课程简介

课程从大模型原理概述与微调基础发力，系统性讲授大语言模型中的高效参数调优方法与智能体提示词工程进阶技巧。在此基础上，深度剖析智能体前后台架构与DAG协同机制，以及多智能体（Multi-Agent）协同通信与复杂金融业务流程的应用组装。同时，引入LLMOps理念，解决智能体在测试评估、版本发布与运维监控环节的工程化痛点。课程穿插了基于Qwen的模型微调、基于框架的Agent搭建以及基于平台的应用编排等多项实战环节，帮助参训人员熟练掌握相关前沿方法与架构，打通智能化应用的开发与迭代全链路。

目标收益

培训对象

课程内容

第一天-上午：提示词工程进阶与Vibe-coding
1. 课程开场与AIGC与AI Agent综述（0.5h）
大模型原理概述，介绍课程的目标和预期的学习成果。
介绍人工智能生成创作（AIGC）领域的基本概念、应用和发展趋势，相关场景及算法基础逻辑介绍。
2. 智能体提示词工程与应用进阶（1h）
高级提示词设计方法——多轮交互、角色设定、上下文控制及隐式引导技巧，适配领域专业语境。
面向 DeepSeek R1 等系列大模型的提示优化策略：思维链推理、逐步求解、采样温度调优及模型特性适配。
3. Vibe-coding原理与主流开源语言大模型介绍（1.5h）
Vibe-coding原理介绍与当前主流产品简述，包括Curosr、Codex、Replit、Lovable等工具的特性与场景化选型；
主流开源模型的原理与技术架构：DeepSeek-R1、Qwen-Max、KIMI、MiniMax等开源模型架构解析。
第一天-下午：智能体架构、高低代码选型与Agent开发实战
1. 智能体前后台架构以及协同机制（1h）
架构总览：Frontend、Backend API、Worker（异步队列）与Sandbox（沙箱）的交互逻辑。
工作流引擎原理：基于DAG（有向无环图）的节点执行机制与状态传递。
逻辑控制：条件分支（If-Else）、迭代循环（Loop）与代码执行节点的底层实现。
2. 高代码和低代码构建平台解析（1h）
基于Coze（扣子）的Agent搭建方法简述。
介绍Dify、bisheng等开源应用编排框架介绍。
选型分析：SaaS平台（如Coze）与私有化部署（如Dify）、高代码框架在企业数据安全与自定义能力上的决策。
课程实战1：Agent编排实战——基于Agent平台的应用编排搭建（1h）
第二天-上午：多智能体架构编排与测试监控（LLMOps）
1. 多智能体协同架构与设计模式（1h）
多Agent协同通信机制：多个Agent之间如何建立通信、分配角色（如规划者、执行者、审查者），并相互配合高效完成复杂任务。
主流多Agent框架架构解析：分析当前业界常用的协作框架设计模式与适用场景。
2. 智能体测试策略与用例攻坚（0.5h）
RAG与Agent评估框架：详解Ragas评估体系（Faithfulness、Answer Relevance等指标）与AgentBench测试集，建立自动化回归测试流程。
针对更换底层模型或提示词后导致用例失效的对齐与应对策略。
3. 智能体版本管理与LLMOps运维监控体系（0.5h）
可观测性与监控：介绍LangSmith、Arize Phoenix等工具，追踪Agent的思考路径（Trace）、Token消耗成本分析与响应延迟（Latency）监控。
数据飞轮（Data Flywheel）：设计“用户反馈-数据标注-模型迭代”的闭环体系。
课程实战2：RAG搭建搭建实战与监控（1h）
第二天-下午：端到端项目实战与交付最佳实践
1. 大模型应用产品化及交付经验介绍（1h）
介绍企业大模型场景化行业应用案例。
大模型在金融领域的交付案例详述，包括智能问数、智能问答、智能编排等场景中的交付案例。
2. 综合项目实践组装：构建复杂金融业务复合应用（1.5h）
全链路集成：融合课程所学内容，集成“微调后的模型” + “垂直领域知识” + “工作流编排”，完成端到端复杂业务的落地设计。
API对接实战与多智能体容错性、前后台协同效率讲评优化。
3. 课后交流（0.5h）