广州某IT服务商Agent智能体与多模态企业级应用开发
浏览:14次 作者:小编1. 培训背景
随着人工智能技术的快速发展,Agent智能体与多模态技术已成为企业智能化转型的核心驱动力。为帮助企业技术团队掌握大模型部署、智能体开发与多模态融合等前沿技术,提升AI项目落地能力,广州某IT服务商特邀中培IT学院入企举办了为期2天的“Agent智能体与多模态企业级应用开发”专题培训。
本课程聚焦Agent智能体开发与多模态工程化实践,覆盖大模型架构与对齐、智能体开发框架、多模态工程落地场景,通过剖析电网调度、合同审查、工业质检等真实案例,帮助企业技术团队攻克大模型部署瓶颈,实现从技术理论到产业价值的转化。
2. 课程特色
● 前沿技术深度剖析:MCP自定义工具的代码实现、RoPE位置编码、DeepSeek-R1-0528/QWen3-Embedding-0606等核心技术,结合DeepSeek-R1/VL 模型实战优化;
● 企业级场景全覆盖:案例实操(合同审查、电网调度、工业质检、AR维修),集成 LangChain/MCP等框架,贯通API封装、向量数据库、知识图谱增强问答准确率;
● 多模态落地闭环:从CLIP到Qwen-VL、Diffusion Transformer,提供图像嵌入、文本嵌入的实际代码
● 结果导向设计:以讲师实际完成的AI项目为蓝本设计课程内容。
3. 训前调研
通过《内训需求调研表》深入了解客户的培训需求:
公司介绍 | IT服务商,电力行业信息化软件的研发和专业服务 | 公司性质 | 国企☑ 外企□ 民营□ 其他□ | ||||
所属行业 | 软件信息 | 企业规模 | 超大型☑ 大型□ 中型□ 小微□ | ||||
以往类似课题培训记录 | |||||||
课程名称 | AI大模型发展地图&应用实战课 | ||||||
培训对象 | 开发团队员工 | 上一次培训时间 | 2025.01.09 | ||||
培训效果 | 非常满意□ 满意□ 反应平淡☑ 不太满意□ | 原 因 | 比较通用基础,缺乏深度应用与实战 | ||||
本次培训信息 | |||||||
本次培训时间 | 2025年6月底或7月初 | 培训天数 | 2 | 培训人数 | 40 | ||
培训地点 | 本公司会议室☑ 外租宾馆会议室□ | ||||||
需求产生 | 问卷调查☑ 小组讨论□ 高层指定□ 年度培训计划□ 其他 | ||||||
参训对象岗位或所涉及部门 | 主要面向软件开发、需求、数据等岗位,涉及部门有研发部、数据技术部 | ||||||
学历构成 | 大专约 13 人 本科约 20 人 硕士以上约 7人 | ||||||
学员相关工作经验年限 | 5年及以下 5人 5-15年 30人 15年以上 5 人 | ||||||
学员整体水平 | 学员整体对AI及大模型技术有一定基础 | ||||||
目前存在问题 | AI项目需求开发技术落地具体核心技术与框架应用与开发问题 | ||||||
初版课纲需要调整哪些内容? | 总体可以,在多模态企业级应用案例中重点介绍案例实现及使用技术框架,最好到宏观代码级逻辑,应用过程技术关键点 | ||||||
希望通过培 训解决问题 | 大模型应用与智能体开发落地,通过培训提升AI开发水平 | ||||||
学员表现不够的重点表现 | 针对AI需求使用大模型技术及框架开发落地方面 | ||||||
希望讲师侧重讲解内容 | 智能体技术开发及多模态落地应用方面 | ||||||
出现问题 的原因 | 对AI技术及主流开发框架使用缺乏深刻理解 | ||||||
对本次培训建议或特殊说明 | 对主流Agent框架重点讲并提升开发应用能力 |
4. 培训讲师
人工智能专家-邹伟老师
长春工业大学人工智能研究院院长、工程学术带头人,华东建筑设计研究总院研究员、山东交通学院客座教授、南昌航空大学硕士生导师、中国软件行业协会专家委员、天津大学创业导师。领导技术团队与全国二十多所高校、国企建立了 AI 联合实验室,完成 50 多个深度学习实践项目,广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。
邹老师是从事深度学习项目管理的人员,带队完成了数十个 AI 项目,内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点,也包括AI的整体发展、现状、应用、商业价值、未来方向等,涵盖内容非常丰富。
邹老师兼备大学老师和企业技术负责人双重身份,已经有10本人工智能领域的专著(京东等平台有售,数十所大学使用作为研究生教材,进入多家大学图书馆名录)。可以结合实践项目进行重点关注内容的讲解和实操。
主要荣誉
2017年国土资源科学技术一等奖,全国重要矿产资源潜力评价,国土资源部;
2018年山东省优秀科技工作者,山东省科学技术协会;
2018年11月一种基于深度学习的早期肺癌检测分类一体化设备与系统,济南计算机科学技术奖评审委员会,二等奖;
2018年11月基于大数据技术的渔商船碰撞预警系统,山东省科学技术协会,三等奖;
2019年1月关于构建山东省海事大数据共享生态圈的建议,二等奖,山东省科学技术协会;
2019年1月,被聘为南昌航空大学双师型教师;
2019 年1月“北控杯”人体目标智能识别挑战赛,第三名,中国航天科工集团第四研究院十七所;
2019年6月,山东交通学院海事大数据与智能航运联合实验室获得威海市重点实验室;
2019年6月被聘为山东交通学院客座教授;
入选2021年紫金山英才·江北计划高层次创新创业人才项目入选人才;
入选2023年度吴江经济技术开发区崇本科技领军人才。
主持项目(部分):
专利软著
获奖证书
5. 培训现场
培训为期两天,于2025年8月1-2日在企业内部会议室开展,共有研发部和数据部的40名技术骨干参加了此次培训。课程采用“理论讲解+代码演示+案例实操”相结合的方式,学员通过实际编码与调试,深入理解智能体规划、多模态对齐、工具调用等关键技术。讲师结合电力、医疗、工业等真实场景,引导学员完成从数据预处理到模型部署的全流程实践。
6. 培训收益
● 掌握大模型架构、对齐技术及优化方法;
● 具备自主开发规划型、记忆型、工具调用型智能体的能力;
● 能构建多模态数据处理流水线,实现图文、语音等多模态融合应用;
● 提升企业级API集成、向量数据库使用、知识图谱增强等工程化能力。
7. 培训总结
本次培训紧密结合企业实际需求,内容系统且实战性强,有效解决了学员在AI项目开发中遇到的技术落地难题。通过案例驱动与代码级讲解,学员不仅提升了理论认知,更增强了工程实践能力,为企业后续推进AI项目奠定了坚实的技术基础。培训结束后,学员反馈积极,普遍认为课程内容深度适中、案例丰富、实用性强,对智能体与多模态技术的理解与应用能力显著提升。

- 标签: 多模态工程化实践 Agent智能体开发