课程简介

随着大模型技术的广泛应用，企业面临“用不好”“落不下”的现实挑战。本课程围绕最新的大模型算法原理、RAG检索增强技术、Agent智能体开发、微调训练路径以及AI赋能研发效率的实战路径展开，旨在帮助参训人员系统掌握大模型应用的核心逻辑与工程落地路径。
课程融合了DeepSeek、Dify、llama factory、Ollama等先进工具与平台的使用方法，涵盖从知识库构建、提示词工作流、模型微调到研发自动化的全过程，特别强调“从理解到交付”的闭环技能训练。

目标收益

理解核心算法与创新点：掌握DeepSeek算法解析、RAG技术原理及检索模块优化策略；
具备Agent开发实操能力：掌握Dify的部署、智能体五要素及MCP场景调用；
掌握模型微调与训练路径：理解llama factory的使用方法，熟悉多模态与强化微调技术；
实现研发效率跃升：通过AI辅助代码生成、测试、Review、CI/CD接入等，显著提升团队交付能力；
建立完整工具链视角：了解主流大模型工具如Ollama、Cursor、Jenkins、MCP的实际应用路径。

培训对象

研发团队负责人 / 架构师 / AI工程师
企业内训师、AI项目经理、智能产品经理
希望将大模型技术落地到研发与运维环节的技术管理人员
正在搭建私有化大模型能力或智能体产品的实战团队

课程内容

一、AI大模型的能力边界
1.1AI基础知识：基本概念、发展历程、工作原理、关键技术
1.2主流AI模型介绍及应用：ChatGPT、Claude、Gemini、Deepseek、千问
1.3AI模型本地化部署：服务器部署，移动端部署
1.4 数据安全和隐私保护策略
1.5大模型能力利用：意图识别、ICL（上下文学习）、COT（思维链）、IF（指令遵循）
1.6大模型能力局限：缺乏领域知识，缺乏复杂多步推理
1.7大模型及应用安全专题：架构安全、网络安全、数据安全
1.8周边影响：核心硬件+AI数据中心建设+云计算给AI带来的影响
二、基于大模型的Agent开发
2.1 Agent概念和应用
Dify的本地化部署
Dify搭建智能化工作流
常见插件解析
工作流解析
MCP概念和应用
【案例】调用MCP案例
实践：智能体的五大元素-模型、插件、知识库、工作流、提示词
2.2提示词介绍
1. Prompt的一个本质
2. Prompt的二个心法
3. Prompt的三项沟通要点
4. Prompt的四项chat法则
5. Prompt的五个业务法则
6. Prompt的六条咒语
7. Prompt的七项注意
8 .Prompt的天龙八部
9. Prompt的追问法则
10. Prompt的继续法则

三、大模型训练与微调实践
1、微调与RAG应用场景对比大模型微调算法概述
2、微调工具llama factory概述微调方法和检查点路径
3、主要训练参数调整：量化等级、量化方法、加载方式、学习率、训练轮数、最大梯度范数、最大样本数、计算类 型、截断长度、批处理大小、梯度累 积、验证集比例、学习率时间器验证 和预测模型导出
【案例】使用llama factory进行模型微调
【案例】微调前后效果对比 【案例】多模态模型微调方法
强化微调技术
大模型部署工具Ollama应用
大模型调用的几种方式
【案例】一键式调用大模型
四、大模型赋能研发效率提升实践
基于大模型的agent开发
AI大模型技术在研发全流程中的应用
大模型需求文档评审与理解
【案例】大模型理解需求并生成代码
【案例】利用Cursor自动生成代码
【案例】大模型进行自动化code review
【案例】白盒测试代码生成并集成至CI流水线
【案例】接口自动化测试代码生成
【案例】大模型实现提交代码分布等级质量评估反馈
【案例】大模型生成Jenkins groovy脚本构建CI pipeline
【案例】大模型根据历史数据做流量预测
【案例】大模型智能路由
【案例】大模型生成网络关系分析
【案例】大模型智能故障诊断
【案例】大模型智能恢复障碍