课程介绍
【培训背景】
2026年，大模型技术已从“文本生成”迈入“复杂推理+多模态感知+自主决策”的新阶段。MoE混合专家架构、线性注意力机制等持续突破，国产主流模型在推理与代码能力上已达国际领先水平。同时，AI应用范式全面转向智能体工作流，模型上下文协议让智能体可无缝调用外部工具，RAG结合知识图谱大幅提升垂直领域问答准确性，多模态能力延展至视频理解与实时数字人交互，推动AI在千行百业深度落地。
国家“人工智能+”行动深化推进，央国企与地方政府大模型私有化部署需求激增，企业亟需“懂模型原理、能调优部署、会落地应用”的全栈工程师。中培IT学院聚焦产业痛点，推出本课程，助力学员在大模型从“技术爆发”走向“价值创造”的关键期，掌握从开发到交付的完整工程化能力。
【培训收益】
ü 整体掌握大模型底层原理与API全栈开发；
ü 掌握 Ollama/vLLM私有化部署与权限管控方案
ü 精通Dify、LangChain多框架智能体&RAG搭建
ü 学会MCP及Trae插件、WorkBuddy数字员工开发；
ü 掌握AI图文、数字人、多模态票据微调实操；
ü 运用EvalScope完成模型标准化评测迭代；
ü 具备大模型项目从开发、部署到落地交付全栈能力
【适合人群】
Ø 软件工程师和架构师
Ø AI算法工程师
Ø 机器学习工程师
Ø 全栈开发者
Ø 后端工程师
Ø 云计算工程师
Ø 运维工程师
Ø 传统程序员
Ø 数据分析师
Ø BI工程师等
【培训特色】
1.资深讲师授课，小班制教学；
2.理论与实践相结合、案例分析与行业应用穿插进行；
3.专家精彩内容解析、学员专题讨论、分组研究。
【授课专家】
刘老师 国内顶尖AI专家、大数据技术专家
西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。
AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、YOLO、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。
LLM大模型方向：DeepSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。
邹老师 某工业大学人工智能研究院院长
博士学历，毕业于中国地质科学院，兼任天津大学创业导师、山东交通学院客座教授、硕士生导师。主持研发50多个人工智能领域工业级项目，广泛应用于能源、医疗、交通、气象、银行等多个领域。硕博期间主持研发大型行业建模软件，代码量100万行（从底层开发是考虑后期维护和产权）。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。成立中国科学院邹博人工智能研究中心，在翔创、天识等公司担任技术顾问，曾在多个在线平台授课，广受网友好评，累计学习人数超过百万。公开出版《强化学习》、《Python深度学习实践》、《自然语言处理》等11部专著和译著。在国内外期刊会议发表论文10余篇，获得国家发明专利1项，著书1本，译书6本。2017年主持科研项目荣获国土资源科学技术一等奖。
【结业证书】
参加培训并通过考试学员，由工业和信息化部教育与考试中心统一颁发《AI大模型全栈技术（高级）》工业和信息化职业能力证书。
证书样本
开班计划
| 开课时间 | 授课形式 | 培训类型 | 上课城市 | 在线报名 |
|---|---|---|---|---|
| 2026-05-26 | 面授+直播 | 精品班 | 成都 | 在线报名 |
| 2026-08-25 | 面授+直播 | 精品班 | 北京 | 在线报名 |
| 2026-10-27 | 面授+直播 | 精品班 | 重庆 | 在线报名 |
| 随报随学 | 录播 | 特惠班 | IT云课 | 在线报名 |
课程大纲
AI大模型全栈工程师实战培训班，标准公开课为3天，每天6小时，录播课为15课时，企业内训可按需求定制。
课程安排如下：
日程 | 培训主题 | 培训大纲 |
第一天 上午 | 第一节： 大模型理论知识 （预备知识） | 1. 初探大模型：起源与发展 2. GPT模型家族：从始至今 3. 大模型DeepSeek VS ChatGPT4的对比介绍 4. 大模型实战-讲解大模型2种学习路线 5. 大模型最核心的三项技术:模型、微调和开发框架 6. DeepSeek的MoE混合专家模型介绍 7. DeepSeek-R3后训练阶段与强化学习技术介绍 8. OpenAl文本模型A、B、C、D四大模型引擎简介 9. Embedding大模text-Embedding-ada模型介绍 10. 全球开源大模型性能评估榜单 11. 中文大模型生态介绍与GLM 130B模型介绍 12. DeepSeek模型介绍与部署门槛 13. DeepSeek开源生态:微调、多模态，WebUI等项目简介 |
第二节： DeepSeek大模型API应用开发 | 1. DeepSeek-V3 大模型API 2. DeepSeek模型&价格 3. DeepSeek模型参数Temperature设置 4. DeepSeek模型Token用量计算 5. DeepSeek大模型多轮对话 6. DeepSeek大模型JSON Output 7. DeepSeek大模型Function Calling 8. DeepSeek大模型上下文硬盘缓存 9. 聊天机器人初探（Chat Completion） 10. 基于DeepSeek开发智能翻译助手 | |
第一天 下午 | 第三节： LLM模型的私有化部署与权限控制 | 1. 各种模型文件介绍：.bin、GGUF、.safetensors等格式区别 2. 模型的推理、量化原理与实现流程 3. ModelScope与Hugging Face平台介绍及模型下载使用 4. 大模型管理底座Ollama架构与运行机制 5. Ollama+LLaMA部署开源大模型的完整流程 6. Open WebUI前端功能介绍与模型调用演示 7. Open WebUI用户与访问权限控制配置方法 8. vLLM架构简介与Ollama的核心区别 9. vLLM在高并发与吞吐性能上的优化机制解析 10. vLLM+OpenAPI实战：部署并调用企业级大模型服务 |
第四节：基于Dify 平台的Agent与Workflow智能客服系统构建 | 1. Agent核心组成：Prompt、数据源、模型与工具集成 2. Dify架构、本地部署与Ollama/vLLM模型接入 3. 数据分析、代码编写与客服等多场景Agent构建 4. Dify API接入与微信等多终端平台对接 5. Dify Workflow 节点拓扑设计与运行机制 6. 数据爬取、清洗与结构化提取自动化工作流 7. 集成自定义Tool、知识库与LLM节点 8. 条件分支、循环与变量传递实现客服响应逻辑 9. Dify Workflow发布、版本管理与可视化调试 10. Agent与Workflow融合的端到端客服方案 | |
第二天 上午 | 第五节： 基于Deepseek和LangChain构建Agent | 1. 通过LangChain中的ReAct框架实现自动定价 2. LangChain ReAct框架 3. LangChain中ReAct Agent的实现 4. LangChain中的工具和工具包 5. 通过create_react_agent创建Agent 6. 深挖AgentExecutor的运行机制 7. Plan-and-Solve策略的提出 8. LangChain中的Plan-and-Execute Agent 9. 通过Plan-and-Execute Agent实现物流管理 10. 为Agent定义一系列进行自动库存调度的工具 |
第六节：Agent+MCP打造高级智能体 | 1. RAG、Agent与MCP的区别与联系 2. MCP与FunctionCall的关系 3. 热门的MCP客户端工具有哪些 4. MCP服务接入原理讲解 5. 自定义MCP Client开发--STDIO协议对接 6. LangGraph agent接入Github MCP服务 7. Langchain_mcp_adatpers创建高德MCP客户端 8. 基于高德MCP的复杂路径规划+可视化展示 | |
第二天 下午 | 第七节： 基于DeepSeek 和LlamaIndex构建文档问答系统
| 1. LlamaIndex：选择与配置不同的语言模型与向量模型 2. LlamaIndex提示：定义与管理查询模板及上下文注入策略 3. LlamaIndex索引：构建文档索引、向量索引与树形索引 4. LlamaIndex存储：访问与持久化外部知识数据 5. LlamaIndex记忆：实现对多轮对话的上下文追踪与复用 6. LlamaIndex代理：整合外部工具与执行动态任务 7. 实战演练：使用LlamaIndex构建企业文档问答系统 |
第八节： Trae AI驱动：Skills插件极速开发
| 1. Trae 开发环境快速搭建 2. AI自然语言生成Skill代码 3. URL转二维码功能极速构建 4. 智能邮件管理插件开发实战 5. Trae智能诊断与代码修复 6. AI辅助对接多平台API接口 7. 自动化办公爬虫编写实操 8. 多项Skill逻辑链条组合集成 9. 插件标准化封装与运行测试 | |
第三天 上午 | 第九节： WorkBuddy的部署与使用 | 1. WorkBuddy 基础部署与环境准备 2. WorkBuddy 核心配置文件详解 3. 模型供应商（Model Provider）集成 4. 基础对话（Chat）与角色设置 5. 简单工具（Tools）的挂载与测试 6. Skills 安装使用及技巧 7. 意图识别与任务匹配 8. Agent 多任务协同的配置与调用 9. 基于WorkBuddy数字人构建 |
第十节： 从图片、视频到数字人，AI应用边界探索
| 1. 用Stable Diffusion实现文生图（输入文字就能画图） 2. 用Stable Diffusion实现图生图（上传图片自动变换风格） 3. 提示词怎么写？掌握关键词技巧 4. 玩转Lora微调，让图片拥有不同风格（动漫、国风、写实） 5. 艺术字、证件照、logo、海报、详情图制作实操 6. AI辅助设计，快速搞定海报、Banner、广告图 7. 认识HeyGen，AI数字人生成工具 8. 用HeyGen生成数字人大纲、剧本、字幕、配乐 9. 一键制作真人感十足的数字人视频 10. 实现AI半无人直播、语音直播，应用到客服和营销 | |
第三天 下午 | 第十一节：DeepSeek多模态模型Janus的微调与模型对齐 | 1. 多模态大模型的核心原理与应用场景 2. 报销凭证（发票、单据）的结构化特征与难点 3. 数据准备：票据样本、文字识别与表格标注 4. 如何科学构建训练数据（基础与专业数据混合训练） 5. 微调常见方式介绍：微调、偏好对齐、蒸馏、奖励模型 6. OCR微调：关键字段识别（抬头、金额、日期、税号） 7. 版式与图像理解：复杂票据结构解析 8. 多模态信息对齐：文本、图像与语音的融合 9. 参数高效微调方法（LoRA/Adapter）实战 10. 案例演示：凭证识别与结构化信息提取 11. 业务落地：从票据识别到自动化报销流程 |
第十二节：EvalScope实现模型评估 | 1. EvalScope架构与LLM模型评估全生命周期 2. 评估实战：评测流程与结果可视化 3. 评估指标设计与结果的高效对比分析 4. 主流大模型框架的集成方式 5. 评估结果的结构化存储与复现机制 6. 评估版本管理：模型、数据集与评测配置关联 7. EvalScope的自动化评估与人工反馈结合机制 8. EvalScop中的Prompt评估与提示词版本对比 9. EvalScope的评估可观测性与评测链路追踪 10. 基于EvalScope评估结果的模型部署与上线决策 |
