成融合
向量嵌入技术
语义搜索基础
向量数据库搭建
Weaviate/Pinecone配置
向量存储结构
数据导入方法
知识库索引与搜索
索引构建流程
搜索算法优化
查询结果排序
RAG模型优化
检索精度提升
生成质量优化
延迟降低技术
企业数据隐私保护
数据加密方法
访问控制策略
合规性检查
AI Agent智能体开发
单Agent设计与实现
Agent架构设计
状态机实现
任务执行逻辑
多Agent协作机制
协作协议设计
通信协议选择
任务分配策略
状态管理与通信
状态持久化
消息队列使用
实时通信优化
智能体任务分解
任务拆分原则
子任务调度
优先级管理
性能监控与优化
性能指标定义
监控工具使用
瓶颈分析方法
企业AI应用场景剖析
金融行业AI应用
风险评估模型
欺诈检测系统
智能投顾开发
电商推荐系统
推荐算法原理
用户画像构建
实时推荐优化
医疗数据分析
诊断辅助系统
数据隐私处理
预测模型开发
教育个性化学习
学习路径规划
自适应测试系统
内容推荐引擎
供应链优化案例
库存管理模型
物流路径优化
需求预测技术
复杂智能体开发
多模态智能体设计
文本与图像处理
模态融合技术
数据预处理方法
跨平台数据交互
数据格式标准化
跨平台API调用
同步与异步交互
复杂任务分解
任务树构建
优先级调度
子任务依赖管理
智能体容错机制
错误恢复策略
冗余机制设计
异常处理流程
实时响应优化
响应延迟分析
缓存策略应用
并发处理技术
L3:企业级AI能力进阶实战
深入企业场景,设计并落地复杂AI应用,推动智能化转型
AI大模型私有化部署
私有化部署需求分析
服务器环境配置
模型容器化(Docker)
云端部署
安全性与合规性
AI大模型训练与优化
数据预处理与清洗
模型训练流程
超参数调优
分布式训练技术
训练成本优化
AI大模型基本工作原理
Transformer架构解析
自注意力机制
预训练与微调
模型压缩技术
推理加速方法
AI多模态模型的基本原理
多模态模型架构
文本与图像融合
数据预处理挑战
跨模态推理
应用场景分析
Fine-Tuning企业级微调实战
基于案例理解模型微调
动手微调一个小 GPT
1. HuggingFace简介
2. 模型加载
3. 数据加载
4. 训练器
什么是模型
什么是模型训练
1. 训练时几个重要超参
2. 调整超参,再跑实验1
求解器 &损失函数简介
手写一个简单的神经网络并训练它
轻量化微调技术详解
1. Prompt Tuning
2. P-Tuning
3. Prefix Tuning
4. LoRA
5. QLoRA
模型微调的底层原理与实战
什么是训练/预训练/微调/轻量化微调
Transformer结构简介
实验数据集的构建
更多训练数据的构建技巧
微调项目实战
实战1:通过实际项目,进行开源大模型的量化过程,完成笔记本设备的本地模型部署
实战2:通过实际项目,实现开源模型的RLHF学习过程。
实战 3:基于 LoRA 微调 Qwen2 7B
实战 4:基于 QLoRA 微调 Llama3 8B
实战 5:基于 QLoRA 微调 GLM4 9B
L4:真实项目实战与职场赋能
通过真实项目锤炼技能,提升职场竞争力,助力转型与晋升。
AI大模型开发流程分析
项目需求分析
技术选型与规划
开发迭代流程
测试与上线
项目文档规范
企业级真实项目实战
ADK+MCP+deepseek打造“智能金融投资顾问”
根据实际业务能进行场景间的分流、切换
基于Rag+web search+模板实现基于用户问题生成《投资策略报告》MCP1
基于用户上传的《投资计划书》生成《风控报告》MCP2
扮演投资、理财顾问向用户解答问题
中介留学咨询智能助手
需求背景和案例的适用场景+面临的技术难点
实操演示项目完成后的前端效果
技术实现框架结构
环境配置+Deepseek大模型流式调用的方法(Functioncall+非functioncall)
PostgreSQL数据库的安装、建表和存储、查询、python客户端的交互
Function Calling的原理和本次项目使用的变化,举一个到两个案例
讲策略编排的方法(函数实现)
整体对话流的各项配置(反问话术、结束语、承接语,部分反问的实现和一个主题反问的实现)
整体代码各个模块的串联实现
实操部署完的服务,然后讲解如何解决技术难点
目前智能体存在的风险和不稳定性,以及举例如何通过工程方法解决一部分不稳定
增强型智能查询系统
大模型与知识库结合的基础应用
了解GPT系列和BERT等大模型的基础结构
探索大模型与知识库结合的实际应用场景
认识常用的知识库技术,如向量数据库(FAISS、Pinecone)、ElasticSearch
知识库挂载的实战操作
分步完成大模型与知识库的集成
学习通过API或数据库连接,实现知识库与大模型的实时交互
实战演练:将知识库挂载到GPT等大模型上,提升问答能力
案例分析:构建智能客服机器人,结合知识库增强回答准确性
优化挂载效果与应对挑战
提升知识库查询的速度与准确度的技巧
解决挂载中的数据一致性问题
使用缓存技术,优化大模型的响应速度
教育行业智能问答助手
探索基于Dify+Deepseek在个性化知识库中的应用
了解Ollama与Dify的优势和应用场景
解析文本生成和对话系统的实际应用
探讨Ollama与Dify的技术架构和模块构成
构建并部署基于Ollama的定制化知识库
选择合适的模型,构建个性化的企业知识库
数据准备与清洗,实现高质量模型训练
部署模型并优化推理性能,提升系统响应速度
Dify在企业中的多场景应用
文本生成与客户服务等任务的具体应用分析
实际案例:在商业环境中有效应用Ollama的策略
实践项目:基于Ollama构建企业定制化的对话系统
Dify应用实践中的优化与思考
提升模型精度与稳定性,解决常见问题
优化响应速度与并发能力的策略
模型评估与持续优化方法,确保系统效果
AI销售助手应用实战
了解LangChain的应用场景:从对话系统到自动化流程
了解LangChain的基本功能和应用方向
探索如何将链式结构用于对话流设计
学习如何将LangChain应用到自动化和数据集成任务中
构建LangChain应用的基础架构
搭建一个智能对话系统的核心组件
学习数据输入输出的处理流程
探索如何将LangChain与其他AI工具(如OpenAI API、Llama)进行集成
LangChain实战应用:构建你的智能任务系统
从简单任务到复杂对话系统的开发过程
实现数据源的集成与处理(例如:调用API、数据库连接)
LangChain应用案例:AI销售助手应用
AI销售助手智能体应用架构详解
AI销售对话设计
销售话术知识库搭建
优化性能与解决集成问题的常见方法
团队协作与敏捷开发
敏捷开发流程
跨部门协作
项目管理工具
需求变更管理
团队沟通技巧
职场技能提升
AI简历优化
面试技巧与案例
项目作品集准备
职场AI案例展示
个人品牌建设
AI行业趋势与伦理
大模型技术趋势
AI伦理与偏见
数据隐私保护
法律法规合规
行业发展预测
收藏
收藏
0 条评论
下一页