课程大纲：

大模型架构培训

培训对象：
产品中心，运营中心，技术中心，管理中心，客服中心等管理运营相关人士

课程背景：
随着sora技术的出现，大模型技术势必会影响到各行各业，而真正让我们兴奋的却是，哪怕你不懂编程语言，也有机会去创造企业的大模型产品，而这种智能化的能力，是要远高于信息化和数字化的，所以，强烈建议每个职场人都学会认知大模型，理解大模型，并做好大模型的学习课程。

课程收益：
培训完结后，学员能够：
学习大模型的底层逻辑和本质。
学习大模型中必须要掌握的API知识
学习大模型中必须要掌握的RAG知识
学习大模型中的工具栈
学习和掌握fine-tuning的知识
学习和掌握多模态知识框架
学习和掌握大模型的产品和交付知识

课程大纲：
单元
大纲
内容
单元一
AI大模型技术概览
一．大模型的定义与特点
1.1大模型的概念及发展历程
1.2大模型的技术架构与核心原理
二．大模型与其他AI技术的比较
2.1传统AI技术的局限性
2.2大模型在数据处理、学习能力等方面的优势
三．大模型的应用前景及挑战
3.1大模型在各行业的应用潜力
3.2技术发展面临的挑战与机遇

单元二
大模型中的PROMPT语言学习
认知：把AI当人看
原理：
1）LLM生成原理
2）高质量PROMPT原理
实战工具：
1）基本要素
2）格式约束
3）风格控制
4）思维链，思维树以及自洽性
5）指令调优
6）Coze等工具的使用

单元三
大模型中的API
认知：自然语言链接一切
原理：用微调提升prompt的稳定性
实战工具及要素：
1）生成式API
2）对话式API
3）AssistantsAP|
4）Actions
5）embeddings
6）Fine-tuning
7）FunctionCalling

单元四
大模型中的RAG
认知：从关键词搜索转为向量搜索
原理：embeddings
实用工具：
1）词向量
2）句子向量
3）篇章向量
4）相似度计算
5）向量数据库，向量模型，向量模型部署

单元六
大模型中的工具栈
认知：
1）原生API、LangChain和SK如何选型
2）多框架组合开发
3）Prompt和代码分离
4）微软的SemanticPlugins战略
原理：AGENT
实用工具：
1)LangChain&LangChain.jsCEL,llm,chatmodel,prompttemplate
2)Semantic&Kernel:Connectors,Plugins,Planners,SemanticFunctions

单元七：
大模型中的FINE-TUNING
1.认知：微调仍是炼丹
2.原理：机器学习，大模型训练，微调
3.实战工具：求解器，损失函数，超参，过拟合/欠拟合
学习率

单元八
多模态中的大语言
认知：传统CV仍有价值
原理：特征对其
实战工具：
VisionTransformer，CLIP，Q-Former，GPT-4V，Gemini
LLaVA
图像生成模型：DM,SD,MJ，DALLE,LORA

单元九
大模型中的产品设计
1.认知：Copilot模式vs.Agent模式，产品经理调prompt
2.原理：商业逻辑，用户体验
3.实战工具：需求分析，生成式AI产品设计原则，CollaborativeUX，drawio，产品迭代，产品运营
业务沟通

单元十
大模型产品的交付
认知：向量型数据库选型原理
实战工具：GPU/云厂商选型，向量数据库选型，私有化部署，推理性能优化，高可用架构，内容安全，算法备案

大模型架构培训