课程大纲

Day 1: 大模型基础与 LangChain 入门

培训目标

通过系统介绍大模型技术现状和 LangChain 框架基础，帮助学员理解大模型应用的技术选型思路和开发框架设计理念。

上午：大模型概述

1.   大模型技术发展与现状

介绍主流大模型的技术特点、部署方案和商业化现状。

·  主流大模型能力对比：基于 artificialanalysis.ai 的数据，比较各模型在理解、创作、推理等方面的表现

·  开源与闭源模型选型建议：比较不同类型模型在成本、效果、部署难度等方面的差异

·  商用部署方案对比：分析 API 调用、私有部署、混合部署等方案的优缺点

2.   企业应用场景分析

介绍制造业领域的大模型应用场景和价值点。

·  技术文档智能问答：搭建智能文档检索系统，提升技术支持效率

·  设备故障诊断助手：集成专业知识库，实现智能故障诊断和解决方案推荐

·  研发知识库建设：搭建研发经验和技术文档的智能管理系统

·  智能客服系统：构建支持多语言的智能客户服务系统

培训目标

了解 LangChain 框架的核心概念和基础组件，学习如何构建高质量的对话式应用。

下午：LangChain 基础

1.   LangChain 核心概念

介绍 LangChain 的架构设计和核心组件功能。

·  组件化设计理念：讲解 LangChain 的模块化架构设计思想和实现方式

·  LCEL：介绍 LangChain 表达式语言的基本语法和使用方法

·  核心模块介绍：讲解 Prompts、Chains、Memory 等模块的基本功能和常见用法

2.   案例解析：Open-Canvas 聊天应用

通过实际案例，学习对话应用的设计要点。

·  应用架构分析：介绍 Open-Canvas 的系统组成和核心组件

·  UX 设计最佳实践：讲解对话式应用的交互设计原则和实现方法

·  内容生成优化策略：讲解如何提升生成内容的质量和响应速度

Day 2: RAG 系统架构与实践

培训目标

了解 RAG 系统的核心组件和关键技术，学习构建高性能检索增强系统的方法。

上午：RAG 基础架构

1.   Query Construction

学习查询构建的基本技术和优化方法。

·  Text-to-SQL/Cypher 技术：了解自然语言到结构化查询的转换方法

·  Query 优化策略：学习查询重写、分解和优化的基本方法

·  Self-Query Retriever：了解自查询检索器的工作原理和使用场景

2.   Query Translation 与路由

学习查询转换和路由的关键技术。

·  查询分解技术：了解复杂查询的基本分解方法

·  多数据源路由策略：了解多源数据环境下的查询路由方法

·  语义路由机制：学习基于语义的智能路由实现方法

培训目标

通过案例分析了解 RAG 系统的高级特性和优化技巧，学习系统评估和监控方法。

下午：RAG 高级特性与案例

1.   索引优化

学习文档索引的优化技术。

·  Chunk 优化策略：学习文档分块的原则和方法

·  多表示索引技术：了解多种表示方法的索引构建方法

·  层次化索引架构：了解层次化索引的设计方法

2.   案例解析：LangGraph RAG Research Agent

分析研究型 RAG 系统的实现方法。

·  架构设计分析：介绍 Research Agent 的系统组成和工作流程

·  检索策略优化：学习研究场景下的检索优化方法

·  研究流程自动化：了解自动化研究流程的实现方法

3.   LangSmith 集成

学习 RAG 系统的评估和优化方法。

·  评估指标设置：了解 RAG 系统性能评估的主要指标

·  系统性能监控：学习基本的监控和报警机制

·  持续优化方法：了解基于监控数据的优化方法

Day 3: Agent 架构与应用案例

培训目标

了解 Agent 的核心原理和开发框架，理解不同类型 Agent 的应用场景。

上午：Agent 开发框架

1.   Agent 基础架构

学习 Agent 的工作原理和框架设计。

·  ReAct 模式详解：了解思考-行动-观察循环的基本机制

·  Agent 类型对比：了解不同类型 Agent 的特点和用途

·  工具集成方法：学习外部工具集成的基本方法

2.   记忆管理与持久化

学习 Agent 的记忆管理机制和实现方法。

·  Memory Agent 案例解析：了解记忆管理的基本实现方法

·  对话上下文维护：学习长期对话场景的上下文管理方法

·  记忆存储优化：了解记忆数据的存储和检索方法

培训目标

通过分析不同类型的 Agent 案例，学习 Agent 系统的设计方法和实现技巧。

下午：综合案例分析

1.   Retrieval Agent 模板解析

学习检索型 Agent 的设计和实现。

·  架构设计分析：了解检索增强型 Agent 的系统构成

·  检索增强对话：学习结合检索的对话优化方法

·  扩展性设计：了解系统扩展的基本方法

2.   Data Enrichment Agent 案例

学习数据增强 Agent 的工作流程和实现要点。

·  数据增强流程：了解自动化数据增强的处理步骤

·  多源数据集成：学习异构数据源的基本集成方法

·  质量控制机制：了解数据质量控制的基本方法