课程背景：

解决的关键问题

   随着人工智能技术的迅速发展，大语言模型（Large Language Model，LLM）和人工智能体（AI Agent）推动软件行业实现自动化和智能化变革。大模型通过强大的数据处理能力和广泛的适用性，极大地提升了生产，改变了生产要素的构成。一方面，加速了信息处理的速度和精度，提高了知识创新和应用的效率；另一方面，通过促进跨领域知识融合和技术迭代，大模型技术增强了劳动者的技能和数字化转型，同时催生了新的商业模式和服务形态。而基于LLM的智能体不仅具备出色的自然语言处理能力，还能通过多轮对话、知识推理和任务自动化来高效应对复杂任务。在金融、医疗和客服等领域，智能体展现出强大的适应能力，正在重塑传统的业务流程与人机交互方式。

基于AI大模型的软件行业发生新的技术变革：

 一切智能硬件会被AI大模型所驱动

 一切软件会被AI大模型所重构

 一切数据会被AI大模型所激活

本课程重点解决以下问题：

 准确理解人工智能的基本概念、核心思想和知识框架；

 学习人工智能的关键技术：Transformer框架、卷积神经网络（CNN）、循环神经网络（RNN）、注意力神经网络（ANN）、机器学习、深度学习、强化学习、监督学习、无监督学习等；

 学习大模型的构建技术和流程：模型的预训练、模型微调、提示工程、对齐优化；以及ChatGPT和DeepSeek模型的关键技术；

 学习AI智能体（AI Agent）的技术框架和技术应用；

 学习基于大模型（LLM）驱动AI智能体（AI Agent）的技术框架；

 基于大模型（LLM）和AI智能体的软件架构思想和应用实践；

 基于大模型（LLM）软件工程化思想和方法。

课程收益

 学会大模型（LLM）的构建流程和建模关键技术（数据处理、模型微调、模型对齐优化、强化学习）；

 学会AI智能体（AI Agent）的关键技术、设计与开发和应用实践；

 学习基于大模型（LLM）驱动AI智能体（AI Agent）的技术框架；

 学习基于大模型（LLM）和AI智能体的软件架构思想和应用实践；

 学会基于大模型（LLM）软件工程化思想和方法。

 学习构建企业级大模型解决方案

课程大纲

第一部分. 人工智能的概念和原理

 人工智能的发展过程和AI大模型；

 人工智能的生态环境：基础设施（Iaas）、模型中台(AI Infra)、模型即服务（Maas）；

 人工智能的知识框架及基础平台；

 人工智能发展的方向，存在的问题即根源。

第二部分. AI大模型的概念和原理

 AI大模型的概念及理论框架，五大学习和三大网络（机器学习、深度学习、强化学习；卷积神经网络、循环神经网络、注意力神经网络）；

 Transformer模型架构技术；

 AI大模型（LLM）概念、理论和知识框架；

 ChatGPT和DeepSeek模型的技术特征；

 AI大模型的产业链介绍；

 大数据与大模型之间的关系。

第三部分. AI大模型的建模技术

 讲解“什么是模型训练、为什么要模型训练、怎样模型训练和如何实现模型训练”；

 模型训练的步骤及技术实现：

 数据准备：数据收集、清洗和增强、划分数据集；

 模型预训练：模型选择、训练策略；

 强化学习优化（RL/RLHF）奖励模型训练；

 评估和优化：指标选择和过拟合处理；

 部署和监控：模型压缩和持续学习；

 大模型构建流程实现过程；

 讲解《构建构建精准医疗领域大模型》范例；

 构建和部署企业大模型的解决方案。

第四部分. AI大模型的智能体（AI Agent）

 AI智能体的概念、原理和技术框架

 AI智能体与大模型之间的协同与赋能；

 AI智能体的开发流程和平台技术；

 讲解《出行订票智能体》范例；

 智能化的企业架构；

 AG-UI协议、MCP协议、A2A协议的应用；

 API接口与AI Agent引擎融合；

 垂直场景的多智能体（MAS：Multi-Agent System）；

 AI Agent与Agentic AI的技术特征和作用；

 Agentic AI与多智能体（MAS）的技术特征和作用；

 LLM大模型四种应用技术架构特征和应用场景；

 纯 Prompt；

 Agent + Function Calling；

 RAG（检索增强生成）；

 Fine-tuning（微调）。

 智能体的应用案例（光明电力大模型、金融投资分析、电商智能系统）。

第五部分. AI大模型的软件工程

 传统的软件工程与AI大模型软件工程的异同

 AI软件开发过程，一般会经历问题抽象、数据准备、算法设计、模型训练、模型评估与调优、部署应用

 AI大模型软件工程的全生命周期：

 LLM驱动需求获取、分析与定义

 LLM驱动设计

 LLM驱动编程

 LLM驱动测试

 LLM驱动运维

第六部分. AI大模型的应用实践

 AI大模型与传统的人工智能

 SaaS+AI应用架构设计及案例

 AI原生开发的架构设计及案例

主办单位：

上海复锐企业管理咨询有限公司

联系方式：

电话：021-65210156、021-65214838  18917636997

网址：www.free863.com

周末及下班时间服务热线：13817832229

曾老师：

高级工程师，毕业于武汉大学计算机系，从事计算机软件研发管理工作30余年。曾在项目经理、产品经理、研发部门经理及产品总监岗位有过多年的工作经验。曾是中国水力发电工程学会电力系统自动化专业委员会第三届和第四届委员，中国能源研究会高级会员。现在一直从事电力系统计算机应用软件系统的研发与管理工作，主持和参与过省部级科技项目4项，地市级科技项目3项，以及多项公司级的重点项目和产品。获得新产品技术鉴定国际领先科技成果1项，发表学术论文13篇，专利成果22项（发明13项、实用新型6项、外观3项），软件著作权5项。获2005年珠海市科技进步一等奖和2021年珠海市科技进步二等奖、2014年授予珠海市软件创新人才和2016年珠海市香洲区C类高端产业人才、主持研发的《XX-XXXX发电企业现场作业安全管控系统》获2021年全国智慧风电科技成果优秀奖等。

主讲的课程：软件研发培训课程四部曲

课程一：《基于AI大模型软件研发思想与技术》

——软件研发智能化的新纪元！

课程二：《软件需求工程实践及方法》

——软件研发成功的技术保障！

课程三：《领域驱动设计与实践》

——软件核心复杂性解决之道！

课程四：《软件产品平台及CBB技术》

——软件研发效率质量的利器！

主要工作经历：

 1990年7月～1998年11月，云南以礼河发电厂计算机室，曾担任计算室负责人；

 1998年12月～1999年11月，珠海泰坦能源电子技术有限公司，曾担任项目经理；

 1999年12月～2004年4月，珠海远方软件有限公司，曾担任项目经理和研发部经理；

 2004年5月～现在，在XXX公司，曾担任项目经理、产品经理和产品总监，现为产品顾问。

重点项目经历/经验

 广东省科技项目《XX-XXXX配电网防误综合操作系统》，粤科计字[2008]144号

 广东省教育部产学研科技项目《配电网智能防误综合操作系统》，粤财教[2010]303号

 广东省科技项目《车辆段检修作业安全联锁管理系统》，粤科规财[2016]48号

 广东省科技项目《基于物联网技术的电力操作系统和设备巡检系统》，粤科规划字[2012]98号

 珠海市产学研项目《基于数字孪生技术的电厂作业安全智能管控系统研发及产业化》

 珠海市战略性新兴产业重大项目《变电站辅助监控系统》，珠科工信[2014]160号

 珠海市战略性新兴产业重大项目《基于IP通信网络的智能电网协调控制系统研发及产业化》

 公司级项目《XX-XXXX发电企业现场作业安全管控系统》鉴定为“国际领先水平”，获珠海科技进步二等奖

 公司级项目《XX-XXXX操作票专家系统》，获珠海市科学技术进步一等奖

 公司级项目《XX-XXXX工作票专家系统》

 公司级项目《XX-XXXX设备巡检系统》