大语言模型编程马拉松：全景实战训练营

🎯 课程目标

• 快速入门 ：在 1 天 课程内，亲手运行和搭建自己的 🤖 LLM 应用 。

• 确保收获 ：每位学员都不会空手而归。

👥 课程受众

• 希望成为 👥LLM 产品经理 的专业人士，希望了解 LLM 的商业和技术应用。

• 想要转型成为 👥LLM 软件工程师 的开发者，希望通过实际编程加深对 LLM 的理解。

• ⭕️ 入门门槛：开箱即用的积木代码 + ChatGpt + 组内助理，点击即可运行。

💰 课程收益

• 跨越门槛：快速消除初入人工智能领域的陌生与畏惧感。

• 认知提升：深入理解大语言模型的工作原理及其在多种场景下的实际应用。

• 编程技能：非编程背景的学员也能通过课程提供的积木代码尝试编写和改进代码。

• 项目实战：围绕假想产品实际操作 LLM 平台，解决实际问题。

• 自学赋能：通过对 Langchain 框架的解读、基于 ChatGpt 的自动化编程，让没有 AI 和 python 基础的学员在课后仍然能编写和扩展应用

📖 课程大纲

📚概述：LLM 简介与核心概念

📝 知识点

什么是大语言模型 LLM

• LLM 的发展历史

• LLM 是如何工作的

• LLM 与 AI 的关系

🏁 第一课：Hello World!

📝 知识点

• 亲手操作 LLM，从最基础的“Hello World!”程序开始，逐步学习如何调用 LLM 进行简单的文本生成

• 解释 API 的使用方法与调用参数

• 讲解如何安全有效地管理 API 账号与密钥

• 理解 LLM Api 的计费方式与持续性成本

📝 第二课：提示词工程

📝 知识点

• 学习如何设计有效的提示词以引导 LLM 生成更高质量的内容

• 介绍不同类型的提示词模板，如静态提示、动态提示

• 探讨如何利用用户输入调整提示词以改善交互质量

📚 第三课：检索增强生成（RAG）

📝 知识点

• 介绍如何通过集成外部数据来提高 LLM 的输出质量和相关性

• 讲解如何构建一个向量数据库，并使用检索增强技术来改进模型的答案质量

🧠 第四课：记忆与持久化

📝 知识点

• 探讨如何通过对话记忆和持久化技术来实现复杂的会话管理

• 介绍如何使用 LLM 存储和回忆过往对话内容

• 了解如何处理长期记忆和短期记忆的不同技术策略

🤖 第五课：智能体

📝 知识点

• 了解智能体与工具的基本运行原理原理

• 进一步实践与感受大语言模型的能力与限制

🤖 第六课：多模态

📝 知识点

• 理解多模态的运行机制

• 学习基于图片的多模态描述与识别

🤖 第七课：大语言模型应用架构

📝 知识点

• 了解大语言模型应用如何嵌入到常见的软件中

• 用真实案例了解大语言模型的 DevOps 及运营流程

🎓 授课讲师

Martin 火星人陈勇（主讲人）

• 长期从事敏捷开发、需求分析、设计模式等开发、培训、咨询、培训工作

• 《SEAi 人工智能需求分析课题》组长

• • 此课题旨在借助人工智能对需求进行自动化总结和拆分

  • 拆分后的结果将直接对应

• • 类（Controller/Model/数据库表）

  • 方法（API）

  • 验收测试用例（instance）

• • 本课程所使用的技术，即提炼于此课题

• SEAi 需求分析系统产品经理

• 某 AI 考试系统产品经理

• 某生活健康类小程序 AI 负责人

• 清华大学硕士

Steven（在线助教，解答编程问题）

• 《SEAi 人工智能需求分析课题》组员

• 领导 QA 团队实施 LLM 在 ALM 需求管理和客户服务系统中的集成

• 美国 Northeastern University 硕士