课程大纲：

一、GPT和大模型基础

1. GPT等生成式AI的概念与发展历程

介绍AIGC和大模型等相关概念，以及GPT从提出到GPT-4的发展历程。

2. GPT的原理

讲解生成式AI、大语言模型、GPT的原理。

二、大模型行业落地与应用开发

1. GPT等大模型典型应用案例

大模型在行业中的典型应用案例，包括数据质量提升、财报及市场动态分析、客服机器人等场景。

2. GPT的API及Prompt Engineering，function calling和assistant API

如何基于GPT的API开发智能应用和机器人。介绍Prompt Engineering，结合应用探讨Prompt Engineering的方法与作用。

介绍GPT的一些高级API，包括function calling和assistant API

案例详解：金融政策问答

3. 让GPT利用企业自身的文档与数据

通过embedding、向量数据库等技术，将企业里自身的文档与数据接入到GPT。

案例详解：上市公司财报分析、售前/售后技术支持

4. 让GPT从外部世界获取信息

如何将GPT对接到搜索引擎，并利用大语言模型的能力筛选和处理搜索结果

案例详解：个性化的“朝闻天下”、市场情绪分析

5. 实现AI Agent让GPT从事更复杂的工作

介绍如何借助GPT的一些高级API如function calling和assistant API来实现AI Agent完成复杂任务，并探讨如何在其他大模型上实现这两种API。

案例详解：Code-Chat-Reviewer

6. GPT的微调

澄清业界对于“微调”的一些误解，结合实际案例介绍如何微调GPT模型并进行应用。

案例详解：数据结构化与数据质量提升

三、国产与开源大模型以及安全问题

1. 典型国产与开源大模型简介

国产商用大模型及GLM、llama-2等开源大模型及生态

2. 典型开源大模型的部署

介绍如何运行开源大模型并将其部署为HTTP服务对外提供访问

3. 开源大模型的微调

介绍大模型微调的底层原理，并结合案例介绍如何对一个开源大模型进行LoRA微调

4. 基于国产与开源大模型构建行业应用

展示基于国产与开源大模型构建行业应用，与GPT进行比较

5. 安全与合规

介绍如何在一定范围内合法合规访问GPT，探讨使用国产和自己部署开源大模型需要注意的安全问题

四、总结与展望

1. 重点回顾

回顾课程重点。

2. 未来展望

展望未来大模型技术发展趋势，以及对企业和岗位的影响