通过系统学习与实践训练,使学员掌握大模型及AI智能体的基本原理、应用方法和实践工具,具备智能体设计、搭建、调试与优化能力;同时结合真实业务场景,提升需求分析、场景拆解、方案设计和项目实施能力,逐步形成从AI技术应用到业务场景落地的综合实践能力。
核心技能:AI编程提效、模型选型、API调用、提示词编写与调试
实战进度:项目需求分析 + API工具准备
交付产出:可调用的API封装工具、场景化提示词模板、模型选型认知
核心技能:智能体搭建、工作流编排、智能体开发与调试、Function Calling
实战进度:智能体搭建 + 调试 + 工作流联调
交付产出:可运行的智能体 + 工作流原型(含调试记录与测试结果)
核心技能:文档处理、检索技术选型、RAG系统搭建、项目交付
实战进度:知识库接入 + 系统整合 + 演示评审
交付产出:完整的企业知识库问答系统(含RAG知识库 + 演示)
第3天下午统一安排考核,通过后获得360 ADE认证证书和工信部NITE证书
| 课时 | 内容要点 |
|---|---|
| FDE岗位认知 与交付思维 | FDE核心价值(把模型能力变成可用产品)、交付思维 vs 开发思维、项目交付全流程五阶段、文档体系概览 |
| AI编程工具实战 + 大模型认知 | 主流大模型全景与选型五维度、AI编程工具(TraeCN/Zcode/CodeBuddy/Qoder)、AI辅助Debug、模型能力边界与幻觉应对 |
| API开发环境搭建 + 接入实战 | 开发技术栈选型、API接入四步走、Token与上下文窗口管理、核心参数实战(temperature/top_p/max_tokens) |
| 工程化调用 + 成本与性能 | 流式输出SSE、错误处理与指数退避重试、通用API工具类封装、Token计费与模型路由策略 |
| 提示词工程四要素 + 调试方法论 | 角色/任务/格式/约束四要素编写规范、少样本驱动与思维链CoT、Bad Case驱动优化、场景化模板设计 |
| 提示词进阶 + 当日实战任务 | JSON Schema约束输出、项目需求分析、分组确定分工、AI编程生成项目骨架代码、提示词版本管理 |
| 课时 | 内容要点 |
|---|---|
| 智能体技术基础 | 智能体 vs 普通AI、L3智能体四要素(感知/规划/行动/记忆)、ReAct推理行动循环 |
| 智能体代码实现 + 平台搭建 | Function Calling基础、Python实现最小Agent循环、Dify/Coze平台搭建五步法 |
| L2工作流编排 | 有向图式编排、节点能力(LLM/代码/条件/循环)、数据流控制、Dify可视化编排 vs 代码实现 |
| 智能体开发与调试 | 工具接入扩展、记忆与上下文配置、分层定位问题、评估闭环、人机协同 |
| 综合实战(上) | 搭建智能体、配置工作流、智能体+工作流联调、边界测试 |
| 综合实战(下) | 继续联调、效果评估(10个测试样本)、准备第3天知识库接口 |
| 课时 | 内容要点 |
|---|---|
| 文档处理与切片入库 | 格式解析、文本切片策略(固定/语义/递归)、Embedding向量化、向量数据库选型 |
| RAG检索技术全景 | 基础流程、混合检索(向量+BM25)、重排序Rerank、Query改写、引用溯源 |
| RAG知识库搭建实战 | 完整搭建流程、RAG与智能体接入方式、企业实践要点(检索质量优化、引用约束) |
| 综合实战 | 文档处理→切片入库→知识库接入智能体→主流程联调→效果评估 |
| 交付方法精讲 | 需求调研与方案设计、技术选型论证、五大核心交付文档、常见坑点与避坑指南 |
| 分组演示+评审点评 | 方案讲解、系统演示、讲师评审、评分总结、FDE成长路径 |