课程简介

学员要求：本课程面向有一定经验的数据分析师、AI工程师或业务建模专家。因为涉及NLP、CV、大模型三个方面的原理和代码，建议有一定的IT基础，具备基础的Python知识。

目标收益

培训对象

课程内容

一、智能应用开发框架实战
智能应用框架核心设计理念剖析
模块化设计原则：插件/工具/记忆单元
框架安全性设计（数据隔离/权限控制）
高并发架构的负载均衡策略
多模型路由算法原理
持续交付流水线设计
实践：开发企业级通用助手业务实践案例
实践：开发企业级通用知识库案例
实践：框架快速启动模板实战
实践：自定义工具开发（Python/API集成）
实践：实时日志监控看板搭建
实践：灰度发布与版本管理
实践：敏感信息过滤开发
二、RAG检索增强生成项目实战
RAG开发基础及进阶
RAG性能优化
混合检索架构设计
查询重写算法原理
多模态RAG扩展理论
知识新鲜度维护机制
检索结果可解释性研究
实践：RAG案例实战
实践：非结构化文档解析
实践：动态分块策略调优
实践：向量数据库部署
实践：元数据过滤实战
实践：多级缓存机制实现
实践：检索幻觉检测工具开发
实践：跨知识库联邦查询
实践：用户行为反馈驱动优化
三、Prompt的深入应用
提示词工程整体思路剖析
结构化Prompt设计范式
少样本学习（Few-shot）原理
思维链（CoT）构建方法论
多模态Prompt设计
对抗性Prompt防御机制
实践：提示词工程落地应用实践
实践：领域专用Prompt模板开发
实践：动态变量注入技术
实践：多步骤推理Prompt编排
实践：输出结构化约束（JSON/XML）
实践：自动化Prompt测试工具
实践：Prompt版本比对分析
实践：用户意图识别Prompt优化
实践：敏感词过滤规则集成
实践：多语言Prompt转换引擎
实践：各类报告自动生成Prompt
实践：法律条款解析Prompt
四、Agent智能体应用开发及进阶
Agent开发基础及进阶
Agent性能优化
多Agent通信协议设计
实践：LangGraph多Agent编排实战
实践：工具调用自动路由开发
实践：企业Agent的容错设计原则
实践：长周期任务的状态持久化方案
实践：合规性检查框架设计
实践：金融风控Agent，实时交易监控
实践：自动简历筛选与面试预约
实践：合同审查条款风险识别
实践：运维日志异常自动诊断
实践：客户分群模型实时计算
实践：欺诈检测多源数据关联分析
实践：跨部门Agent通信加密
五、智能应用架构设计与落地
智能应用开发平台整体架构设计
API网关层架构设计
智能应用实验平台架构设计
智能应用生产平台架构设计
实践：大模型Runtime架构设计
实践：微服务化治理策略
实践：数据治理框架设计
实践：网关限流熔断实战（Sentinel）
实践：Runtime模型热加载
实践：分布式追踪系统（Jaeger）
实践：自动化压测平台搭建
六、企业级智能体应用技术选型及架构
企业级智能体应用技术选型
企业级智能体应用架构设计
知识图谱融合方案
合规性验证框架
实践：企业级智能体应用开发业务场景
实践：反欺诈智能体实现
实践：异常诊断辅助智能体
实践：设备预警智能体
实践：多智能体协作管道开发
实践：私有化部署方案（离线环境）
实践：硬件加速方案（GPU/TPU）
实践：智能体版本回滚机制
实践：行业数据合规处理方案
七、行业大模型微调技术实践
参数高效微调（PEFT）原理对比
知识蒸馏损失函数设计
灾难性遗忘应对策略
实践：领域数据清洗与标注规范
实践：LoRA/QLoRA微调实战
实践：模型并行微调技术
实践：模型评估体系构建（ROUGE/BLEU）
实践：领域知识注入微调
实践：风格迁移微调
实践：小模型蒸馏实战（BERT→TinyBERT）
实践：小模型蒸馏
实践：ONNX格式转换部署
实践：模型瘦身（Pruning）技术
实践：领域知识注入评估
实践：模型版权保护（水印技术）