?

第一天：大模型基礎與典型應用

1. 大模型發展與原理綜述

·?1.1 大模型的發展歷史與技術路線

·?1.2 主流大模型架構簡介（GPT系、BERT系、擴散模型等）

·?1.3 語言模型、視覺模型、跨模態模型的區別與聯系

2. 生成式AI的應用場景

·?2.1 文本生成與摘要

·?2.2 代碼生成與輔助開發

·?2.3 圖像理解與生成

·?2.4 知識問答與智能助手

3. 主流大模型平臺及生態

·?3.1 開源模型（LLaMA、BLOOM、ChatGLM等）

·?3.2 商業API平臺（OpenAI、百度文心一言、阿里通義千問等）

·?3.3 API調用的基本方法和流程

4. 實戰演練一：文本生成和問答系統

·?4.1 利用API/本地模型實現文本創作

·?4.2 構建簡單知識問答機器人

·?4.3 結果演示與參數調優體驗

5. 大模型應用最佳實踐

·?5.1 提示詞工程（Prompt Engineering）入門

·?5.2 如何結合業務場景設計有效的輸入

·?5.3 常見問題與規避技巧

?

?

第二天：大模型能力擴展、融合與實戰

6. 大模型的精調與定制

·?6.1 微調（Fine-tuning）與指令微調的基本原理

·?6.2 工具鏈與平臺（如LoRA、PEFT、Transformers庫等）

·?6.3 精調數據準備與流程示例

7. 多模態與AI Agent應用

·?7.1 圖文多模態大模型簡介

·?7.2 AIGC（生成式內容）場景拓展

·?7.3 Agent與自動任務流工具鏈實踐

8. 大模型在企業實際場景的落地案例

·?8.1 智能客服

·?8.2 自動化文檔處理

·?8.3 行業垂類模型定制案例分享

9. 大模型應用的安全、合規與風險防控

·?9.1 內容安全與合規政策

·?9.2 隱私保護與數據安全

·?9.3 對抗風險和評測思路

10. 實戰演練二：大模型應用項目實操

·?10.1 選定場景進行項目設計和實現（支持小組分工）

·?10.2 模型調用、調優及展示

·?10.3 問題答疑與改進建議

11. 培訓總結與答疑交流