课程简介
本课程深入探讨大语言模型和生成式AI技术及其在行业中的实际应用。首先，介绍大模型及生成式AI的基础理论和发展历程，并讲解基于大模型构造行业应用的基本技术架构，详细讨论大模型AI Agent（智能体）的概念、实际应用案例及常见问题。分析大模型在软件研发领域中的作用，包括需求分析、设计、bug修复和代码评审等，涵盖代码生成与Copilot编程助手的实践，AI Agent在自动化完成研发任务中的应用及未来可能。最后，课程分析了大模型应用的业务瓶颈，给人员岗位能力带来的变化，并展望生成式AI技术的未来发展趋势。
目标收益
培训对象
课程大纲
| 一、大模型及生成式AI基础 |
1. 大模型和生成式AI的概念、原理与发展历程简介 概述大语言模型和生成式AI的基本原理。介绍生成式AI的关键里程碑，及其对人工智能领域的影响。 2. 大模型行业应用的基本架构 简介大模型行业应用的基本技术架构，包括大模型的API以及RAG、GraphRAG、Agent和多Agents等多种架构范式。 |
| 二、大模型AI Agent实践 |
1. 大模型的AI Agent概念澄清 新旧AI“智能体”的界定，厂商术语和技术概念的区别，大模型应用业务架构三大范式和Agent技术架构的关系 2. Agent落地案例和踩坑经历 结合实际案例介绍Agent开发中的常见问题、瓶颈与收益，分析目前AI Agent的“能”与“不能” 3. 常用的AI Agent框架对比浅谈、Agent和RAG、GraphRAG的关系、多Agent系统的设计 |
| 三、AI大模型在软件研发领域的实践 |
1. 代码生成与Copilot编程助手 介绍大模型的代码生成能力、编程Copilot的概念和原理，以及实践案例，最后分析其局限性。 2. 大模型赋能软件研发全流程 结合案例和具体实操讲解大模型在软件开发的各个阶段（需求细化、设计、bug修复、代码评审等）中的应用。 3. AI Agent自动化完成研发任务 探讨基于大模型的AI Agent的概念及其在部分场景中自动化完成研发任务的可能。讲解软件研发AI Agent开发案例。分析AI Agent在软件研发领域的优势、局限性及未来发展。 |
| 四、技术之外 |
1. 落地变现的瓶颈 结合具体实践分析2C和2B领域大模型落地的业务瓶颈所在，以及可能的突破方法策略。 2. 岗位能力的变化 以程序员为例，从实践观察中总结和探讨AI时代人员岗位能力要求的变化，以及需要如何调整组织协作模式和考评标准。 3. 未来展望 探讨生成式AI和大模型的未来发展，分析看好和看衰两种观点，以及在其影响下，未来的行业演进趋势。 |
|
一、大模型及生成式AI基础 1. 大模型和生成式AI的概念、原理与发展历程简介 概述大语言模型和生成式AI的基本原理。介绍生成式AI的关键里程碑，及其对人工智能领域的影响。 2. 大模型行业应用的基本架构 简介大模型行业应用的基本技术架构，包括大模型的API以及RAG、GraphRAG、Agent和多Agents等多种架构范式。 |
|
二、大模型AI Agent实践 1. 大模型的AI Agent概念澄清 新旧AI“智能体”的界定，厂商术语和技术概念的区别，大模型应用业务架构三大范式和Agent技术架构的关系 2. Agent落地案例和踩坑经历 结合实际案例介绍Agent开发中的常见问题、瓶颈与收益，分析目前AI Agent的“能”与“不能” 3. 常用的AI Agent框架对比浅谈、Agent和RAG、GraphRAG的关系、多Agent系统的设计 |
|
三、AI大模型在软件研发领域的实践 1. 代码生成与Copilot编程助手 介绍大模型的代码生成能力、编程Copilot的概念和原理，以及实践案例，最后分析其局限性。 2. 大模型赋能软件研发全流程 结合案例和具体实操讲解大模型在软件开发的各个阶段（需求细化、设计、bug修复、代码评审等）中的应用。 3. AI Agent自动化完成研发任务 探讨基于大模型的AI Agent的概念及其在部分场景中自动化完成研发任务的可能。讲解软件研发AI Agent开发案例。分析AI Agent在软件研发领域的优势、局限性及未来发展。 |
|
四、技术之外 1. 落地变现的瓶颈 结合具体实践分析2C和2B领域大模型落地的业务瓶颈所在，以及可能的突破方法策略。 2. 岗位能力的变化 以程序员为例，从实践观察中总结和探讨AI时代人员岗位能力要求的变化，以及需要如何调整组织协作模式和考评标准。 3. 未来展望 探讨生成式AI和大模型的未来发展，分析看好和看衰两种观点，以及在其影响下，未来的行业演进趋势。 |
近期公开课推荐
