课程定位

围绕“.人工智能的概念和原理”等实际教学议题，课程结合方法、业务场景与案例展开，帮助学员建立可用于工作的分析和执行路径。

课程目标

• 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（AIAgent）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（AIAgent）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

学习收获

• 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（AIAgent）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（AIAgent）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

课程模块

模块1：.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(AIInfra)、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。

模块2：.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。

模块3：.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。

模块4：.AI大模型的智能体（AIAgent）

• 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AIAgent引擎融合；
• 垂直场景的多智能体（MAS：Multi-AgentSystem）；
• AIAgent与AgenticAI的技术特征和作用；
• AgenticAI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；

模块5：.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

模块6：.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

适合人群

产品线/产品总监、研发总监、产品经理、研发部门经理、技术管理工程师、研发项目经理、系统分析师、系统设计师、产品开发工程师等。

讲师简介

主讲讲师：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。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。