任你选择
课程时长
2天（6小时/天）
课程对象
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
课程大纲
生成式AI的最新进展与应用
l AIGC的基本概念
l 大语言模型的基本概念
l LLM和传统AI的区别
l AIGC目前的主要应用领域
l AIGC目前的可能的应用领域
l 各类生成式AI的工具能力
以chatGPT和DeepSeek为例来深入理解传统LLM的基本原理
l 什么是ChatGPT
l GPT和chatGPT的关系
l OpenAI GPT和DeepSeek的关系
l ChatGPT的架构和模型
l DeepSeek架构的特殊性
l ChatGPT的训练数据和算法
l ChatGPT的生成过程和输出结果
l ChatGPT的局限性
l ChatGPT的安全性
l ChatGPT的涌现能力
l ChatGPT的幻觉
l DeepSeek的幻觉
l ChatGPT的思维链
l DeepSeek的思维链
DeepSeek大模型基础
l DeepSeek与传统LLM的主要区别
l 从DeepSeek R1 Zero到DeepSeek R1
l DeepSeek R1和OpenAI O1模型的对比总结
l 预训练范式 vs 推理计算范式
l 多头潜在注意力机制MLA
l 混合专家架构MoE
l DeepSeekMoE的关键创新
l 对传统大模型的挑战和机遇
l DeepSeek的常见误解与详细解读
大语言模型本地部署实战（以DeepSeek为例实现本地运行和RAG）
l 本地部署的基础知识
l 本地安装ollama
l 本地部署Deepseek R1
l 本地部署Llama 3.3
l 本地安装open-webui
l 本地部署实现RAG
DeepSeek原理和优化
l DeepSeek原理剖析
l DeepSeek系统软件优化
l DeepSeek训练成本
l DeepSeek V3模型参数
l DeepSeekMoE架构
l DeepSeek架构4方面优化
l DeepSeek R1论文解读
l DeepSeek R1 Zero的创新点剖析
l DeepSeek R1Zero引发的创新思考
l DeepSeek R1的创新点剖析
l DeepSeek R1引发的创新思考
基于DeepSeek的提示词工程
l Prompt如何使用
l Prompt使用进阶
l Prompt万能公式与使用详解
l DeepSeek提示词的特殊性
l DeepSeek提示词的使用技巧
l 提示词模板的使用
l 提示词静态链的使用
l 提示词的横向扩展
l 提示词的纵向扩展
l 使用OpenAI API
l 使用DeepSeek API
l Prompt经典案例分析
熟练使用LLM能力的全面进阶（以DeepSeek和GPT为例）
l LLM应用能力的进阶模型（“倒三角”模型）
l ReAct的概念和落地
l 思维链CoT和多思维链
l RAG的基本原理与应用
l 多模态RAG的使用
l plugin机制与使用方式
l Function Call机制与使用方式
l Agent的雏形
l Agent开发的基本框架
l 业界主流Agent的设计思路与使用
l Multi-Agent的雏形
l 业界主流Multi-Agent的设计思路
l Multi-Agent的基本逻辑和应用范围
l Multi-Agent应用示例：MetaGPT
l Multi-Agent应用示例：DevChat
AI辅助编程工具提升开发质效
l LLM辅助编程工具的基本原理和应用场景
l 代码大模型测评集HumanEval、MBPP介绍和评分原理
l 微软：Github Copilot和Copilot X
l 亚马逊：CodeWhisperer
l 智能代码编辑器Cursor
l 智谱智能编程助手CodeGeeX等
l 百度Comate快码
l 阿里通义灵码
l 各类编程辅助工具与DeepSeek的集成
l LLM辅助编程工具主要使用场景
l LLM辅助编程工具的实现原理
l LLM辅助编程工具加持下的软件生态改变
l LLM辅助编程工具改变传统开发的12大场景
l LLM辅助编程工具的编程技巧
l LLM辅助编程工具下的测试优化
l 案例：某互联网大厂的应用案例分析
基于DeepSeek API的应用开发
l DeepSeek-V3 API简介
l DeepSeek-R1推理大模型API
l DeepSeek模型参数Temperature设置
l DeepSeek模型Token用量计算
l DeepSeek模型错误码
l DeepSeek大模型多轮对话
l DeepSeek大模型对话前缀续写（Beta）
l DeepSeek大模型FIM 补全（Beta）
l DeepSeek大模型JSON Output
l DeepSeek大模型Function Calling
l DeepSeek大模型上下文硬盘缓存
l 文本内容补全初探（Text Completion）
l chatBot初探（Chat Completion）
l 案例：基于DeepSeek开发智能翻译助手（实际应用与外版图书翻译）
基于DeepSeek实现企业级RAG应用
l RAG技术概述
l 知识工程与知识沉淀
l 加载器和分割器
l 分割策略的最佳实践
l 文本嵌入
l 向量存储
l 检索器和多文档联合检索
l RAG技术的关键挑战与应对
l RAG技术文档预处理过程
l RAG技术文档检索过程
l 构建基于DeepSeek RAG Agent：实现检索增强生成
l 案例：完整企业级案例解读
基于DeepSeek实现Agent智能体开发
l Agent智能体的定义与特点
l Agent与传统软件的关系
l Agent与LLM的关系
l 从ChatGPT到Agent
l Agent的能力图谱
l 记忆，规划，工具，自主决策，推理详解
l 多智能体协作
l 企业级智能体应用与任务规划
l Agent开发框架选型
l LangChainReAct框架
l LangChain中ReAct Agent的实现
l LangChain中的工具和工具包
l 通过create_react_agent创建Agent
l AgentExecutor的运行机制
l Plan-and-Solve策略的基本概念
l LangChain中的Plan-and-Execute Agent
LLM在软件研发全生命周期中的应用场景与案例（以DeepSeek和GPT为例，企业级实战干货）（可选）
l 软件研发全流程中LLM擅长的部分
l 软件研发全流程中LLM不擅长的部分
l 竞品分析与市场调研阶段LLM的应用场景与案例
l 产品概念与产品定义阶段LLM的应用场景与案例
l 产品原型阶段LLM的应用场景与案例
l 产品体验设计阶段LLM的应用场景与案例
l 需求分析阶段LLM的应用场景与案例
l 技术选型阶段LLM的应用场景与案例
l 顶层设计阶段LLM的应用场景与案例
l 详细设计阶段LLM的应用场景与案例
l 从设计到UML，从UML到代码的完整示例
l 编码阶段LLM的应用场景与案例
l 代码评审阶段LLM的应用场景与案例
l 单元测试阶段LLM的应用场景与案例
l 接口测试阶段LLM的应用场景与案例
l 持续集成流水中LLM的应用场景与案例
l 各类软件工程文档中LLM的应用场景与案例
l 持续发布中LLM的应用场景与案例
l 性能测试阶段LLM的应用场景与案例
l 测试结果分析中LLM的应用场景与案例
