基于AI大模型软件研发思想与技术——软件研发智能化的新纪元

产品线/产品总监、研发总监、产品经理、研发部门经理、技术管理工程师、研发项目经理、系统分析师、系统设计师、产品开发工程师等。

课程背景

随着人工智能技术的迅速发展，大语言模型（Large Language Model，LLM）和人工智能体（AI Agent）推动软件行业实现自动化和智能化变革。大模型通过强大的数据处理能力和广泛的适用性，极大地提升了生产，改变了生产要素的构成。一方面，加速了信息处理的速度和精度，提高了知识创新和应用的效率；另一方面，通过促进跨领域知识融合和技术迭代，大模型技术增强了劳动者的技能和数字化转型，同时催生了新的商业模式和服务形态。而基于LLM的智能体不仅具备出色的自然语言处理能力，还能通过多轮对话、知识推理和任务自动化来高效应对复杂任务。在金融、医疗和客服等领域，智能体展现出强大的适应能力，正在重塑传统的业务流程与人机交互方式。

基于AI大模型的软件行业发生新的技术变革：

一切智能硬件会被AI大模型所驱动

一切软件会被AI大模型所重构

一切数据会被AI大模型所激活

课程收益

学会大模型（LLM）的构建流程和建模关键技术（数据处理、模型微调、模型对齐优化、强化学习）；

学会AI智能体（AI Agent）的关键技术、设计与开发和应用实践；

学习基于大模型（LLM）驱动AI智能体（AI Agent）的技术框架；

学习基于大模型（LLM）和AI智能体的软件架构思想和应用实践；

学会基于大模型（LLM）软件工程化思想和方法。

学习构建企业级大模型解决方案

课程大纲

第一部分. 人工智能的概念和原理

人工智能的发展过程和AI大模型；

人工智能的生态环境：基础设施（Iaas）、模型中台(AI Infra)、模型即服务（Maas）；

人工智能的知识框架及基础平台；

人工智能发展的方向，存在的问题即根源。

第二部分. AI大模型的概念和原理

AI大模型的概念及理论框架，五大学习和三大网络（机器学习、深度学习、强化学习；卷积神经网络、循环神经网络、注意力神经网络）；

Transformer模型架构技术；

AI大模型（LLM）概念、理论和知识框架；

ChatGPT和DeepSeek模型的技术特征；

AI大模型的产业链介绍；

大数据与大模型之间的关系。

第三部分. AI大模型的建模技术

讲解“什么是模型训练、为什么要模型训练、怎样模型训练和如何实现模型训练”；

模型训练的步骤及技术实现：

数据准备：数据收集、清洗和增强、划分数据集；

模型预训练：模型选择、训练策略；

强化学习优化（RL/RLHF）奖励模型训练；

评估和优化：指标选择和过拟合处理；

部署和监控：模型压缩和持续学习；

大模型构建流程实现过程；

讲解《构建构建精准医疗领域大模型》范例；

构建和部署企业大模型的解决方案。

第四部分. AI大模型的智能体（AI Agent）

AI智能体的概念、原理和技术框架

AI智能体与大模型之间的协同与赋能；

AI智能体的开发流程和平台技术；

讲解《出行订票智能体》范例；

智能化的企业架构；

AG-UI协议、MCP协议、A2A协议的应用；

API接口与AI Agent引擎融合；

垂直场景的多智能体（MAS：Multi-Agent System）；

AI Agent与Agentic AI的技术特征和作用；

Agentic AI与多智能体（MAS）的技术特征和作用；

LLM大模型四种应用技术架构特征和应用场景；

纯 Prompt；

Agent + Function Calling；

RAG（检索增强生成）；

Fine-tuning（微调）。

智能体的应用案例（光明电力大模型、金融投资分析、电商智能系统）。

第五部分. AI大模型的软件工程

传统的软件工程与AI大模型软件工程的异同

AI软件开发过程，一般会经历问题抽象、数据准备、算法设计、模型训练、模型评估与调优、部署应用

AI大模型软件工程的全生命周期：

LLM驱动需求获取、分析与定义

LLM驱动设计

LLM驱动编程

LLM驱动测试

LLM驱动运维

第六部分. AI大模型的应用实践

AI大模型与传统的人工智能

SaaS+AI应用架构设计及案例

AI原生开发的架构设计及案例