- 课程目录
- 课程介绍
-
01 | 第一个大模型程序：Hello GPT
-
02｜提示词技巧：获得代码友好的回复
-
04｜保持会话状态：让Chatbot获得记忆
-
05 | 对话启发式UI：交互方式的新思考
-
06 | Function Calling：让GPT学会使用工具
-
08｜In-context learning：学习解决特定任务
-
09｜ReAct模式：构建自己的AutoGPT
-
10｜文本分片及向量化：让大模型应用企业内部数据
-
11｜LangChain Retrieval：连接大模型和内部文本
-
12｜整合所学：构建多模态Chatbot
-
13｜研发全过程中的应用：硅基工程师诞生
-
14｜代码生成：解决代码生成的依赖性并增强确定性
-
15｜有效利用LLM开发：编写大模型友好的代码
-
16｜云原生部署任务实践：让你成为更好的DevOps工程师
-
17｜HuggingFace与Pre-trained Model：借助AI社区的力量
-
18｜架构展望：集成大模型的应用参考架构
-
结束语｜道阻且长，行则将至
-
结课测试｜来赴一场满分之约吧！
课程介绍
【1024 限时充值特惠】 你将获得 GPT API 编程要点 + LangChain 使用技巧 基于 LLM 的代码生成与调试实践 LLM 在研发全过程的应用案例 LLM 的云原生部署任务实践 企业应用引入 LLM 的排坑指南...【1024 限时充值特惠】
你将获得
- GPT API 编程要点 + LangChain 使用技巧
- 基于 LLM 的代码生成与调试实践
- LLM 在研发全过程的应用案例
- LLM 的云原生部署任务实践
- 企业应用引入 LLM 的排坑指南
讲师介绍
近期他带领团队将大模型成功整合到 Mobvista 云原生平台上，并结合实践经验推出了《AI大模型企业应用实战》课程。此外，蔡超老师还是QCon 大会专题出品人、明星讲师。
课程介绍
现在以 GPT 为代表的大语言模型广受关注，许多企业都在积极探索在自身领域落地 AIGC 技术。
虽然大模型在辅助文档编写、问题回答、内容总结等特定的日常任务上表现良好，但想要把 GPT 这类自然语言模型真正应用到企业应用开发，提高系统的智能化和自动化，我们仍然面临着许多挑战。
- LLM 基于历史数据训练，处理最新信息相关查询的能力有限。
- 与环境的交互问题处理难度大，比如通过 LLM 执行 shell 命令或调用 API 等任务，都涉及到对系统外部环境的联动。
- LLM 需要结合企业内部数据训练调优，才能保障生成内容的准确性。
- LLM 的代码生成能力虽然很强大，但往往针对通用功能，无法处理企业里更复杂的需求。
为了帮你解决这些问题，我们特别邀请了蔡超老师开设这门课。他将根据自己团队在云原生平台中集成大模型的实操经验，带你沉浸式体验如何把 LLM 应用到企业应用开发的整体流程中。
蔡超老师坚信，实践是检验真理的唯一标准，而可以执行的代码是掌握理论的最佳路径。因此这门课会以具体场景的代码实战演练与调试为主，课程中将使用 Python 作为编程语言。
课程配套代码你可以从这里获取。
课程设计
课程分为基础篇、企业应用篇和研发效率篇三个章节，带你循序渐进掌握 LLM 的应用落地。
基础篇
带你快速熟悉 LLM 的基本用法与应用技巧。我们会一起构建开发环境和运行环境，运行第一个大语言模型程序，学习相关提示词技巧，认识 LangChain，并给聊天机器人注入记忆。
企业应用篇
结合大量例子，带你应对企业应用融入 LLM 时面临的诸多挑战，包括与现有企业内部数据的整合、与其他程序的整合、LLM 生成部分与外部环境交互等问题。学完这一章，你就能综合应用大模型和其他工具解决实际工程问题，并结合具体需求场景定制自己的 AutoGPT。
研发效率篇
结合之前所学，探索如何将 LLM 应用到整个研发生命周期里，有效提升我们的工作效率和质量。这一章不但会为你演示 LLM 在系统设计、代码生成、测试生成、云原生部署等方面的应用方法与调优思路，还会与你探讨如何调整现有的架构思维和研发方式，更充分地发掘大模型价值。
课程目录
适合人群
- 希望在企业应用中落地大语言模型，并借此提升团队研发效率的软件工程师和架构师。
- 初中级开发者可以学到如何通过编程方式使用大模型，提高自身开发效率。
- 高级软件开发者和架构师，可以获得对未来软件的新思考，了解大模型带来的软件架构变革和基于大语言模型的全新开发范式。
- 需要了解一门编程语言，后续课程里会使用 Python 语言做演示。