課程簡介
本課程以實戰(zhàn)為導(dǎo)向，深度融合AI技術(shù)與軟件工程實踐，構(gòu)建了一套完整的AI賦能研發(fā)體系。課程圍繞AI在研發(fā)全生命周期中的應(yīng)用，覆蓋從大模型原理基礎(chǔ)到工業(yè)級工程實踐，再到高階AI+DDD集成和行業(yè)解決方案，旨在解決企業(yè)AI落地中的技術(shù)復(fù)雜度問題，推動研發(fā)流程智能化轉(zhuǎn)型，提升團隊在需求分析、開發(fā)、測試等環(huán)節(jié)的效能。課程強調(diào)工程化落地，結(jié)合講師在金融、制造等領(lǐng)域的實戰(zhàn)經(jīng)驗，為企業(yè)提供可復(fù)用的AI戰(zhàn)略框架。
目標收益
通過本次實戰(zhàn)培訓(xùn)，學(xué)員將獲得以下具體收益，涵蓋知識掌握、技能提升和行業(yè)應(yīng)用：
1、掌握AI核心技術(shù)機制：深入理解LLM底層原理、嵌入技術(shù)及RAG優(yōu)化，并能運用工具如LangChain、LlamaIndex進行模型開發(fā)和知識庫構(gòu)建，提升AI理論基礎(chǔ)。
2、提升研發(fā)流程效能：通過工業(yè)級提示工程和AI輔助工具，加速需求分析、開發(fā)和測試，實現(xiàn)全鏈路提效，減少人工耗時。
3、設(shè)計AI4SE工程體系：學(xué)習(xí)構(gòu)建匹配企業(yè)AI戰(zhàn)略的軟件工程規(guī)范，包括路線圖規(guī)劃、研發(fā)流程AI整合和復(fù)雜度控制，并能參考行業(yè)方案實施AI加速研發(fā)體系。
4、應(yīng)用AI+DDD實戰(zhàn)方法：掌握領(lǐng)域驅(qū)動設(shè)計與AI的融合應(yīng)用，通過四階落地法完成從需求到代碼的智能化實現(xiàn)，提升復(fù)雜業(yè)務(wù)系統(tǒng)的設(shè)計和開發(fā)能力。
5、實現(xiàn)行業(yè)場景落地：獲得金融、制造等行業(yè)實戰(zhàn)經(jīng)驗，如構(gòu)建MCP驅(qū)動的智能體協(xié)作網(wǎng)絡(luò)、開發(fā)代碼遷移工具和知識運營助手，助力企業(yè)在真實場景中規(guī)?；瘧?yīng)用AI，提升研發(fā)質(zhì)量和效率。
6、第一部分 AI研發(fā)基礎(chǔ)強化增強工程化落地能力：通過案例演練（如本地MCP客戶端、RAG應(yīng)用開發(fā)）和工具鏈實操，培養(yǎng)學(xué)員的工程實踐技能，確保AI技術(shù)在企業(yè)環(huán)境中的可擴展性和穩(wěn)定性。
培訓(xùn)對象
希望通過AI工具提升研發(fā)效率和質(zhì)量的軟件工程師
希望建立匹配AI戰(zhàn)略的智能工程研發(fā)體系的管理
希望通過AI框架與相關(guān)技術(shù)開發(fā)AI原生應(yīng)用的開發(fā)人員
課程大綱
|
第一部分 AI研發(fā)基礎(chǔ)強化 大模型核心原理 |
主題介紹：深入LLM底層機制，了解Transformer架構(gòu)與GPT（生成式預(yù)訓(xùn)練Transformer）的核心原理，并介紹LLM的構(gòu)建知識 培訓(xùn)要點： 1、原理精要：LLM的核心概念包括詞元（token）和嵌入（embedding），闡釋GPT的自注意力機制，文本分類與聚類算法與模型 2、編碼知識：運用transformer、torch、sentence-transformer等框架深入洞悉LLM內(nèi)部機制與算法 3、案例演練：加載開源模型生成文本，演練從文本到詞元到嵌入向量的轉(zhuǎn)換過程，實現(xiàn)簡單的自注意力機制，運用word2vec算法實現(xiàn)內(nèi)容推薦，通過BERT進行情感分析，運用BERTopic進行主題建模 4、工具：Cursor + Python + phi-3-mini + word2vec + pandas |
| 工業(yè)級提示工程 |
主題介紹：深入提示工程，了解LLM模型參數(shù)、提示詞基本要素和主體結(jié)構(gòu)，講解工業(yè)級提示模板培訓(xùn)要點： 1、原理精要：結(jié)合LLM的底層機制，探討好的提示詞如何引導(dǎo)LLM生成有用的回復(fù) 2、工業(yè)級提示模板：CRISPE框架及其優(yōu)化QCIPSPE框架、思維鏈（CoT）和思維樹（ToT）、ChatGPT/Claude/Gemini等的系統(tǒng)提示詞，GitHub Copilot與Cursor最佳模板分析 3、案例演練：調(diào)用主流大模型，對比各種提示詞模板的使用效果，明確各種提示詞模板的適用場景 4、工具：Cursor + Claude + ChatGPT + DeepSeek R1 + Ollama + Qwen |
| LangChain與Agent |
主題介紹：介紹LangChain引入的鏈式架構(gòu)，掌握運用LangChain開發(fā)AI應(yīng)用及創(chuàng)建Agent 培訓(xùn)要點： 1、鏈式架構(gòu)：LangChain框架基礎(chǔ)知識與鏈式架構(gòu)，通過記憶構(gòu)建LLM的對話回溯能力，運用多提示詞、鏈式架構(gòu)和多模型協(xié)同執(zhí)行任務(wù) 2、智能體：智能體核心機制與ReAct框架 3、案例演練：運用多提示詞鏈式架構(gòu)生成完整故事、通過Agent調(diào)用搜索引擎和計算器完成復(fù)雜任務(wù)、通過ReAct框架實現(xiàn)chat to db智能體 4、工具：Cursor + LangChain + DeepSeek Chat API + Ollama + Qwen + llama3 |
| MCP工程化實踐 |
主題介紹：介紹MCP的基礎(chǔ)知識，通過工程案例講解如何通過MCP實現(xiàn)能力擴展與工程提效 培訓(xùn)要點： 1、MCP架構(gòu)與核心原理：深入分析MCP架構(gòu)與核心組件，并明確MCP在AI輔助開發(fā)中存在的核心價值 2、案例演練：打造本地MCP客戶端，實現(xiàn)MCP驅(qū)動的金融分析師 3、工具：Cursor + MCP Host + Ollama + DeepSeek-R1 |
| LlamaIndex與RAG |
主題介紹：使用LlamaIndex框架構(gòu)建企業(yè)專屬知識庫培訓(xùn)要點： 1、RAG核心概念：深度介紹RAG核心概念和關(guān)鍵環(huán)節(jié) 2、LlamaIndex框架知識：講解LlamaIndex框架與RAG有關(guān)的概念，介紹它的關(guān)鍵組件 3、案例演練：打造企業(yè)內(nèi)部知識庫，需要對加載的本地文檔進行向量化，通過LlamaIndex框架編寫RAG應(yīng)用 4、工具：PyCharm + 通義靈碼 + DeepSeek-R1 + LlamaIndex |
|
第二部分 AI4SE體系設(shè)計與開發(fā)輔助 AI戰(zhàn)略的軟件工程規(guī)范建設(shè) |
主題介紹：在AI4SE指導(dǎo)下，建設(shè)匹配AI戰(zhàn)略的軟件工程規(guī)范 培訓(xùn)要點： 1、軟件工程體系路線圖：企業(yè)在建設(shè)AI戰(zhàn)略時，不能只考慮引入AI作為輔助研發(fā)的工具，而應(yīng)在路線圖的指導(dǎo)下，建立與AI戰(zhàn)略相匹配的數(shù)智時代軟件工程研發(fā)體系 2、軟件研發(fā)流程與AI加速：如何將AI與軟件研發(fā)流程結(jié)合起來，消除AI工具帶來的新問題，控制系統(tǒng)復(fù)雜度，發(fā)揮AI的加速作用 3、AI帶來的軟件研發(fā)范式的變化：AI時代，軟件研發(fā)人員需要適應(yīng)研發(fā)范式的變化，因而需要建立與之匹配的人才能力模型 4、AI4SE體系設(shè)計方法：參考Google/GitHub工業(yè)級方案設(shè)計企業(yè)AI研發(fā)流程 |
| AI輔助需求分析與建模 |
主題介紹：用AI加速領(lǐng)域建模與需求轉(zhuǎn)化培訓(xùn)要點： 1、需求挖掘：BERT-CRF情感分析識別隱性需求 2、智能工作坊：通過Miro.AI開展需求分析和探索工作坊 3、事件風(fēng)暴與領(lǐng)域建模：通過專門的事件風(fēng)暴提示詞結(jié)合PlantUML對需求文檔智能開展事件風(fēng)暴 4、案例演練：圖書館管理系統(tǒng)的事件風(fēng)暴 5、工具：事件風(fēng)暴提示詞模板 + DeepSeek/Qwen + PlantUML + Miro AI |
| AI輔助開發(fā)與測試 |
主題介紹：代碼生成到測試的全鏈路提效培訓(xùn)要點： 1、氛圍編程：介紹氛圍編程（Vibe Coding）的概念與基本思路，對比氛圍編程與傳統(tǒng)編程之間的區(qū)別，介紹遵循氛圍編程思想的AI輔助開發(fā)協(xié)作步驟 2、案例演練：運用v0/Blot.new進行需求功能確認和探索，快速構(gòu)造網(wǎng)站；運用Cursor采用氛圍編程方式快速打造后端服務(wù) 3、AI輔助開發(fā)：代碼補全、生成代碼注釋、生成Swagger API文檔 4、AI測試革命：JUnit單元測試生成，API測試生成 5、AI輔助重構(gòu)：重構(gòu)原則與方法，改進重構(gòu)提示詞提升AI輔助重構(gòu)的效率 6、案例演練：運用Cursor/通義靈碼快速重構(gòu)影片出租店完整案例 7、工具：Cursor + IntellJ IDEA + 通義靈碼 + V0/Blot.new + HTTPie.AI |
|
第三部分 高階工程與行業(yè)實踐 AI+DDD全流程實戰(zhàn) |
主題介紹：領(lǐng)域驅(qū)動設(shè)計是基于面向?qū)ο笏枷胄纬绍浖邪l(fā)全生命周期的一種主流方法，它提出的核心概念、設(shè)計原則與設(shè)計過程又可以和AI深度結(jié)合，從而形成AI+DDD智能化軟件工程方法。培訓(xùn)要點： 1、領(lǐng)域驅(qū)動設(shè)計基礎(chǔ)知識：介紹領(lǐng)域驅(qū)動設(shè)計的基礎(chǔ)知識和標準過程 2、案例演練：運用AI + DDD快速完成會議預(yù)定系統(tǒng)，從領(lǐng)域建模到編碼實現(xiàn) 3、DDD四階落地法：需求探索→戰(zhàn)略架構(gòu)→戰(zhàn)術(shù)建?！鷪?zhí)行計劃 4、案例演練：門店訂單系統(tǒng)AI建模到交付 5、工具：Cursor Rules + Spring AI + Claude/Qwen + DeepSeek-Chat API |
| AI智能工程行業(yè)實踐 |
主題介紹：運用AI大模型技術(shù)構(gòu)建企業(yè)級AI Agent協(xié)作網(wǎng)絡(luò)，推進企業(yè)內(nèi)部的智能化軟件工程培訓(xùn)要點： 1、智能體工程化架構(gòu)：引入分層架構(gòu)設(shè)計原則，遵循MCP協(xié)議，建立感知-決策-執(zhí)行閉環(huán)的智能體分層架構(gòu)，從而指引企業(yè)在技術(shù)架構(gòu)層面推動AI為技術(shù)賦能 2、金融級案例：某銀行的AI增強軟件工程應(yīng)用場景實踐涵蓋需求、開發(fā)、測試、運維等關(guān)鍵環(huán)節(jié)，重點聚焦技術(shù)人員耗時多、投入高、操作復(fù)雜的規(guī)?；瘓鼍?，由點及面推進工程化研發(fā)應(yīng)用，并逐步形成AI工作鏈式服務(wù) 3、典型應(yīng)用示例：代碼智能評審助手、代碼遷移工具、技術(shù)知識運營助手等應(yīng)用的構(gòu)建與運用，全方位提升軟件研發(fā)團隊的工作效率 |
|
第一部分 AI研發(fā)基礎(chǔ)強化 大模型核心原理 主題介紹：深入LLM底層機制，了解Transformer架構(gòu)與GPT（生成式預(yù)訓(xùn)練Transformer）的核心原理，并介紹LLM的構(gòu)建知識 培訓(xùn)要點： 1、原理精要：LLM的核心概念包括詞元（token）和嵌入（embedding），闡釋GPT的自注意力機制，文本分類與聚類算法與模型 2、編碼知識：運用transformer、torch、sentence-transformer等框架深入洞悉LLM內(nèi)部機制與算法 3、案例演練：加載開源模型生成文本，演練從文本到詞元到嵌入向量的轉(zhuǎn)換過程，實現(xiàn)簡單的自注意力機制，運用word2vec算法實現(xiàn)內(nèi)容推薦，通過BERT進行情感分析，運用BERTopic進行主題建模 4、工具：Cursor + Python + phi-3-mini + word2vec + pandas |
|
工業(yè)級提示工程 主題介紹：深入提示工程，了解LLM模型參數(shù)、提示詞基本要素和主體結(jié)構(gòu)，講解工業(yè)級提示模板培訓(xùn)要點： 1、原理精要：結(jié)合LLM的底層機制，探討好的提示詞如何引導(dǎo)LLM生成有用的回復(fù) 2、工業(yè)級提示模板：CRISPE框架及其優(yōu)化QCIPSPE框架、思維鏈（CoT）和思維樹（ToT）、ChatGPT/Claude/Gemini等的系統(tǒng)提示詞，GitHub Copilot與Cursor最佳模板分析 3、案例演練：調(diào)用主流大模型，對比各種提示詞模板的使用效果，明確各種提示詞模板的適用場景 4、工具：Cursor + Claude + ChatGPT + DeepSeek R1 + Ollama + Qwen |
|
LangChain與Agent 主題介紹：介紹LangChain引入的鏈式架構(gòu)，掌握運用LangChain開發(fā)AI應(yīng)用及創(chuàng)建Agent 培訓(xùn)要點： 1、鏈式架構(gòu)：LangChain框架基礎(chǔ)知識與鏈式架構(gòu)，通過記憶構(gòu)建LLM的對話回溯能力，運用多提示詞、鏈式架構(gòu)和多模型協(xié)同執(zhí)行任務(wù) 2、智能體：智能體核心機制與ReAct框架 3、案例演練：運用多提示詞鏈式架構(gòu)生成完整故事、通過Agent調(diào)用搜索引擎和計算器完成復(fù)雜任務(wù)、通過ReAct框架實現(xiàn)chat to db智能體 4、工具：Cursor + LangChain + DeepSeek Chat API + Ollama + Qwen + llama3 |
|
MCP工程化實踐 主題介紹：介紹MCP的基礎(chǔ)知識，通過工程案例講解如何通過MCP實現(xiàn)能力擴展與工程提效 培訓(xùn)要點： 1、MCP架構(gòu)與核心原理：深入分析MCP架構(gòu)與核心組件，并明確MCP在AI輔助開發(fā)中存在的核心價值 2、案例演練：打造本地MCP客戶端，實現(xiàn)MCP驅(qū)動的金融分析師 3、工具：Cursor + MCP Host + Ollama + DeepSeek-R1 |
|
LlamaIndex與RAG 主題介紹：使用LlamaIndex框架構(gòu)建企業(yè)專屬知識庫培訓(xùn)要點： 1、RAG核心概念：深度介紹RAG核心概念和關(guān)鍵環(huán)節(jié) 2、LlamaIndex框架知識：講解LlamaIndex框架與RAG有關(guān)的概念，介紹它的關(guān)鍵組件 3、案例演練：打造企業(yè)內(nèi)部知識庫，需要對加載的本地文檔進行向量化，通過LlamaIndex框架編寫RAG應(yīng)用 4、工具：PyCharm + 通義靈碼 + DeepSeek-R1 + LlamaIndex |
|
第二部分 AI4SE體系設(shè)計與開發(fā)輔助 AI戰(zhàn)略的軟件工程規(guī)范建設(shè) 主題介紹：在AI4SE指導(dǎo)下，建設(shè)匹配AI戰(zhàn)略的軟件工程規(guī)范 培訓(xùn)要點： 1、軟件工程體系路線圖：企業(yè)在建設(shè)AI戰(zhàn)略時，不能只考慮引入AI作為輔助研發(fā)的工具，而應(yīng)在路線圖的指導(dǎo)下，建立與AI戰(zhàn)略相匹配的數(shù)智時代軟件工程研發(fā)體系 2、軟件研發(fā)流程與AI加速：如何將AI與軟件研發(fā)流程結(jié)合起來，消除AI工具帶來的新問題，控制系統(tǒng)復(fù)雜度，發(fā)揮AI的加速作用 3、AI帶來的軟件研發(fā)范式的變化：AI時代，軟件研發(fā)人員需要適應(yīng)研發(fā)范式的變化，因而需要建立與之匹配的人才能力模型 4、AI4SE體系設(shè)計方法：參考Google/GitHub工業(yè)級方案設(shè)計企業(yè)AI研發(fā)流程 |
|
AI輔助需求分析與建模 主題介紹：用AI加速領(lǐng)域建模與需求轉(zhuǎn)化培訓(xùn)要點： 1、需求挖掘：BERT-CRF情感分析識別隱性需求 2、智能工作坊：通過Miro.AI開展需求分析和探索工作坊 3、事件風(fēng)暴與領(lǐng)域建模：通過專門的事件風(fēng)暴提示詞結(jié)合PlantUML對需求文檔智能開展事件風(fēng)暴 4、案例演練：圖書館管理系統(tǒng)的事件風(fēng)暴 5、工具：事件風(fēng)暴提示詞模板 + DeepSeek/Qwen + PlantUML + Miro AI |
|
AI輔助開發(fā)與測試 主題介紹：代碼生成到測試的全鏈路提效培訓(xùn)要點： 1、氛圍編程：介紹氛圍編程（Vibe Coding）的概念與基本思路，對比氛圍編程與傳統(tǒng)編程之間的區(qū)別，介紹遵循氛圍編程思想的AI輔助開發(fā)協(xié)作步驟 2、案例演練：運用v0/Blot.new進行需求功能確認和探索，快速構(gòu)造網(wǎng)站；運用Cursor采用氛圍編程方式快速打造后端服務(wù) 3、AI輔助開發(fā)：代碼補全、生成代碼注釋、生成Swagger API文檔 4、AI測試革命：JUnit單元測試生成，API測試生成 5、AI輔助重構(gòu)：重構(gòu)原則與方法，改進重構(gòu)提示詞提升AI輔助重構(gòu)的效率 6、案例演練：運用Cursor/通義靈碼快速重構(gòu)影片出租店完整案例 7、工具：Cursor + IntellJ IDEA + 通義靈碼 + V0/Blot.new + HTTPie.AI |
|
第三部分 高階工程與行業(yè)實踐 AI+DDD全流程實戰(zhàn) 主題介紹：領(lǐng)域驅(qū)動設(shè)計是基于面向?qū)ο笏枷胄纬绍浖邪l(fā)全生命周期的一種主流方法，它提出的核心概念、設(shè)計原則與設(shè)計過程又可以和AI深度結(jié)合，從而形成AI+DDD智能化軟件工程方法。培訓(xùn)要點： 1、領(lǐng)域驅(qū)動設(shè)計基礎(chǔ)知識：介紹領(lǐng)域驅(qū)動設(shè)計的基礎(chǔ)知識和標準過程 2、案例演練：運用AI + DDD快速完成會議預(yù)定系統(tǒng)，從領(lǐng)域建模到編碼實現(xiàn) 3、DDD四階落地法：需求探索→戰(zhàn)略架構(gòu)→戰(zhàn)術(shù)建模→執(zhí)行計劃 4、案例演練：門店訂單系統(tǒng)AI建模到交付 5、工具：Cursor Rules + Spring AI + Claude/Qwen + DeepSeek-Chat API |
|
AI智能工程行業(yè)實踐 主題介紹：運用AI大模型技術(shù)構(gòu)建企業(yè)級AI Agent協(xié)作網(wǎng)絡(luò)，推進企業(yè)內(nèi)部的智能化軟件工程培訓(xùn)要點： 1、智能體工程化架構(gòu)：引入分層架構(gòu)設(shè)計原則，遵循MCP協(xié)議，建立感知-決策-執(zhí)行閉環(huán)的智能體分層架構(gòu)，從而指引企業(yè)在技術(shù)架構(gòu)層面推動AI為技術(shù)賦能 2、金融級案例：某銀行的AI增強軟件工程應(yīng)用場景實踐涵蓋需求、開發(fā)、測試、運維等關(guān)鍵環(huán)節(jié)，重點聚焦技術(shù)人員耗時多、投入高、操作復(fù)雜的規(guī)?；瘓鼍?，由點及面推進工程化研發(fā)應(yīng)用，并逐步形成AI工作鏈式服務(wù) 3、典型應(yīng)用示例：代碼智能評審助手、代碼遷移工具、技術(shù)知識運營助手等應(yīng)用的構(gòu)建與運用，全方位提升軟件研發(fā)團隊的工作效率 |
近期公開課推薦
