课程简介
基于开源离线大模型，全面讲述并带领学员搭建本地化大模型环境与智能体工作流，结合质量与研发效能各典型场景需求，通过离线开源大模型、AI智能体实现业务降本增效的需求，如代码评审、测试用例自动化生成、测试数据构造、代码质量评估等。
目标收益
1.掌握主流大模型本地化部署与应用方法
2.掌握设计有效提示词，以及提示词工程优化方法
3.掌握大模型在质量和效能领域的落地实践与场景应用
4.通过上机实践，带领学员搭建智能体工作流，调用DeepSeek，llama-vision，Qwen等大模型
5.针对企业实际问题，给予案例与解答
培训对象
课程大纲
| AI主要应用技术分类 |
1.AI在各行业的落地应用 2.AI技术框架 3.AI技术的四要素 4.AI模型的研发流程 5.图像算法典型案例 6.语音算法典型案例 7.NLP算法典型案例 |
| 大模型技术 |
1.大模型技术演变简史 2.大模型的架构解析 3.Transformer核心原理 4.大模型训练方法和优化技术 5.大模型面临的挑战 |
| 主流大模型案例~文文 |
1.文生文-llama 2.文生文-Qwen 3.文生文-Deepseek |
| 主流大模型案例~文图 |
1.图生文-llama-vision 2.文生图-stable-diffusion 3.文生视频- CogVideoX 4.视频生文- VideoChat |
| 主流大模型案例~文音 |
1.文生语音-chatTTS 2.语音生文- whisper |
| OLIama部署应用 |
1.OLIama简介 2.模型参数 3.网络安全隔离 4.部署OLIama环境 5.OLIama常用操作命令 6.离线模型CLI接口 7.模型API接口 8.UI调试界面 9.【案例】实现离线大模型人机对话 |
| 提示词工程 |
1.什么是提示词工程？ 2.提示词万能公式 3.提示词优化方法与技巧 4.【案例】提示词返回精准答案 |
| 提示词库与脚本调用大模型 |
1.维护提示词库 2.关键词匹配 3.开发脚本调用大模型 4.【案例】一键式调用大模型 |
| 上机实操 |
1.OLlama部署 2.Qwen大模型部署 3.常用命令操作 4.3种方式调用大模型练习 5.提示词优化练习 |
| Dify概述与主要功能 |
1.Dify平台概述 2.Dify的核心功能与优势 3.Dify与其他平台对比 4.低代码/无代码开发模式 5.模块化设计与丰富的功能组件 6.工作流与自动化任务 7.多模态应用开发 【案例】Dify工作流实现爬虫并提取摘要 |
| RAG概述 |
1.什么是RAG 2.RAG架构 3.检索模块 4.生成模块 5.融合模块 |
| 构建本地知识库 |
1.什么是知识库 2.向量数据库 3.使用Embedding模型将文本转换为数值向量 4.导入文本 【案例】导入需求文档并生成测试用例 |
| 上机实操 |
1.部署Dify环境 2.集成本地大模型 3.创建Agent 4.创建聊天助手 5.创建工作流 6.构建本地知识库 7.基于RAG实现需求文档生成测试用例 |
| 大模型在全局质量中应用 |
1.大模型在全局质量中应用 2.生成Jenkins groovy脚本构建CI pipeline |
| 大模型用于缺陷检测与代码审查 |
1.Code review概述 2.Code review结果解析 3.Code review结果推送 【案例】进行自动化code review |
| 大模型用于白盒测试代码自动化生成 |
1.大模型生成白盒测试代码 2.进行自动化白盒测试执行 【案例】白盒测试集成至CI流水线 |
| 大模型用于测试数据生成 |
数据遍历 【案例】大模型根据规则生成测试数据 【案例】图像测试数据生成 【案例】语音测试数据生成 |
| 大模型用于手工测试用例生成 |
1.需求文档输入 2.代码输入 3.【案例】大模型生成手工测试用例 4.【案例】Dify多模型专家系统生成测试用例 5.【案例】测试用例自动保存至excel |
| 大模型用于测试用例评审 |
1.测试用例评审维度 2.生成提示词 【案例】大模型进行手工测试用例评审 |
| 大模型用于接口自动化测试用例生成 |
1.接口文档输入 2.代码输入 3.接口自动化测试用例生成提示词 【案例】大模型生成接口自动化测试脚本 |
| 大模型用于UI自动化测试用例生成 |
1.测试用例输入 2.优化提示词 3.【案例】大模型生成selenium自动化测试用例脚本 【案例】大模型生成uiautomator自动化测试用例脚本 |
| 大模型用于代码质量评估 |
1.代码质量评价维度 2.开发代码质量评估脚本 【案例】实现提交代码分钟级质量评估反馈 |
| 大模型结果优化策略 |
1.温度微调 2.使用top-k/top-p采样 3.增加上下文信息 4.模型后处理 5.多模型融合 【案例】搭建工作流实现结果优化策略 |
| 上机实操 | 上机实现上述众多案例 |
|
AI主要应用技术分类 1.AI在各行业的落地应用 2.AI技术框架 3.AI技术的四要素 4.AI模型的研发流程 5.图像算法典型案例 6.语音算法典型案例 7.NLP算法典型案例 |
|
大模型技术 1.大模型技术演变简史 2.大模型的架构解析 3.Transformer核心原理 4.大模型训练方法和优化技术 5.大模型面临的挑战 |
|
主流大模型案例~文文 1.文生文-llama 2.文生文-Qwen 3.文生文-Deepseek |
|
主流大模型案例~文图 1.图生文-llama-vision 2.文生图-stable-diffusion 3.文生视频- CogVideoX 4.视频生文- VideoChat |
|
主流大模型案例~文音 1.文生语音-chatTTS 2.语音生文- whisper |
|
OLIama部署应用 1.OLIama简介 2.模型参数 3.网络安全隔离 4.部署OLIama环境 5.OLIama常用操作命令 6.离线模型CLI接口 7.模型API接口 8.UI调试界面 9.【案例】实现离线大模型人机对话 |
|
提示词工程 1.什么是提示词工程？ 2.提示词万能公式 3.提示词优化方法与技巧 4.【案例】提示词返回精准答案 |
|
提示词库与脚本调用大模型 1.维护提示词库 2.关键词匹配 3.开发脚本调用大模型 4.【案例】一键式调用大模型 |
|
上机实操 1.OLlama部署 2.Qwen大模型部署 3.常用命令操作 4.3种方式调用大模型练习 5.提示词优化练习 |
|
Dify概述与主要功能 1.Dify平台概述 2.Dify的核心功能与优势 3.Dify与其他平台对比 4.低代码/无代码开发模式 5.模块化设计与丰富的功能组件 6.工作流与自动化任务 7.多模态应用开发 【案例】Dify工作流实现爬虫并提取摘要 |
|
RAG概述 1.什么是RAG 2.RAG架构 3.检索模块 4.生成模块 5.融合模块 |
|
构建本地知识库 1.什么是知识库 2.向量数据库 3.使用Embedding模型将文本转换为数值向量 4.导入文本 【案例】导入需求文档并生成测试用例 |
|
上机实操 1.部署Dify环境 2.集成本地大模型 3.创建Agent 4.创建聊天助手 5.创建工作流 6.构建本地知识库 7.基于RAG实现需求文档生成测试用例 |
|
大模型在全局质量中应用 1.大模型在全局质量中应用 2.生成Jenkins groovy脚本构建CI pipeline |
|
大模型用于缺陷检测与代码审查 1.Code review概述 2.Code review结果解析 3.Code review结果推送 【案例】进行自动化code review |
|
大模型用于白盒测试代码自动化生成 1.大模型生成白盒测试代码 2.进行自动化白盒测试执行 【案例】白盒测试集成至CI流水线 |
|
大模型用于测试数据生成 数据遍历 【案例】大模型根据规则生成测试数据 【案例】图像测试数据生成 【案例】语音测试数据生成 |
|
大模型用于手工测试用例生成 1.需求文档输入 2.代码输入 3.【案例】大模型生成手工测试用例 4.【案例】Dify多模型专家系统生成测试用例 5.【案例】测试用例自动保存至excel |
|
大模型用于测试用例评审 1.测试用例评审维度 2.生成提示词 【案例】大模型进行手工测试用例评审 |
|
大模型用于接口自动化测试用例生成 1.接口文档输入 2.代码输入 3.接口自动化测试用例生成提示词 【案例】大模型生成接口自动化测试脚本 |
|
大模型用于UI自动化测试用例生成 1.测试用例输入 2.优化提示词 3.【案例】大模型生成selenium自动化测试用例脚本 【案例】大模型生成uiautomator自动化测试用例脚本 |
|
大模型用于代码质量评估 1.代码质量评价维度 2.开发代码质量评估脚本 【案例】实现提交代码分钟级质量评估反馈 |
|
大模型结果优化策略 1.温度微调 2.使用top-k/top-p采样 3.增加上下文信息 4.模型后处理 5.多模型融合 【案例】搭建工作流实现结果优化策略 |
|
上机实操 上机实现上述众多案例 |
近期公开课推荐
