主要内容

· 人工智能发展史 · 大模型发展现状 · 机器学习 · 深度学习 · 算力 · Transformer · python基础 · pycharm · Prompt · CoT · Self-Consistency · ToT · Prompt Engineering实战 · python编程技能预科学习 · Prompt项目实战集

特色亮点

1.适合零基础、微基础学员，从基础开始构建AI的知识体系；
2.更实用，AI时代，对代码能力要求降低，更多的是编程思维的培养，利用AI解决实际问题
3.更高效，把更多精力用在实战上,彻底掌握提示词工程所需要具备的基础技能；
4.重思维培养，让思维跟上大模型的技术发展，进行同频。

掌握能力

1.掌握大模型到底是什么，原理是怎样的，费用消耗的基本计算逻辑；
2.掌握Pyhton编程的基本流程；
3.掌握Prompt Engineer的基本方案，设计高效创新的Prompt方案，提升AI模型的质量;
4.结合行业需求，研究并应用Prompt策略，推动智能客服、内容生成、营销等业务场景的方案落地;
5.跟踪AI生成式技术最新进展，持续探索Prompt工程技术的新方法和新思路

主要内容

RAG三大范式、文档切片、chunks、Embedding技术、Top-K、向量数据库、Langchain 应用及原理、Document loaders、Retrievers检索、向量存储方案、Memory、Tools/Toolkits、chain、文档切分粒度、Reranking、T- RAG、CRAG、self-RAG、GraphRAG、RAG-Fusion、R-R-R RAG、Pre-Retrieval预检索、检索优化、摘要检索、 父子索引、假设性问题索引、元数据索引、Enrich完善问题、Multi-Query、Decomposition 问题分解、混合检索、重排序、Reranker模型、 LongContextReorder、RAG-Fusion、RRF、上下文压缩、RAG评估、人工评估、自动化评估、检索评估、响应评估、Ragas、QAnything、 FastGPT、Dify、Docker部署、Ollama、多模态RAG、RAG项目实战集

特色亮点

1. 从RAG基础入门，全面掌握RAG的技术边界，相关的算法思路，及优化方向；
2. 从实战入手，每一个技术方案都通过实战进行落地，从工程维度全面完成掌握技术落地全流程；
3. 技术内容是否有编程经验都可以进行学习，侧重技术思想的落地思路及方案设计；
4. 多模态RAG，全面提升知识库准确率，为实际场景中的大量不规则数据的落地实现提供实际经验；

掌握能力

1.熟练掌握大模型的技术边界，知道RAG全流程以及什么可以做什么不可以做，技术落地方案等细节；
2.熟悉ragflow框架，精通LangChain和LlamaIndex框架开发，掌握向量数据库的嵌入优化技术；
3.熟悉文档分块、查询扩展、相关性排序等RAG全链路技术；
4.完成典型RAG场景下的链路构建与部署优化，包括通过内容抽取、文本切片进行知识库构建；
5.熟练掌握优化检索、重排序、生成模型的部署方式，提升推理效率；
6.与系统部分配合进行RAG模块的快速部署与迭代；
7.完成 RAG 相关的数据工程和文档数据处理能力建设；

主要内容

Agent原理、Planing规划、子任务分解方案、CoT、ToT、反思与改进、ReAct架构、Memory机制、 Tools/Toolkits、 Single-Agent、Multi-Agent、Function Calling工具应用、Auto_functions、Plan-and-Execute架构、Self-Ask架构解析、Thinking and Self-Reflection架构解析、AutoGen、AssistantAgent架构实践、AutoGen Studio、CrewAI、LangGraph专题、MCP专题、LlamaIndex、Agent项目实战集

特色亮点

1.从Agent基础入门，全面掌握Agent的技术边界，项目难点和亮点评估；
2.从实战入手，全面实践国内外主流Agent平台和应用的开发；
3.从实战入手，逐步掌握Agent的迭代分析，并能够不断的优化Agent的效果；
4.从产品的需求拆解出发，设计相关的技术方案确保业务系统的研发落地；
5.从产品出发，提供全链路解决方案：企业知识库构建、工作流设计、智能体落地，能力评估等全流程解决方案；

掌握能力

1.熟练掌握Agent技术的迭代分析能力；
2.熟悉coze、dify等智能体开发框架、掌握AutoGen、AssistantAgent等Agent搭建架构并能够付诸实践；
3.熟悉实现基于LLM的Agent架构，包括工作流框架、自主规划框架(规划、反思、记忆、执行)、对话管理、向量检索的能力；
4.掌握Agent引擎以及记忆相关模块的设计和开发；
5.理解Agent场景下模型能力提升，优化模型对指令的遵循能力；

主要内容

Transformer架构详解、大模型开源生态、Fine-Tuning、数据集收集、数据集清洗、PEFT、LoRA微调、Adapter Tuning、Prompt Tuning、P-Tuning、Freeze微调、QLoRA、AdaLoRA、LongLoRA、LLM性能和能力评估、大模型 量化算法、AWQ、GPTQ、MoPaaS算力平台解析、Multi-Model，多模态大模型架构流程解析，多模态核心标准交 叉注意力原理、多模态融合层技术原理，不同多模态大模架构选择场景解析、多模态模型训练样例解析、私有化本地 化部署DeepSeek实战，医疗行业为例的微调实战，多模型实例解析

特色亮点

1.博士专家授课，实战和理论相结合，从原理层面彻底理解微调的方式和方法；
2.实战演练，从商业级实战项目中深入理解主流大模型的原理，结构以及微调相关的技术；
3.自主研发多机多卡算力平台，无缝对接国产算力与NVIDIA算力，大幅减少学员学习研究所需算力成本；
4.跟随大模型专家，时刻跟进世界最前沿大模型技术，掌握最新大模型动态；
5.重思维培养，包括大模型构建的基本逻辑，深入思考大模型发展动向，跟随大模型技术迭代发展方向；

掌握能力

1.熟悉大模型微调流程，并掌握主要模型微调技术手段，例如LoRA、Adapter Tuning、Prompt Tuning等；
2.掌握大模型微调的策略，包括选择合适的预训练模型、微调的数据集、以及微调的深度和范围等技术；
3.理解大模型相关的训练&推理技术，包括多机多卡、全参微调、PEFT、加速、蒸馏、高质量数据构建；
4.熟悉多模态大模型原理；
5.掌握算力平台的并发和开发环境搭建和运维工作，熟练掌握显卡的并发部署相关的技能；
6.掌握微调过程中的数据进行预处理和分析，确保数据集的质量和适用性，评估和分析微调结果，调整模型以提高其性能；
7.熟悉掌握大模型的量化和服务部署相关的技术；

主要内容

四大AI实战项目为学习者提供了从数据采集到智能应用的完整技术闭环： 1）微博舆情系统【热搜洞察】通过 FastGPT工作流+Function Calling机制，教会你如何用爬虫抓取实时数据并转化为语义洞察； 2）医疗混合检索系统 创新性地融合Elasticsearch关键词检索与FAISS向量搜索，是学习专业领域语义理解的典型案例； 3）LangChain文档 助手采用BM25+BGE模型混合检索+RAGAS评估框架，展示了企业知识管理的全流程解决方案； 4）多模态RAG系统 突破性地整合图文摘要技术，为处理复杂文档提供了两种可复用的技术路径。每个项目都包含数据处理、模型选型、 系统集成等关键环节，是掌握AI工程化的优质学习素材。

特色亮点

1.前沿技术融合，微博系统创新性采用FastGPT工作流+Function Calling机制实现动态语义分析；
2.混合检索突破，医疗系统首创Elasticsearch关键词检索与FAISS向量搜索双引擎架构；
3.全流程解决方案，LangChain项目集成BM25/BGE/重排序技术链+RAGAS评估体系；
4.多模态创新实践，图文问答系统开创摘要生成与多模态向量双路径RAG策略；
5.工业级落地能力，所有项目均配备Gradio交互界面并支持主流数据库和文档格式。

掌握能力

1.掌握实时数据采集与结构化处理能力，包括微博爬虫开发、MySQL数据库设计与知识库构建技术；
2.具备RAG全流程实现经验，涵盖文档解析、多模态嵌入、重排序优化及RAGAS评估体系搭建；
3.掌握多模态处理核心技术，包括图文摘要生成、跨模态向量对齐及多模态大模型交互方案设计；
4.具备工业级AI系统交付能力，尤其是在提升RAG知识库准确率，召回率方面有实际的优化能力；
5.掌握典型RAG场景下的链路构建与部署优化，包括通过内容抽取、文本切片进行知识库构建，混合检索的实际项目落地经验。

主要内容

·Agent案例：探索AI交互与个性化服务的创新边界 ·1）命理Agent机器人融合LangChain与FastAPI，以独特人设驱动对话，实践情绪识别与长期记忆管理，打造沉浸式 AI交互体验； ·2）AI模拟面试机器人通过Gradio+Flask框架，集成LLM、STT、TTS技术，提供真实面试模拟，助力面试技巧提升； ·3）AI虚拟面试官结合虚拟形象与RAG技术，实现多模态交互与情绪自适应反馈，构建高效备考工具； ·4）多代理协作短视频生成利用AutoGen框架，自动化生成高质量短视频，展现AI内容创作的无限可能。每个项目均 涵盖数据采集、模型集成、系统部署等关键步骤，是学习AI工程化、构建创新应用的绝佳素材。

特色亮点

1.技术闭环构建：从感知-规划-行动基础框架到混合检索（Elasticsearch+FAISS）、RAGAS评估等进阶方案，系 统掌握Agent的"神经感官系统"设计方法论；
2.场景化实战：覆盖命理对话、模拟面试等交互场景，结合LangChain/FastAPI等技术栈实现记忆管理、多模态响 应等核心能力；
3.动态优化体系：通过Function Calling机制实现工具调用扩展，配合强化学习框架完成决策策略的持续迭代；
4.商业级交付：参考企业级案例（如实在Agent），学习从需求分析到工作流编排的全链路解决方案，包括知识库 构建、API集成等关键环节；
5.行业前沿适配：吸收医疗、金融等领域的321个落地案例经验，掌握不同场景下的技术选型与效果评估方法论。

掌握能力

1）智能体开发全流程：熟练运用Coze/Dify等低代码平台及AutoGen框架，完成从原型设计到生产部署的全链路开 发；
2）架构设计能力：构建包含工作流引擎、记忆管理、自主规划（Plan-Reflect-Act循环）的完整Agent系统；
3）关键技术实现：掌握混合检索（BM25+向量库）、多轮对话状态跟踪、工具调用（Function Calling）等核心模 块开发；
4）效果优化方法论：通过RAGAS评估框架持续优化响应质量，提升指令遵循度与领域适应性；
5）工程化思维：学习如何将多个行业案例经验转化为可落地的技术方案，涵盖金融、医疗等垂直领域。这些能力形 成AI工程师的竞争力闭环，助你从理论研究者蜕变为产业级解决方案提供者。

主要内容

1）医疗领域大模型微调与评估：通过监督微调（SFT）技术，本项目以Qwen2.5为基座模型，针对医疗问答、术语 规范化等任务进行优化，展示了从数据准备到效果评估的完整流程。学习者将掌握大模型在垂直领域的应用潜力，以 及如何通过微调提升模型的专业性和准确性。 ·2）医疗影像多模态智能分析系统：基于多模态大模型Qwen2-VL，通过LoRA微调技术构建智能辅助诊断系统，实现 医学影像与自然语言的跨模态理解。该项目不仅教会学习者如何对多模态模型进行微调，还涵盖了数据预处理、模型 部署及API接口构建等关键环节，是探索AI在医疗影像分析领域应用的绝佳实践。 ·3）DeepSeek-R1-Distill-Qwen 私有化部署：本项目以DeepSeek-R1模型为例，利用vLLM框架进行高效快速部 署，并考虑模型性能与资源占用影响。学习者将全面了解从模型微调、轻量化到部署的全流程，为构建高效、实用的 AI应用打下坚实基础。每个项目均包含数据处理、模型选型、系统集成等关键环节，是掌握AI工程化技能的优质学习 素材。

特色亮点

1.专家级知识传承：由大模型领域博士团队亲自授课，采用"理论推演+代码实操"双轨模式，带您深入理解LoRA、 Adapter等前沿微调技术的数学原理与工程实现；
2.真实商业场景复现：基于医疗问答、金融风控等真实业务场景设计实验，使用Qwen、GLM等主流开源模型， 让学员在复现行业解决方案的过程中掌握微调核心技术；
3.国产化算力解决方案：提供自主搭建的分布式训练平台，支持曙光/NVIDIA多卡并行，配套完善的监控系统，使 单卡训练成本降低70%；
4.技术前瞻性培养：课程内容每月更新，涵盖模型量化、多模态对齐等最新技术动向，培养学员持续跟踪arXiv论 文的技术嗅觉；
5.系统思维塑造：通过"数据清洗-模型选型-效果评估"全流程实战，帮助学员建立从实验室到生产环境的完整技术 思维框架。

可掌握的核心能力

1）垂直领域模型优化能力，包括监督微调（SFT）、LoRA等主流微调技术，以及医疗、金融等专业场景的适配方 法；
2）多模态模型处理能力，学会对视觉-语言模型进行联合微调，实现跨模态理解与生成；
3）量化部署全流程，从量化压缩到API接口开发，掌握生产环境部署关键技能；
4）效果评估体系，构建包括准确率、响应速度、资源占用等维度的完整评估方案；
5）工程化思维，通过DeepSeek等项目的完整开发链路，培养从数据准备到上线运维的全局视角。这些能力将帮助 您突破"只会调参"的局限，真正具备打造行业级AI解决方案的实力。