工程师
其他
大模型
推荐课程
average > 0 ? $model->average . '分' : '10.0分' ?>

智能Agent赋能研发：AI大模型时代的提效之道

Lucas_HC

前某内容类互联网上市公司 前大社区业务前端研发负责人 / 增长&创作者&用户体验研发团队负责人

Lucas，前某互联网上市公司研发总监 大社区业务前端研发负责人 / 增长&创作者& 用户体验研发团队负责人，管理 scope 近百人。擅长架构选型、团队技术方向制定和 难点问题攻坚，擅长前端工程化体系搭建，以及基础建设流程设计， 深入了解前端各类技术框架和相关技术栈，同时拥有高流量产品稳定性建设以及性 能和用户体验优化相关丰富经验，在业务提效和质量保障方面亦有深厚积累，在跨端（包 括小程序矩阵）、富文本编辑器、Node.js、React.js、LowCode 等技术方向有较强业内影响力。曾先后工作于： 谷歌， 百度（知识搜索部） 国内外知名互联网企业，具有丰富的团队管理经验，除前端团队外，还负责增长业 务 & 创作者业务 & 用户体验业务前后端、客户端研发团队。在技术氛围打造，团队 成员培养，技术体系建设，新技术落地，难点攻坚，历史包袱重构方面有丰富实践经历。 著有《React 状态管理和服务端同构实践》《前端开发核心知识进阶》《前端工程 化和基础建设》等多部畅销书，在开源方面，担任公司开源技术委员会主席和技术沉淀 组 owner，个人参与维护多项 FaceBook, Google 主导的多项业内知名开源项目。
在AI Agent 领域，也研究颇深。在海内外多家知名大厂担任核心研发架构和管理岗位，主导并参与了多个 Agent 项目的开发与落地工作，对 Agent 开发的各个环节有较深度的理解。在学术方面，发表过多篇高质量的行业论文（关于 Deep Research 的综述 Survey + MAS 的架构和自适应进化），参与并贡献 LangGraph 生态。

Lucas，前某互联网上市公司研发总监 大社区业务前端研发负责人 / 增长&创作者& 用户体验研发团队负责人，管理 scope 近百人。擅长架构选型、团队技术方向制定和 难点问题攻坚，擅长前端工程化体系搭建，以及基础建设流程设计， 深入了解前端各类技术框架和相关技术栈，同时拥有高流量产品稳定性建设以及性 能和用户体验优化相关丰富经验，在业务提效和质量保障方面亦有深厚积累，在跨端（包 括小程序矩阵）、富文本编辑器、Node.js、React.js、LowCode 等技术方向有较强业内影响力。曾先后工作于： 谷歌， 百度（知识搜索部） 国内外知名互联网企业，具有丰富的团队管理经验，除前端团队外，还负责增长业 务 & 创作者业务 & 用户体验业务前后端、客户端研发团队。在技术氛围打造，团队 成员培养，技术体系建设，新技术落地，难点攻坚，历史包袱重构方面有丰富实践经历。 著有《React 状态管理和服务端同构实践》《前端开发核心知识进阶》《前端工程 化和基础建设》等多部畅销书，在开源方面，担任公司开源技术委员会主席和技术沉淀 组 owner，个人参与维护多项 FaceBook, Google 主导的多项业内知名开源项目。 在AI Agent 领域，也研究颇深。在海内外多家知名大厂担任核心研发架构和管理岗位，主导并参与了多个 Agent 项目的开发与落地工作，对 Agent 开发的各个环节有较深度的理解。在学术方面，发表过多篇高质量的行业论文（关于 Deep Research 的综述 Survey + MAS 的架构和自适应进化），参与并贡献 LangGraph 生态。

课程费用

5800.00 /人

课程时长

2天

成为教练

课程简介

在AI大模型快速发展的当下，企业研发流程面临着新的机遇与挑战。本课程旨在帮助研发人员深入理解如何利用AI大模型搭建Agent，解决研发流程中的痛点问题，提升研发效率。课程结合最新的理论知识与丰富的业内案例，通过沙盒演练等互动环节，让学员在实践中掌握相关技能。

目标收益

1. 掌握Agent搭建的核心技术：了解AI大模型在Agent搭建中的应用，掌握从需求分析到Agent实现的全过程。
2. 解决研发流程痛点：通过案例分析，学习如何利用Agent优化需求管理、代码生成、测试等环节，提升研发效率。
3. 提升团队协作能力：了解如何通过Agent实现跨部门协作，让非技术人员也能参与研发流程
4. 前沿技术趋势洞察：了解AI大模型与Agent结合的最新发展趋势，为企业的技术战略提供参考
5. 实战经验积累：通过沙盒演练环节，学员将亲手搭建Agent，积累实战经验


培训对象

课程大纲

（一）AI大模型与Agent的基础知识 * AI大模型的原理与特点：介绍AI大模型的基本原理、架构以及其在自然语言处理、图像识别等领域的优势
* Agent的概念与架构：讲解Agent的定义、功能以及常见的架构模式，包括其在研发流程中的作用
* AI大模型与Agent的结合方式：探讨如何将AI大模型的能力融入Agent，实现智能化的任务处理
（二）Agent在研发流程中的应用场景 * 需求管理与分析：利用AI大模型理解自然语言描述的需求，自动生成需求文档和任务分解
* 代码生成与优化：通过Agent实现从需求到代码的自动生成，减少手动编码工作量，并实时检测与修复代码错误
* 测试与质量保障：Agent可以自动生成测试用例，执行自动化测试，并分析测试结果
* 文档生成与管理：AI大模型能够根据代码和需求自动生成技术文档，提高文档的准确性和完整性
（三）Agent搭建的实践方法 * xxx 案例：介绍xxxx如何利用AI大模型搭建知识库问答系统，实现企业内部知识的高效管理和智能问答
* Dify案例：分析Dify平台如何通过Agent框架和RAG管道，快速搭建生成式AI应用
* Xxx案例：探讨xx如何通过可视化界面和工作流编排，实现AI客服的快速创建和训练

（五）沙盒演练环节 * Agent搭建实战：学员分组搭建自己的Agent，完成从需求分析到代码生成、测试的全过程
* 问题解决与优化：在实战中遇到的问题进行讨论和解决，分享优化经验
* 成果展示与评估：各小组展示搭建的Agent，进行效果评估和反馈

总结与展望 * 总结课程要点：回顾课程的核心内容，包括AI大模型与Agent的结合方式、应用场景以及搭建方法
* 未来发展趋势：探讨AI大模型与Agent结合的未来发展方向，如更智能的自动化开发、更强大的个性化推荐等
* 学员反馈与建议：收集学员对课程的反馈，为后续课程的改进提供参考

（一）AI大模型与Agent的基础知识
* AI大模型的原理与特点：介绍AI大模型的基本原理、架构以及其在自然语言处理、图像识别等领域的优势
* Agent的概念与架构：讲解Agent的定义、功能以及常见的架构模式，包括其在研发流程中的作用
* AI大模型与Agent的结合方式：探讨如何将AI大模型的能力融入Agent，实现智能化的任务处理
（二）Agent在研发流程中的应用场景
* 需求管理与分析：利用AI大模型理解自然语言描述的需求，自动生成需求文档和任务分解
* 代码生成与优化：通过Agent实现从需求到代码的自动生成，减少手动编码工作量，并实时检测与修复代码错误
* 测试与质量保障：Agent可以自动生成测试用例，执行自动化测试，并分析测试结果
* 文档生成与管理：AI大模型能够根据代码和需求自动生成技术文档，提高文档的准确性和完整性
（三）Agent搭建的实践方法
* xxx 案例：介绍xxxx如何利用AI大模型搭建知识库问答系统，实现企业内部知识的高效管理和智能问答
* Dify案例：分析Dify平台如何通过Agent框架和RAG管道，快速搭建生成式AI应用
* Xxx案例：探讨xx如何通过可视化界面和工作流编排，实现AI客服的快速创建和训练

（五）沙盒演练环节
* Agent搭建实战：学员分组搭建自己的Agent，完成从需求分析到代码生成、测试的全过程
* 问题解决与优化：在实战中遇到的问题进行讨论和解决，分享优化经验
* 成果展示与评估：各小组展示搭建的Agent，进行效果评估和反馈

总结与展望
* 总结课程要点：回顾课程的核心内容，包括AI大模型与Agent的结合方式、应用场景以及搭建方法
* 未来发展趋势：探讨AI大模型与Agent结合的未来发展方向，如更智能的自动化开发、更强大的个性化推荐等
* 学员反馈与建议：收集学员对课程的反馈，为后续课程的改进提供参考


课程费用

5800.00 /人

课程时长

2天

预约体验票 我要分享

近期公开课推荐

近期公开课推荐

活动详情

提交需求