---

大模型和Agent能力评测与质量保障的前沿实践

收益目标：1、掌握大模型与 Agent 核心原理及主流设计模式。 2、构建大模型能力评测指标体系与数据集建设方法。 3、学习 AI 原生应用质量保障最佳实践与前沿案例。 4、理解评测基础设施架构设计与自动化评测策略。 5、获取专家指导，应对大模型应用落地质量挑战。

适应人群：1. 质量保障/测试工程师：从事软件测试、质量保障，希望掌握大模型与Agent评测方法的专业人员。 2. AI应用开发者与算法工程师：负责大模型应用落地、Agent开发，需了解能力评估与质量围栏的技术人员。 3. 研发效能工程师与技术管理者：关注AI时代研发流程变革、效能度量与质量体系建设的管理者。 4. 技术架构师/技术负责人：规划AI原生应用架构、设计评测基础设施与自动化策略的核心技术骨干。 5. AI产品经理：负责智能客服、辅助编程等AI产品设计，需理解评测指标与质量验收标准的产品人员。

关键词：互联网，企业级，大模型，RAG

---

Java EE企业应用系统架构最佳实践和案例分析

收益目标：1. 软件架构的本质 2. 软件架构的设计过程 3. 软件架构模式 4. 深入理解J2EE和架构模式和反模式,以及如何对架构重构 5. 深入理解J2EE架构各层(表示层/业务逻辑层/数据存取层/基础服务层/实体层)如何设计和如何权衡 6. 深入理解J2EE 技术(JSP,TagLib,Ajax,EJB,JPA以及常见的开源技术Spring和Hibernate,Ibatis） 7. 充分运用Java EE组件技术，解决典型的系统架构问题 8. 使用Java EE蓝图中的技术和Java EE 模式目录中的解决方案，推导出软件系统 9. 使用工程权衡技术，用高性价比的方式应对服务

适应人群：这门课程适合对基于Java EE技术的企业软件系统负有总体软件架构的学员。学员还要求能深入了解企业架构师的作用，并希望在n层企业系统中使用Java EE技术。现有的架构师也可以通过学习这门课程，了解如何使用Java EE技术提高其企业系统中服务的质量。

关键词：电信，其他，架构师，软件架构，Java

---

电商系统架构

收益目标：暂无

适应人群：暂无

关键词：互联网，其他

---

HTML5 精彩世界

收益目标：暂无

适应人群：1. 有一定web 基础的技术人员，深入学习新技术
 2. 产品、设计人员，对前端周边技术能得到很好的了解和提高
 3. 项目管理人员，对大方向的技术发展有深入的了解


关键词：互联网，HTML5

---

测试架构师修炼之道

收益目标：1. 从测试架构师的视角深入理解网站的架构发展与技术演进 2. 从测试架构师的视角深入理解企业级测试基础架构的设计与实现 3. 从测试架构师的视角深入理解GUI/API/Mobile/性能测试框架的设计与工程应用 4. 从测试架构师的视角深入理解行业领先的性能测试方法和技术 5. 从测试架构师的视角深入理解代码级测试的关键技术与设计策略 6. 掌握测试架构师“软实力”的核心

适应人群：• 希望通过系统性学习，快速成长为具有测试架构师视野与技术能力的测试工程师、测试开发工程师、测试技术主管。 • 希望深刻理解软件测试技术的开发工程师、运维工程师、架构师、测试经理和开发经理等。

关键词：互联网，架构师，自动化测试，单元测试，性能测试，工程师，API

---

阿里管理方法论

收益目标：1．知道阿里的宏观管理框架 2．掌握作为一个管理者应该具备的素养和领导力 3．掌握如何搭建团队、选好人才 4．掌握如何定目标，追过程、拿结果； 5．熟悉团队管理的核心要点：辅导、激励、复盘 6．了解文化的重要性，建立自己的领导力

适应人群：1.技术管理者 2.带队伍的技术专家、PM、小组leader 3.团队在扩大的中层技术管理者

关键词：互联网，团队管理，领导力，组织

---

MySQL数据库管理优化

收益目标：暂无

适应人群：暂无

关键词：互联网，数据库，MySQL，SQL

---

商业银行产品经理业务架构能力提升

收益目标：通过本课程，学员可以获得以下收益： 1. 了解掌握业界最新业务架构发展趋势； 2. 学习掌握业界最新业务架构方法论； 3. 深入了解业界业务架构建模案例； 4. 通过共创方式开展某一领域服务化业务架构设计； 5. 获得产品经理成长建议。

适应人群：暂无

关键词：其他，产品经理

---

C高质量编程最佳实践

收益目标：暂无

适应人群：C程序员、架构师

关键词：其他，软件设计

---

高并发高可用分布式架构 案例分析与最佳实践

收益目标：暂无

适应人群：暂无

关键词：其他，分布式系统，微服务，分布式

---

LLM驱动下的自动化测试技术能力进阶（公开课）

收益目标：1.掌握提示词模板、静态链、横向/纵向扩展，LLM 输出稳定可控 2.用 LLM 自动生成 GUI/API 测试用例与脚本，维护成本降一半 3.基于 HttpRunner 构建“高效 API 自动化框架”，数据驱动一键运行 4.消费者契约测试方案，Mock 解耦微服务依赖，缺陷提前 30% 暴露 5. LLM 生成性能测试场景-脚本-数据，并智能定位瓶颈，压测效率翻倍

适应人群：软件研发负责人 研发管理负责人 运维负责人 DevOps 负责人 测试负责人 工程效能负责人 软件架构师 资深研发工程师 运维架构师 资深运维工程师 DevOps 工程师 SRE 测试架构师 资深测试工程师 研发管理人员 研发流程工程师

关键词：互联网，微服务，自动化测试，性能测试，测试用例，API，RAG

---

AI-Native 研发范式：从认识Agent 到全⽣命周期⼯程实践

收益目标：1、掌握Agent核心设计：深入理解S-P-A架构、记忆分层与工具调用，能够自主搭建研发Agent。 2、构建AI-Native研发流水线：实现从需求、代码生成到测试自愈、自动运维的全链路Agent闭环。 3、提升代码质量与系统韧性：利用自愈测试、根因分析Agent，大幅缩短Bug定位与修复时间。 4、优化组织效能与安全合规：建立AI采纳率、Agent任务完结率等新度量体系，并落地代码隐私与开源合规防护。

适应人群：1、软件工程师、架构师与技术负责人 2、AI工程化实践者、DevOps与SRE工程师 3、期望通过AI重塑研发流程的技术管理者与创新团队

关键词：互联网，运维，转型，组织，企业级，工具链，推荐系统，大模型