课程大纲

一、大模型与智能体简介

1. 大模型纵览

- 大模型的概念及其发展历程

- 目前全球主流大模型（OpenAI GPT、DeepSeek、Qwen、Llama等）的特点及关键技术

- DeepSeek-V3 和 DeepSeek-R1 的原理与各自优势、R1的重要意义

2. 智能体（AI Agent）简介

- 智能体的概念与结构

- 智能体的应用场景：销售赋能、情报收集与分析、研发智能化、游戏

- 用 coze 动手搭建自己的第一个智能体

二、智能体开发技术详解

1. 企业级智能体架构与实操

- 大模型的 API 与智能体环境配置：介绍典型大模型服务的 API 及如何配置让智能体借助不同大模型的能力

- 智能体的知识库：讲解向量检索增强生成技术（RAG）及在为智能体提供知识支持中的应用

- 智能体的思维链和工作流：介绍思维链和工作流的概念，及如何构造符合业务逻辑的思维链与工作流有效提升智能体的性能

- 与已有业务系统的集成：通过“工具”范式集成企业业务系统，让智能体成为企业运营和管理助手

- MCP（Model Context Protocol）与智能体的关系及应用实践

2 智能体知识库的深度优化

- 结合实际案例讲解文本切割的原则和技巧

- 知识库构建中的图表处理和数据清洗

- 搜索请求优化及面向业务的知识库优化方法

3. 让智能体具备专业领域的思维能力

- 从DeepSeek R1中针对企业领域问题蒸馏思维链

- 用思维链蒸馏和“拒绝采样”方法微调LLM增强专业问题处理能力

- 构建强化学习（RL）环境，让智能体从工作结果中持续学习

三、智能体企业落地案例剖析

1. 企业落地案例剖析（一）情报收集与分析

- 商业情报、公共舆情收集与分析的痛点

- 情报自动收集与智能问答系统构建

- 基于 AgenticRAG 的情报分析及分析报告自动生成

2. 企业落地案例剖析（二）研发智能化

- 企业级软件研发的痛点及已有工具的不足

- 结合 DeepSeek R1 和 V3 的软件研发智能体

- 基于多模态大模型的 UI 测试助手

3. 企业落地其他场景探讨

- 销售与运营数据分析、设备智能化自动运维等

四、未来趋势与思考

- 大模型时代是否已开启下半场？

- 出口管制、数据安全、信创方案及对未来技术发展的影响

- 新业务、新岗位、新就业与企业转型