智能体培训_大模型培训_vibe coding培训

AI全能开发

是当下的风口，更是未来的保障

什么是智能体？

智能体，也叫Agent，是会思考、会调用工具、能自动完成任务的 AI 程序。

什么是vibe coding？

即：氛围编程，其核心在于使用AI生成代码，使开发者聚焦高层次系统设计，降低编程门槛。

什么是AI全能开发？

是AI时代真正的全端全栈开发者，可集产品开发测试运维于一身，收入更高。

如何成为AI全能开发者？

系统学习AI全能开发课程，掌握各种先进AI工具，一人可抵千军万码。

AI全能开发的发展怎么样？

这不是一阵风，而是未来 5–10 年的系统升级。谁先转型，谁就拥有更长上升周期。

AI全能开发的薪资如何?

传统软件工程师，一旦具备AI全能开发能力，薪资可达：15K-80K，上不封顶。

领先行业一代，就业优势尽显

AI全能开发

Vibe Coding+智能体，就业机会更多，
发展上限更高，薪资更高！

10v1就业陪跑，扶上马再送一程

从面试到入职，全程跟踪，随时响应！入职后每名学员+10个老师单独建群，组成强大后援团，及时协助解决各种问题

智能体项目+Vibe Coding项目

广泛覆盖多领域多场景，真正实现集产品\开发\测试\运维于一身！

数十位名师大咖，亲传亲授

北航宋红康、北邮阳哥、大牛禹神、清华武神、中科院左神、人大晨哥...

课程大纲

划时代布局，讲透企业需要的技术！

阶段一：

Python基础

AI时代的通用编程语言

可掌握的核心技能

1、掌握Python环境搭建与开发工具配置，为AI开发奠定坚实基础。

2、精通PyCharm IDE的高效使用，包括调试技巧和工作流优化。

3、熟练运用Python基础语法和控制结构，构建扎实编程基础。

4、深入掌握Python核心数据结构及其应用场景，高效处理数据。

5、精通函数定义与调用，编写可复用代码，理解作用域与递归。

6、掌握文件I/O操作，实现数据持久化与文本处理。

7、理解面向对象编程基本概念，设计并实现简单类和对象。

8、熟悉异常处理机制，确保程序稳定性。

课程设计特色

专为零基础设计，通过实际案例逐步引导学员从环境搭建到第一个项目，让编程变得轻松易懂。
强调实战导向，每个知识点都配备具体项目练习，如愤怒的小鸟、客户信息管理系统等，使理论知识快速转化为实践能力。
涵盖现代Python开发所需的核心技能，从基础语法到高阶特性，全面培养企业级编码习惯，为后续学习打下坚实基础。

课程详细大纲

Python核心

1、Python入门：Python发展史、Python应用场景、Python开发环境搭建

2、PyCharm：PyCharm的安装、设置字体、设置快捷键、PyCharm常用设置、调试

3、Python基础知识：注释、变量以及数据类型、标识符和关键字、输入函数、输出函数、运算符、程序类型转换

4、分支和循环：if判断语句、运算符、if-else语句、while循环、for循环、break、continue

5、字符串和列表：字符串输入、字符串输出、下标和切片、字符串常见函数、列表(list)、列表的循环遍历、列表的增删改查、列表的嵌套、列表的切片

6、字典和元组：字典的增删改查、字典遍历、访问元组、修改元组、集合（set）

7、函数：函数定义、函数的类型、函数参数、函数返回值、函数嵌套、局部变量、全局变量、递归函数、匿名函数

8、文件操作：文件的打开与关闭、文件的读写、文件读写应用

9、面向对象（类和对象）：定义类、类的构成、类的__init__()方法、创建对象、理解self

10、面向对象（封装、继承、多态）：封装、私有方法、私有属性、__del__()方法、继承、多继承、多态、类属性、实例属性、静态方法和类方法

11、面向对象（设计模式）：单例模式、工厂模式、__new__方法

12、综合案例：愤怒的小鸟

13、异常：捕获异常、异常的传递

14、模块：模块中的__all__、模块制作、打包模块、模块安装与使用

15、深拷贝、浅拷贝、私有化：深拷贝案例、浅拷贝案例、进制、位运算、作用域、私有化、属性property

16、生成器、迭代器、闭包、装饰器、元类、垃圾回收、内建函数

17、网络编程：进程池、进程间通信、多线程、进程和线程区别、协程、网络通信、端口、IP地址、socket、UDP、TCP、http

18、网络编程综合案例：企业级web框架starlette介绍及使用

19、正则表达：表示字符、表示数量、原始字符串、表示边界、匹配分组

20、综合案例：客户信息管理系统综合案例

阶段二：

系统架构与数据服务

AI应用的坚实基座

可掌握的核心技能

1、掌握Linux系统安装配置及常用命令，构建稳定开发环境。

2、熟练编写Shell脚本，实现自动化运维任务。

3、掌握Docker容器技术，快速部署隔离应用。

4、精通MySQL数据库操作，实现数据CRUD及查询优化。

5、理解前后端分离架构，掌握API设计规范。

6、使用FastAPI和SQLAlchemy构建高性能Web服务。

课程设计特色

此阶段专注于打造坚实的系统架构与数据服务能力，从Linux命令行到Docker容器化，再到数据库管理与高性能API服务开发，提供全面的技术栈培训。通过实际操作与案例分析，帮助学员深入理解智能应用背后的基础设施建设，强调工程思维与系统认知的培养，为未来的大模型应用开发铺平道路。

课程详细大纲

Linux基础&Shell

1、Linux环境准备：WSL 安装、Linux 安装、VI 编辑器、软件包安装

2、Linux 常用命令：vim、cd、mkdir、chmod、chown、grep、echo、tail、more、touch、sudo、history、yum、systemctl、ln、ifconfig、hostname、ping、netstat、ps等

3、Shell：变量、运算符、条件判断、流程控制、系统函数&自定义函数、常用工具命令、常用正则表达式

MySQL

MySQL安装和使用、SQL语句、数据库操作、表操作、SQL约束、多表操作、开窗函数、案例、远程连接MySQL

Docker

Docker安装、镜像、启动容器、常用命令

前后端基础

FastAPI+Uvicorn 核心基础、SQLAlchemy 数据库操作基础、FastAPI+SQLAlchemy 整合开发、小型实战与部署

考试一

阶段三：

大模型应用开发

智能体时代的业务赋能

可掌握的核心技能

1、深入理解GPT系列模型的设计哲学与训练方法。

2、掌握大模型微调全流程，从数据准备到质量评估。

3、精通指令微调数据构造，提升模型遵循指令的能力。

4、理解PEFT技术体系，掌握参数高效的模型定制策略。

5、了解LoRA低秩适应技术及其在资源受限环境下的优势。

6、熟练应用vLLM高性能推理引擎优化部署性能。

课程设计特色

低门槛高价值——从零构建AI商业应用的实战指南。课程设计打破"AI高深莫测"的迷思，采用"平台工具+API调用+核心原理"三层递进教学法，让学员快速上手并深入理解。聚焦真实商业场景，特别是电商与自媒体两大热门领域，所有案例均来自一线企业实践，学完即可创造商业价值。技术前瞻性强，不仅教授当前流行工具，更深入解析智能体架构、记忆机制等核心概念，培养学员技术演进预判能力。学习曲线科学设计，从无代码平台到Python集成再到私有部署，逐步提升技术深度，确保学员成为企业争抢的"AI+业务"复合型人才！

课程详细大纲

大模型应用开发概述

微调入门、RAG入门、提示词入门、智能体是什么、LLM代理的构成要素、第一个LLM智能体、为Agent配备工具、智能体基本规划与执行、LLM智能体记忆

项目一：商户运营管家

1、智能体开发概述与搭建流程，Coze、Dify的介绍和基本使用

2、企业私有知识库搭建

3、电商场景AI应用搭建（商品营销卖点提炼、商品评论分析、客服对话记录分析、一键生成行业调研报告、客户投诉分类助手、产品营销海报）

4、自媒体领域AI应用搭建（一键生成行业调研PPT、复刻爆款视频）

5、Python调用Coze、Dify平台工作流

6、Coze、Dify的windows平台部署

7、企业级大模型及Ollama、Xinference部署

阶段四：

LangChain & RAG架构

企业级知识智能系统构建

可掌握的核心技能

1、掌握LangChain框架核心架构，构建可扩展的AI应用。

2、精通Model I/O技术，优化LLM交互质量。

3、熟练使用Chains设计模式，实现复杂业务流程。

4、设计高效Memory模块，提升多轮对话体验。

5、构建基于ReAct范式的自主决策智能体。

6、实现RAG全链路技术，从数据加载到检索优化。

7、应用LangGraph框架，构建状态驱动的复杂应用。

8、集成多模态文档处理技术，扩展知识库覆盖范围。

9、运用RAG深度优化技术，提升问答质量。

10、通过掌柜智库、好医智库等项目实战垂直领域应用。

课程设计特色

架构驱动，工业级标准——培养企业级知识智能系统开发能力。课程以LangChain和LangGraph为骨架，深入解析框架设计哲学与状态管理机制，培养真正架构思维。创新引入"可插拔RAG工作流"设计，使系统具备模块化、可扩展特性。集成多模态处理能力，突破传统RAG系统局限，解决真实企业图文混排文档处理难题。项目直击行业痛点：掌柜智库解决电商知识碎片化；好医智库应对医疗文本专业性挑战；伴学智库攻克教育内容个性化需求。通过RAGAS评估框架建立数据驱动优化机制，让学员掌握从基础到高级的完整技术演进路径。

课程详细大纲

LangChain框架

1、LangChain框架概述、LangChain的安装与调用

2、Model I/O：Message、Prompt Template、Output Parsers、FunctionCaling

3、Chains：Chains的设计理念、SequentialChain、RouterChain

4、Memory：Memory模块的设计理念、如何自定义Memory模块、内置的Memory模块

5、Agents：基于LangChain的Agent抽象、自定义基于ReAct范式的Agents、使用LangChain定义的ReAct策略

6、Retrieval：Source 与 data loaders、Text Splitters、Text embedding models、vector store

7、电商平台商家对话助手案例：集成店铺运营数据库检索、平台政策实时查询和客户服务管理功能；开发多工具调用能力，比如：创建优惠券、平台物流/订单、库存检查、工单分类等；掌握通过记忆机制管理多会话上下文；掌握本地知识库的搭建与调用

LangGraph框架

1、LangGraph入门：从链式到图状的思维转变

2、图的核心要素：State, Node, Edge - State (状态)

3、Graphs：图的构建与编译

4、Memory：图中的持久化状态与记忆

5、Agents：使用LangGraph构建更鲁棒、更可控的智能体

6、高级应用与技巧 - 流式输出 (Streaming)

7、案例：内部文档查询助手（小型知识库）

RAG原理及优化

1、RAG 架构演进、RAG 效果评估、质量分数评估、基本能力评估、评估工具 Ragas

2、搭建 RAG 系统：系统架构、索引过程、检索过程、生成过程、索引模块、RAG 链条、流式响应 API

3、索引过程：文档加载、文本分块、向量嵌入与存储

4、RAG 优化：检索前处理-多查询、检索前处理-HyDE、检索后处理-重排序、混合检索、分层缓存

5、Graph RAG：传统 RAG 的局限、基于语料库的 Graph RAG、基于已有知识图谱的 Graph RAG

6、基于语料库的 Graph RAG：切分文本块、抽取实体与关系、构建知识图谱、构建图社区、生成社区摘要、全局查询、局部查询

git/github/gitee/gitlab 安装配置、本地库搭建、基本操作、工作流、集中式

项目二：掌柜智库

1、前沿架构：基于 LangGraph 构建企业级可插拔 RAG 工作流。

2、多模态处理：集成 MinerU 与 OCR，精准解析图文混排 PDF。

3、多路召回：向量检索 + 稀疏检索 + Neo4j 知识图谱多路混合召回。

4、智能切片：支持滑动窗口、Small-to-Big 及语义切分策略。

5、深度优化：引入 HyDE 假设性嵌入与 BGE-Rerank 重排序技术。

6、全链路评估：集成 RAGAS 框架，自动化评估检索与生成质量。

项目实战一：好医智库（五选一）

1、前沿架构：基于 LangGraph 构建可审计、可溯源的企业级可插拔 RAG 工作流。

2、多模态处理：集成 MinerU 与OCR，精准解析医学影像报告、电子病历（EMR）及图文混排医学文献。

3、多路召回：向量检索 + 稀疏检索 + 临床知识图谱多路融合召回，确保医疗问答的准确性与覆盖率。

4、智能切片：支持基于病例结构的切片、滑动窗口、Small-to-Big及医学语义切分策略，适配长文档 EMR 与指南。

5、深度优化：引入 HyDE 假设性嵌入与 BGE-Rerank 重排序技术，优化对症状、诊断、治疗路径等查询的匹配质量。

6、全链路评估：集成 RAGAS 与临床知识正确性校验流程，实现检索与生成的自动化医疗级评估。

项目实战一：伴学智库（五选一）

1、前沿架构：基于LangGraph构建在线教育可插拔RAG工作流，支持课程构建、教辅生成与学习路径推荐的模块化扩展。

2、多模态处理：集成MinerU与OCR，精准解析教材扫描件、课堂板书截图、图文混排课件PDF。

3、多路召回：向量检索+稀疏检索+知识图谱（课程体系/题库知识点网）多路混合召回，支撑题目解析与知识点推送。

4、智能切片：支持滑动窗口、Small-to-Big及教育语义切分策略，适配不同学科的课件、笔记与大体量教材。

5、深度优化：引入HyDE假设性嵌入与BGE-Rerank重排序技术，增强对知识点、题干语义与解题逻辑的精准匹配。

6、全链路评估：集成RAGAS框架，结合题目正确率与知识点覆盖度，完成检索与生成质量的自动化性能评估。

项目实战一：倾听智库（五选一）

1、前沿架构：基于 LangGraph 构建企业级可插拔 RAG 工作流，支持对话意图理解、多轮问答与知识溯源，模块可灵活扩展与替换。

2、多模态处理：集成 MinerU 与 OCR，精准解析对话纪要、访谈文稿、图文混排报告及音视频转写文档。

3、多路召回：向量检索 + 稀疏检索 + 业务场景知识图谱多路混合召回，提升问答连贯性与场景匹配度。

4、智能切片：支持滑动窗口、Small-to-Big 及对话语义切分策略，适配长文本访谈记录与多轮对话日志。

5、深度优化：引入 HyDE 假设性嵌入与 BGE-Rerank 重排序技术，强化对观点、诉求、关键信息的精准提取与匹配。

6、全链路评估：集成 RAGAS 框架，结合信息完整度、回答合理性与事实一致性，实现自动化质量评估。

项目实战一：金融智库（五选一）

1、前沿架构：基于 LangGraph 构建金融场景可插拔 RAG 工作流，支持研报解读、数据查询、风险提示与合规校验一体化流程。

2、多模态处理：集成 MinerU 与 OCR，精准解析财报 PDF、研报图表、招股书、合同文本及金融图文混排资料。

3、多路召回：向量检索 + 稀疏检索 + 金融知识图谱（行业 / 标的 / 指标 / 法规）多路融合召回，保障金融问答严谨性与准确性。

4、智能切片：支持按财报章节、指标维度、条款段落切分，结合滑动窗口、Small-to-Big 与金融语义切片，适配长文档研报与法规。

5、深度优化：引入 HyDE 假设性嵌入与 BGE-Rerank 重排序技术，提升对金融指标、业务逻辑、风险条款的检索与生成精度。

6、全链路评估：集成 RAGAS 框架并叠加金融合规性校验，自动化评估检索准确性、生成可靠性与合规风险。

项目实战一：美途智库（五选一）

1、前沿架构：基于 LangGraph 构建文旅出行场景可插拔 RAG 工作流，支持行程规划、攻略生成、景点问答与服务推荐模块化扩展。

2、多模态处理：集成 MinerU 与 OCR，精准解析旅游攻略、景点介绍、线路手册、票务文件及图文混排文旅宣传资料。

3、多路召回：向量检索 + 稀疏检索 + 文旅知识图谱（景点 / 线路 / 交通 / 住宿 / 政策）多路混合召回，提升推荐合理性与信息全面性。

4、智能切片：支持按地域、行程天数、景点主题切片，结合滑动窗口、Small-to-Big 与出行语义切分，适配长攻略与线路手册。

5、深度优化：引入 HyDE 假设性嵌入与 BGE-Rerank 重排序技术，优化对出行需求、偏好、游玩路线的语义理解与匹配。

6、全链路评估：集成 RAGAS 框架，结合信息真实度、路线合理性与用户问答满意度，完成自动化检索与生成质量评估。

考试二

阶段五：

智能体项目实战

多场景AI解决方案深度开发

可掌握的核心技能

1、精通Rasa框架定制开发，构建企业级对话系统。

2、应用DIET多任务学习架构，提升对话理解准确率。

3、设计混合对话策略，平衡业务规则与交互灵活性。

4、实现垂直领域特征工程优化，攻克专业术语识别。

5、开发动态动作执行机制，连接外部业务系统。

6、构建NL2SQL智能体，实现自然语言到复杂SQL转换。

7、设计高并发异步架构，优化系统响应性能。

8、实现中控调度架构，构建多功能统一智能入口。

9、构建全生命周期记忆机制，确保对话连贯性。

10、通过三大业务方向（电商、数据、医疗/教育）实战智能应用项目。

课程设计特色

真场景、真技术、真价值——AI智能体商业落地的终极实战。课程聚焦三大高价值赛道项目：电商小二系统攻克中文电商口语识别；掌柜问数实现复杂NL2SQL能力；万应助手融合LBS、知识库与SQL查询，构建统一智能入口。创新采用"技术模块化+场景定制化"教学模式，核心引擎统一讲解，业务适配分场景精讲。所有项目强调"能办事"而非"会聊天"，集成真实业务API，实现订单查询、挂号预约、报表生成等实际功能。项目开发遵循企业标准流程，从需求分析到测试验收，培养工程化思维。最终交付可直接投入生产的智能体系统，让学员携真实商业价值进入就业市场，成为企业AI转型的核心推动力量。

课程详细大纲

项目三：电商小二

1、行标级开源项目深度二开与定制：深入 Rasa 源码层进行企业级二次定制开发。

2、深度语义融合：构建 Sparse + Dense 双路特征提取网络，结合正则表达式（Regex）与预训练语言模型（BERT/ChineseBERT），实现对电商复杂术语的精准理解。

3、DIET 多任务学习：采用 DIET (Dual Intent and Entity Transformer) 架构，在一个模型中同时完成意图分类与实体提取，大幅提升训练效率与识别准确率。

4、混合对话策略： Rule + ML (TED) 双引擎驱动。利用 RulePolicy 处理退换货等硬性业务流程，利用 TED 策略处理上下文跳跃等复杂多轮对话，拒绝"人工智障"。

5、全链路特征工程：内置 Jieba 中文分词与 CountVectors 词袋模型，针对中文电商语境进行专项优化，解决"口语化"、"缩略语"识别难题。

6、动态动作执行：基于 Action Selection 模块，不仅能"答疑"，更能"办事"。支持自定义 Action 调用外部 API，实时查询订单状态、修改物流信息。

7、可视化故事建模：基于 Stories 故事策略进行多轮对话流程建模，将非线性的用户交互转化为可控的机器学习训练样本。

项目实战二：尚医助手（五选一）

1、开源项目深度二开与定制：深入 Rasa 源码层进行企业级二次定制开发。

2、深度语义融合：构建 Sparse + Dense 双路特征提取网络，结合正则表达式（Regex）与预训练语言模型（BERT/ChineseBERT），实现对医疗专业术语的精准理解。

3、DIET 多任务学习：采用 DIET (Dual Intent and Entity Transformer) 架构，在一个模型中同时完成意图分类与实体提取，大幅提升训练效率与识别准确率。

4、混合对话策略： Rule + ML (TED) 双引擎驱动。利用 RulePolicy 处理挂号缴费、病历查询等硬性业务流程，利用 TED 策略处理病情描述、用药咨询等复杂多轮对话。

5、全链路特征工程：内置 Jieba 中文分词与 CountVectors 词袋模型，针对中文医疗语境进行专项优化，解决"口语化症状描述"、"医学缩略语"识别难题。

6、动态动作执行：基于 Action Selection 模块，不仅能"答疑"，更能"办事"。支持自定义 Action 调用外部 API，实时查询检验报告、预约检查项目、更新患者诊疗信息。

7、可视化故事建模：基于 Stories 故事策略进行多轮对话流程建模，将非线性的用户交互（如症状主诉、病史追问、用药指导）转化为可控的机器学习训练样本。

项目实战二：知学助手（五选一）

1、开源项目深度二开与定制：深入Rasa源码，针对在线教育平台进行二次定制开发，支持课程咨询、学习路径推荐、作业提醒等教育业务场景需求。

2、深度语义融合：构建Sparse+Dense双路特征提取网络，结合正则表达式（Regex）与教育领域语言模型（EduBERT/ChineseBERT），精准理解课程名、教学术语、学生口语化提问。

3、DIET多任务学习：应用DIET模型，实现意图分类（课程查询/报名咨询/学习疑问）与实体识别（课程名称、章节、知识点、年级）一体化，提升模型性能。

4、混合对话策略：Rule+ML(TED)双引擎驱动。RulePolicy处理选课流程、考试流程等固定路径；TED策略处理学生自由问答、课程跳跃式咨询等复杂多轮学习互动场景。

5、全链路特征工程：内置对教育语境优化的分词器与CountVectors特征模型，解决课程简称、学习术语、学生非正式表达等解析困难问题。

6、动态动作执行：基于ActionSelection，可调用LMS/教务系统API，实现课程进度查询、作业提醒、学习数据汇总等实时教学辅助功能。

7、可视化故事建模：使用Stories建模多轮学习场景，将课程咨询、知识点问答、学习规划等过程转换为可控训练样本，提高学习交互的可解释性与可扩展性。

项目实战二：倾听助手（五选一）

1、开源项目深度二开与定制：深入 Rasa 源码层进行企业级二次开发，适配政务咨询、民意倾听、投诉建议、回访调研等对话场景。

2、深度语义融合：构建 Sparse + Dense 双路特征提取网络，结合正则表达式（Regex）与中文预训练模型（BERT/ChineseBERT），精准识别诉求、意见、问题描述等口语化表达。

3、DIET 多任务学习：采用 DIET 架构，在统一模型中完成意图分类（投诉 / 建议 / 咨询 / 求助）与实体提取（时间、地点、事件、对象），提升意图理解准确率。

4、混合对话策略：Rule + ML (TED) 双引擎驱动。使用 RulePolicy 处理流程化业务（登记信息、工单流转、进度查询）；使用 TED 策略处理自由陈述、多轮追问、复杂诉求表达。

5、全链路特征工程：基于 Jieba 分词与 CountVectors 词袋模型，针对民生口语、方言化表达、缩略称谓做专项优化，解决模糊诉求、长句描述的理解难题。

6、动态动作执行：通过 Action Selection 模块调用外部系统 API，实现诉求登记、工单派发、进度查询、结果反馈、回访提醒等自动化办事能力。

7、可视化故事建模：基于 Stories 完成多轮交互建模，将诉求表达、信息核实、问题追问、结果告知等流程标准化，提升对话可控性与业务落地能力。

项目实战二：金融助手（五选一）

1、开源项目深度二开与定制：深入 Rasa 源码进行金融场景企业级二次开发，支持理财咨询、业务办理、风险提示、客服回访等智能对话需求。

2、深度语义融合：构建 Sparse + Dense 双路特征提取网络，结合正则表达式（Regex）与金融领域预训练模型，精准识别产品名称、金额、期限、风险等级、业务条款等专业信息。

3、DIET 多任务学习：采用 DIET 架构，同步实现意图分类（开户 / 转账 / 理财 / 贷款 / 查询）与实体抽取（账号、金额、产品、日期、费率），提升金融对话识别精度。

4、混合对话策略：Rule + ML (TED) 双引擎驱动。RulePolicy 负责密码验证、业务鉴权、流程办理等强规则场景；TED 策略负责理财咨询、风险解读、收益对比等复杂多轮问答。

5、全链路特征工程：优化 Jieba 分词与 CountVectors 特征模型，适配金融口语、产品简称、行业黑话与数字表达式，解决模糊查询与歧义理解问题。

6、动态动作执行：通过 Action Selection 调用核心业务 API，支持余额查询、交易明细、风险测评、产品推荐、业务预约等实时操作。

7、可视化故事建模：使用 Stories 构建多轮金融对话流程，实现咨询 — 校验 — 办理 — 告知全链路标准化，提升合规性与交互稳定性。

项目实战二：美途助手（五选一）

1、开源项目深度二开与定制：基于 Rasa 源码深度二次开发，面向文旅出行场景打造智能助手，支持景点问答、行程规划、票务查询、酒店咨询、投诉建议等功能。

2、深度语义融合：构建 Sparse + Dense 双路特征网络，结合 Regex 与中文预训练模型，精准识别目的地、景点、日期、人数、预算、出行方式等关键信息。

3、DIET 多任务学习：采用 DIET 架构，统一完成意图识别（订票 / 订房 / 攻略 / 投诉 / 问路）与实体抽取（城市、景点、时间、价格区间、交通方式），提高交互效率。

4、混合对话策略：Rule + ML (TED) 双引擎驱动。RulePolicy 处理票务查询、酒店预订、入园预约等标准化流程；TED 策略处理自由行程规划、偏好调整、多目的地对比等复杂对话。

5、全链路特征工程：基于 Jieba 分词与 CountVectors 做文旅场景优化，支持景点别称、口语化需求、模糊地点描述的理解，提升用户体验。

6、动态动作执行：通过 Action Selection 调用文旅、交通、票务 API，实现实时查询车次、景点开放时间、天气、路线规划、订单状态更新等能力。

7、可视化故事建模：使用 Stories 建模多轮出行对话，将需求收集、方案推荐、修改调整、确认下单流程结构化，支持灵活扩展线路与服务类型。

项目四：掌柜问数（三选一）

1、大厂开源内核：基于京东最新开源 DataAgent 架构深度定制，承袭经亿级业务场景验证的企业级稳定性与工业化标准。

2、思维链驱动 NL2SQL：引入 Deep-Thinking 推理层，采用"重写-思考-生成"三阶段 Agent 架构，确保复杂 SQL 生成的逻辑准确性。

3、混合多路召回：创新性融合 Qdrant 向量检索与 Elasticsearch 倒排索引，实现 Schema 语义与单元格精准值的双重混合召回。

4、动态 Schema 剪枝： ColumnFilterModule 智能列过滤技术，基于查询语义自动剔除无关字段，大幅降低 LLM 上下文噪声。

5、高并发异步架构：全链路基于 AsyncIO 构建，并行执行 Query Rewrite 与 Schema Ranking，显著降低端到端响应延迟。

6、精准语义对齐：集成 Jieba 分词与 HyDE 策略进行查询意图扩展，有效解决业务术语与数据库字段名的语义鸿沟。

项目四：归因分析（三选一）

1、大厂开源内核：基于最新 AttributionAgent 架构深度定制，适配电商多渠道、长链路的归因分析需求。

2、思维链驱动多模型归因：引入 Deep-Attribution 推理层，采用"路径解析-因子拆解-权重分配"三阶段 Agent 架构，兼容末次互动、线性归因、时间衰减等多类模型，确保复杂用户路径归因的逻辑准确性与合理性。

3、混合多路召回：创新性融合 Qdrant 向量检索与 Elasticsearch 倒排索引，实现用户行为触点与归因因子的双重混合召回，精准匹配每笔交易对应的全链路营销渠道与运营动作。

4、动态因子剪枝：AttrFilterModule 智能因子过滤技术，基于电商业务场景（广告投放、促销活动、自然流量等）自动剔除无关归因因子，大幅降低 LLM 上下文噪声，提升归因效率。

5、高并发异步架构：全链路基于 AsyncIO 构建，并行执行路径追溯与权重计算，适配电商大促峰值时段的海量交易数据归因需求，显著降低端到端响应延迟。

6、精准语义对齐：集成 Jieba 分词与 HyDE 策略进行归因意图扩展，有效解决电商业务术语（如直通车、直播带货、复购归因）与归因模型字段名的语义鸿沟，提升归因精准度。

项目四：商城风控（三选一）

1、大厂开源内核：基于最新 RiskAgent 架构深度定制，适配电商全场景风控排查需求。

2、思维链驱动风险识别：引入 Deep-Risk 推理层，采用"特征提取-风险研判-决策生成"三阶段 Agent 架构，确保复杂交易风险、欺诈行为识别的逻辑准确性。

3、混合多路召回：创新性融合 Qdrant 向量检索与 Elasticsearch 倒排索引，实现风险特征语义与交易行为数据的双重混合召回，精准捕捉潜在风控隐患。

4、动态风险因子剪枝：RiskFilterModule 智能风险因子过滤技术，基于查询语义自动剔除无关风险字段，大幅降低 LLM 上下文噪声，提升风控识别效率。

5、高并发异步架构：全链路基于 AsyncIO 构建，并行执行风险检测与特征排序，适配电商大促峰值时段的海量交易风控需求，显著降低端到端响应延迟。

6、精准语义对齐：集成 Jieba 分词与 HyDE 策略进行风控意图扩展，有效解决电商风控术语（如刷单、盗刷、恶意退款）与风控模型字段名的语义鸿沟。

项目五：市场罗盘（四选一）

1、场景化任务拆解：结合问数、客服等智能体场景，布置真实业务需求（如电商订单数据查询、售后问题统计），明确智能体功能边界与验收标准

2、自主设计与开发：学生从 0 到 1 完成智能体架构设计、核心功能编码（如对话逻辑、数据接口集成），老师提供实时技术答疑与方案指导

3、阶段性目标划分：按 "需求分析→原型设计→开发调试→功能验证" 拆分阶段，每个阶段设定明确产出（如需求文档、可运行 Demo），避免盲目开发

4、动态进度管控：通过项目看板同步各学生进度，每周开展 1 次进度复盘，老师针对滞后情况调整任务难度或提供额外支持

5、多维度过程检查：关键节点（如架构确定、核心功能完成）进行代码评审与功能测试，老师指出优化点（如交互流畅度、数据准确性）

6、成果落地与展示：学生最终提交可运行智能体及开发报告，组织成果演示环节，老师点评亮点与改进方向，强化实战成就感

项目五：万应助手（四选一）

1、中控调度架构：采用基于 Orchestrator 的分诊模式，精准识别用户意图，在知识库、SQL 查询、地图服务与购物助手间动态路由。

2、Text-to-SQL：内置 sql_info_agent，支持将自然语言转化为结构化 SQL，精准查询维修站分布、城市覆盖及特定服务信息。

3、时空智能集成：引入 MCP (Model Context Protocol) 协议对接百度地图，实现基于地理位置（LBS）的维修点查询与导航规划。

4、领域知识 RAG：集成 knowledge_agent 垂直知识库，专门处理"电脑无法开机"等硬件故障诊断，提供专家级维修指导。

5、全生命周期记忆：基于 JSON 的持久化 Session 管理，支持多轮对话上下文保持，确保服务过程的连续性与个性化。

6、全栈交互体验：Python 异步后端配合 Vue3 + Element Plus 前端，打造响应式、可视化的现代智能客服终端。

项目五：舆情分析（四选一）

1、多源舆情采集架构：采用分布式爬虫与API对接结合模式，全面抓取电商平台、社交媒体、新闻资讯、论坛评论等多渠道舆情数据，实现全场景舆情覆盖。

2、智能舆情分类研判：内置 sentiment_agent 情感分析模块，结合 BERT 预训练模型，精准识别舆情正面、负面、中性倾向，自动标注舆情核心诉求与关键词。

3、舆情热度动态追踪：引入热度计算模型与时间序列分析，实时监测舆情传播速度、覆盖范围、互动量，生成可视化热度趋势图，精准捕捉舆情爆发点。

4、风险舆情预警机制：基于关键词匹配与语义相似度检索，设置多级预警阈值，针对恶意诋毁、投诉集中、虚假宣传等风险舆情，实现实时弹窗与短信预警。

5、全周期舆情记忆：采用 JSON 持久化存储与上下文关联技术，留存舆情历史数据与研判记录，支持多轮舆情追溯、趋势对比与复盘分析。

6、全栈可视化展示：Python 异步后端搭配 Vue3 + ECharts 前端，打造舆情仪表盘，直观呈现舆情分布、情感占比、风险等级，支持自定义查询与数据导出。

项目五：运维管家（四选一）

1、智能运维调度架构：采用基于 Orchestrator 的分诊模式，精准识别运维告警意图，在设备监控、故障排查、日志分析与工单处理间动态路由，实现运维全流程自动化。

2、日志智能解析：内置 log_analysis_agent，结合 NLP 与正则匹配技术，支持将自然语言运维需求转化为日志查询指令，精准提取设备异常、性能瓶颈等关键信息。

3、多维度监控集成：引入 Prometheus + Grafana 监控协议，对接服务器、数据库、应用程序等多类运维对象，实现硬件负载、软件性能的实时监测与可视化展示。

4、运维知识 RAG：集成 ops_knowledge_agent 垂直知识库，专门处理服务器宕机、端口异常、内存溢出等常见运维故障，提供标准化排查流程与解决方案。

5、全周期运维记忆：基于 JSON 的持久化 Session 管理，留存设备运行日志、故障处理记录与运维操作历史，支持多轮故障追溯、问题复盘与经验沉淀。

6、全栈运维交互：Python 异步后端配合 Vue3 + Element Plus 前端，打造智能化运维控制台，直观呈现设备状态、告警信息、处理进度，支持一键提交运维工单。

考试三

阶段六：

大模型微调

大模型垂直领域转化的核心技术

阶段七：

Vibe Coding 项目实战

AI 生成式编程全流程落地开发

可掌握的核心技能

1、产品设计:能完成项目业务需求分析、页面与功能规划,借助AI生成页面原型图及交互说明。

2、架构设计:掌握DDD领域设计思想,能完成领域与服务划分、ER图设计、数据库表结构设计及前后端接口设计,遵循开发规范与工程约定。

3、前端开发：能拆解页面原型提示词、固化生成规范，看懂Vue3页面结构，完成页面调试与接口验证。

4、后端开发：能固化后端生成规范，基于若依框架实现微服务CRUD，掌握Elasticsearch搜索、Redis缓存、多线程异步编排等核心场景解决方案。

5、小程序开发：能拆解小程序原型提示词，使用微信开发者工具完成模拟测试与接口验证。

6、AI多智能体集成：掌握RAG流程设计，能完成多类型文件转换、图片提取、向量转换及Milvus向量数据库的存储与查询，优化文本切片与搜索重排。

7、测试技能：掌握测试基础，能编写测试方案与用例，实现自动化测试、JMeter压力测试，管理Bug并完成AI Agent评估测试。

8、掌握接口测试、流程测试等验收方法，能编写后端Dockerfile、使用Docker Compose编排多服务，完成Nginx部署与Jenkins CI/CD持续交付。

9、提示词拆解与需求转化：能精准拆解不同行业项目的产品风格、功能需求，通过自然语言Prompt描述产品意图、交互风格，实现需求向AI可识别指令的转化。

10、AI代码生成与优化：借助Vibe Coding技术，让AI自动生成项目完整代码架构，无需深耕传统编程语法，重点掌握代码优化、逻辑调试技巧，提升开发效率。

11、Vibe Coding场景落地：熟练运用Vibe Coding"意图主导、AI落地"核心逻辑，掌握其在文旅、房产、音频、教育、生活服务、医疗等多行业的落地技巧。

课程设计特色

精准覆盖Vibe Coding工具、前后端、微服务等前置基础，层层铺垫，确保学员具备商城项目开发所需的全栈基础能力，避免基础薄弱导致的实战脱节。遵循"产品设计—架构设计—前后端开发—小程序开发—AI集成—测试—运维"全流程，完整复刻硅谷商城项目从需求到上线的全链路，贴合企业实际开发场景。核心贯穿Vibe Coding理念，通过提示词拆解、生成规范固化，借助AI辅助完成原型、代码生成，兼顾开发效率与代码质量，贴合行业AI赋能开发的趋势。涵盖微服务、缓存、消息队列、搜索引擎、向量数据库、Docker、CI/CD等企业核心技术，聚焦电商场景高频需求，让学员掌握岗位必备核心技能。融入AI多智能体集成、AI辅助测试等前沿内容，将RAG、VL模型等技术落地到电商场景，助力学员掌握AI+电商的差异化技能，提升岗位竞争力。提供6个不同行业（文旅、房产、音频、教育、家政、医疗）的实战项目，学员可根据自身兴趣与目标岗位选择，覆盖多领域AI开发场景，拓宽就业方向。全程以Vibe Coding技术为核心，贯穿"自然语言描述需求—AI生成代码—人工优化"全流程，弱化传统编码门槛，聚焦需求转化与业务落地，贴合企业AI赋能开发的主流趋势。每个项目均复刻对应行业主流APP核心功能与业务流程，覆盖从需求描述、代码生成到产品交付的全链路，让学员在实战中积累真实项目经验，实现"学完即能用"。

课程详细大纲

前置基础

Vibe Coding 工具：Codex Cursor、Claude Code

web基础：HTML、CSS、HTTP、前后端请求响应机制、前后端分离开发模式

前端基础：Npm Vue3 vite element plus Axios

后端技术： Java核心

后端技术：Springboot Springcloud

后端技术：RabbitMQ

后端技术：Redis

项目六：硅谷商城-产品设计

项目业务需求分析：项目背景、核心业务目标、用户角色、业务流程梳理

页面与功能范围规划：页面清单梳理、功能模块划分、用户使用路径设计

ai辅助生成页面原型图：借助 AI 生成页面草图、原型图、交互说明

项目六：硅谷商城-系统架构设计

领域划分与服务划分：DDD概念介绍，领域模型初步分析、模块边界划分、服务职责拆分

核心数据实体设计：产出实体关系图 (ER图）

数据库设计规范、数据库表结构设计：表设计原则、主外键关系、索引基础、冗余字段设计

前后端数据接口设计：接口命名规范、请求参数与返回结构、状态码、异常返回接口命名规范、请求参数与返回结构、状态码、分页查询、异常返回

开发规范与工程约定：目录结构、命名规范、代码注释、接口文档规范

项目六：硅谷商城-前端设计

基于页面原型稿，拆解出提示词

定义生成规范，固化为SKILL

理解看懂生成的VUE3页面结构

手动页面调试

验证交互接口

项目六：硅谷商城-后端设计

定义生成规范，固化为SKILL

基于若依框架微服务基础CRUD操作

基于Elasticsearch的搜索场景解决方案

基于Redis的缓存加速场景解决方案

多线程异步编排场景

低耦合消息队列场景

权限管理认证中心场景

第三方支付场景

项目六：硅谷商城-小程序

基于页面原型稿，拆解出提示词

定义生成规范，固化为SKILL

理解看懂生成的VUE3页面结构

学会使用微信开发者工具进行模拟测试

验证交互接口

项目六：硅谷商城-AI多智能体集成

RAG流程设计

多类型文件转换

利用VL模型进行图片提取

利用Embedding模型和进行向量化转换

利用存储向量数据库milvus进行向量存储查询

文本切片规则优化

reranker模型对多路搜索进行重排

项目六：硅谷商城-生成测试

测试基础概论

测试方案、测试用例的编写

自动化测试

基于jmeter的压力测试

bug平台管理

AI Agent 评估与测试

项目六：硅谷商城-运维上线

测试与验收基础：接口测试流程测试测试用例测试文档

后端Dockerfile 编写：后端镜像制作、镜像构建、运行参数配置

Docker Compose 部署：多服务编排、数据库与中间件整合、容器启动与管理

Nginx 与前端、静态资源的部署：前端部署在nginx容器中反向代理

项目持续交付：jenkins ci/cd 持续交付

项目实战三：美途旅行（多选一）

采用Vibe Coding技术开发一站式旅行服务平台，复刻主流旅行APP核心功能，涵盖目的地探索、景点门票预订、酒店民宿选型、行程规划、在线支付及旅行攻略分享等模块。学生只需通过自然语言描述产品"氛围感"与功能需求，即可借助AI生成完整代码架构，快速实现VR景点预览、智能行程推荐、多产品联动预订等核心功能，全程聚焦业务逻辑与用户体验，高效完成符合市场需求的旅行平台开发，掌握Vibe Coding在文旅场景的落地技巧。

项目实战三：好房易租（多选一）

基于Vibe Coding技术打造便捷高效的租房服务平台，覆盖个人租房、房东管理、房源筛选三大核心场景。学生通过自然语言Prompt描述租房平台的功能意图与交互风格，AI自动生成房源搜索筛选、VR看房、在线沟通、电子合同签署、租金支付、房源状态管理等完整代码，无需深耕传统编程语法，重点锻炼需求引导与代码优化能力，快速交付可直接落地的租房平台，积累房产服务领域的AI编程实战经验。

项目实战三：倾听FM（多选一）

运用Vibe Coding技术开发沉浸式音频服务平台，复刻主流FMAPP核心体验，涵盖电台直播、精品有声内容播放、节目回听、订阅收藏、互动聊天室、个性化推荐等功能。学生通过自然语言描述音频平台的视觉风格与功能需求，AI快速生成完整代码架构，实现音频播放控制、内容分类展示、用户互动、定时关闭等核心功能，深度践行Vibe Coding"意图主导、AI落地"的核心逻辑，掌握音频类产品的快速开发技巧。

项目实战三：云尚课堂（多选一）

依托Vibe Coding技术构建一站式在线教育平台，适配K12至成人教育全学段需求，涵盖直播授课、录播课程、智能题库、学习进度跟踪、在线答疑、个性化学习计划生成等核心模块。学生通过自然语言描述教育平台的功能诉求与界面风格，AI自动生成完整代码，快速实现课程管理、学员管理、学习数据分析等功能，高效完成教育类产品开发，熟练运用Vibe Coding技术解决在线教育场景的实际开发需求。

项目实战三：谷德家政（多选一）

采用Vibe Coding技术开发专业化家政服务平台，覆盖用户端、家政人员端、后台管理端三大场景，涵盖服务分类浏览、智能匹配、在线预约、订单管理、资质认证、评价反馈、财务管理等核心功能。学生通过自然语言描述家政平台的业务流程与功能需求，AI快速生成完整代码架构，无需繁琐编码，重点聚焦业务场景落地与用户体验优化，高效交付可满足三方需求的家政服务平台，积累生活服务领域的AI编程实战经验。

项目实战三：好医在线（多选一）

基于Vibe Coding技术打造便捷化医疗服务平台，复刻主流在线医疗APP核心功能，涵盖在线问诊、名医挂号、电子处方、药品配送、诊后随访、健康管理、长辈模式等核心模块。学生通过自然语言描述医疗平台的功能意图与安全需求，AI自动生成符合医疗行业规范的代码，快速实现医患高效对接、医疗服务闭环，践行Vibe Coding高效开发理念，掌握医疗服务场景下的AI编程技巧与合规性开发要点。

阶段八：

前沿热点技术融合

紧跟行业趋势，抢占技术红利

可掌握的核心技能

1、基于Hermes Agent技术,掌握自我改进型智能体核心设计方法,实现具备自我进化能力的长期运行型Agent开发。

2、吃透Harness思想核心,掌握其核心能力与关键概念,夯实复杂智能体系统设计基础,实现原始大模型向可控自治体转化。

3、基于OpenClaw平台，掌握常驻型AI助手实操技巧，可独立完成多场景智能体应用的搭建与落地。

课程设计特色

聚焦行业热门方向，对接主流技术生态，同步行业最新成果，让学员掌握贴合前沿的实用技能。

课程详细大纲

Harness Engineering

基于 Hermes Agent 技术，讲解"自我改进型智能体"这一前沿方向。学生将掌握具备长期记忆、技能沉淀、经验学习、工具调用、自动调度与多 Agent 协同能力的智能体系统设计方法，理解 AI 应用如何从一次性代码生成，进一步升级为"会记忆、会积累、会持续执行任务"的长期运行型 Agent。Hermes Agent 官方将其定位为 self-improving AI agent，强调 built-in learning loop，可从经验中创建并改进 skills、搜索过往对话、跨会话建立用户模型，并支持定时任务与多平台接入。

OpenClaw小龙虾技术

基于 OpenClaw 开源智能体平台，掌握常驻型 AI 助手的基本使用方式，掌握多渠道消息接入、工具调用、技能扩展与日常任务处理等重要能力。学生将通过实际操作，认识个人 AI 助手类产品的基本形态，掌握搭建与使用通用智能体应用的入门方法。

Hermes Agent爱马仕技术

围绕 Harness 思想，讲解 AI Agent 从"直接调用模型"走向"可控运行系统"的关键架构升级。学生将理解 Harness 并非单一产品，而是位于模型与外部世界之间的运行控制层，负责工具接入、权限约束、状态管理、执行循环、安全控制与结果回收等核心能力，掌握 Agent Runtime / Agent Host / 控制外壳等重要概念，为后续学习复杂智能体系统设计打下基础。近期关于 agent harness 的研究与技术讨论，普遍将其定义为把原始大模型转化为可控自治体的基础设施层。

阶段九：

就业冲刺

大牛引路，冲击大厂，把握超级风口

全新项目库

真正企业级项目，面试轻松搞定，工作直接可用

真正的企业所用项目

项目广泛覆盖电商、医疗、旅游、教育等多个领域，并且智能体项目和AI全能开发项目之间是关联的。智能体项目和智能体项目之间也都是闭环的，智能体项目解决某一行业所需要用到的主流场景。你可系统掌握AI时代企业急需的数字化、智能化转型急需的核心关键技术。

真正的全链路闭环项目

从产品设计、架构设计开始，到前端开发、后端开发、小程序开发、AI多智能体集成，最后进行项目测试、运维部署上线，真正进行全链路项目开发，真正掌握全栈开发的全部技术！

真正的智能体项目

项目授课时间长、不敷衍。从项目需要的理论基础开始讲起，对每一个需求均详细讲解，确保学生跟上思路，彻底理清项目架构，掌握项目设计思维。实打实花一个多月时间去讲5个智能体项目，非其他机构只花1周左右时间去简单讲解小案例可比。

真正的按企业级标准进行

课程中使用真实企业开发数据，学生按照企业级开发标准进行项目的搭建。开发流程、代码编写规范、项目上线流程、项目的性能调优也全部按照企业级标准进行。面试时一看就是有经验的熟手。

全程护航，你们只管乘风破浪

入学测验 多方面考察适不适合学、适合学什么技术方向。

个性化预习方案 根据学员具体情况制定，帮你提前进入状态。

技术学习期 技术老师、辅导老师、班主任全程贯穿。

面试求职 就业老师1v1面试指导，职业素养课，简历指导，面试推荐。

毕业后免费充电 毕业后仍可按需学习,免费充电，持续提升。

职后护航 扶上马，再送一程，帮助学员解决工作中的问题。

AI全能开发

什么是智能体？

什么是vibe coding？

什么是AI全能开发？

如何成为AI全能开发者？

AI全能开发的发展怎么样？

AI全能开发的薪资如何?

领先行业一代，就业优势尽显

AI全能开发

10v1就业陪跑，扶上马再送一程

智能体项目+Vibe Coding项目

数十位名师大咖，亲传亲授

课程大纲

全新项目库

真正的企业所用项目

真正的全链路闭环项目

真正的智能体项目

真正的按企业级标准进行

全程护航，你们只管乘风破浪

实力担当 行业之光

实力担当行业之光