课程简介

随着人工智能技术的不断发展，AI大模型成为企业提升智能化水平的关键工具。本课程将探讨AI大模型的应用及其在实际场景中的落地过程，帮助企业把握这一技术潮流，提升竞争力。

目标收益

学员将了解AI大模型的核心能力及其局限性，掌握大模型在企业中的应用方法，学习新交互体验设计和场景分析的策略。课程还提供实际案例，展示AI大模型在不同企业中的应用效果，为企业智能化升级提供有力支持。

培训对象

课程内容

第一章：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
应用场景对比：机器学习 vs 深度学习
传统机学习的“特征工程”困境
深度学习的革命性突破
神经网络的数学本质与训练逻辑
Transformer架构的范式革命
大模型训练全流程揭秘
推理模型的兴起与CoT技术
数据即模型，模型即服务
大模型对人才结构的影响
推理模型的魔力
数据即模型，模型即服务
大模型对人才结构的影响

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
第二章：AI大模型的产品落地过程
2.1 新交互体验设计：什么时候应该LUI，什么时候应该GUI？
2.2新应用形态：Agent
Agent的发展历程
Agent的内核
Agent的四大模块
Agent颠覆工作范式
Agent的商业核心价值
Agent是Know how的核心承载体
Agent可以完成更好的交互和流程
案例：华为智能客服Agent
案例：前沿Agent Manus解构
2.2知识库：RAG
RAG的架构
Naive RAG
Advanced RAG
Graph RAG
常用RAG工具

案例：河北住建厅知识库项目
实战探讨：如何提升RAG的准确性

2.3 知识库的梳理、语料的准备
2.4新场景PMF：场景拆解四步法
案例1：AI在保险产品设计的案例
案例2：AI在保险产品运营的案例
案例3：AI在保险产品营销的案例
案例4：AI在保险产品客服的案例
2.5 AI大模型产品的系统方法论：三层、五阶和八步（华为大模型落地系统方法论）
对标产品：
微软麦当劳AI产品开发
第三章：人工智能开发过程和技术架构
3.1 AI开发新技术
3.1.1 AI大模型训练
AI大模型训练过程，微调和局限性，数据处理，微调案例（大模型蒸馏）
互动：微调数据格式一般是什么样的？
3.2 AI开发新过程
AI部署五步法
互动：AIGC开发最核心的步骤是什么？
3.3 AI开发新范式
软件3.0
微软如何做大模型重构，微软与麦当劳的案例
案例：大小模型结合进行完整产品开发的过程
互动：软件3.0开发过程中与传统开发最核心的不同是？
第四章：使用技巧：提示词工程（人机协同，可控生成）
聚焦提示词工程（Prompt Engineering），帮助掌握高效的人机协同技巧。
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
第五章 进阶技巧：AI Agent工作流
进阶的AI工作流实践，从步骤拆解到工具应用，让复杂流程清晰化。
1.【What】AI工作流：一种结构化的流程设计方法
2.【What】核心目标：将复杂任务系统化、可复制、可优化
3.【Why】AI工作流的误区解析
4.【Why】工作流不等于简单的流程，而是智能化的系统集成
5.【Where】适合工作流的业务类型
6.【Where】业务拆解的标准与方法论
7.【How】工作流拆解的具体步骤
8.【How】工具模块选择与应用
9.【How】工作流与Agent的关键区别
10. 【How】案例：抖音评论截流工作流
第五章 Dify技巧：Dify实战
5.1 Dify安装（docker快速安装）
5.2 Dify主要部件
5.3搭建人生第一个Dify Agent
5.4 认识Manus这类多Agent架构