AI产品经理的
知识进阶指南
从大语言模型核心原理到实战应用,全面提升你的AI产品管理能力
大语言模型核心原理
-
人工智能演进与大模型兴起: 从AI1.0到AI2.0的变迁
- 定义与核心概念
- AI1.0: 感知智能时代
- AI2.0: 认知智能时代
- 人工智能的核心能力与应用场景
- 大模型度量认知解析
- 大模型与通用人工智能
-
主流大模型
DeepSeekQwen2GLM系列LLama系列GPT系列ClaudeGemini
- 开源大模型 VS 闭源大模型
-
大模型应用产品
文心一言智谱清言ChatGPT
- 重点行业预测
- 大模型赋能行业通用场景应用分析
-
大模型行业分析
大模型 > 金融大模型 > 政务大模型 > 医疗大模型 > 法律、游戏、教育、电商等
- 发展趋势: 更快、更强、更省、更安全
- 大模型的发展趋势与挑战
- 大语言模型的机器学习学习有哪些老师
-
Transformer架构
- 为什么会用Transformer
- 什么是Transformer
- RNN的原理与局限性
- Transformer架构分析
-
大模型运行基本机制
- 大模型如何理解和表示单词
- 大模型如何理解并预测输入的内容
L1阶段: 启航篇 | 极速提升AI新时代
LLM 大语言模型的基础认知与核心原理
掌握大语言模型的基本概念、工作原理和应用场景,建立扎实的理论基础。
- 预训练、SFT、RLHF
- Prompt 提示工程特征
-
Prompt Engineering基础原理与工程调优技巧
- 提示词(Prompt)与提示工程
- Prompt Engineering构建原则
- Prompt的调优和构成要素
- Prompt调试进阶技巧
- Prompt攻击与防范
-
Prompt Engineering实战应用
应用实践: 小红书文案生成应用实践: 基于提示工程的学员管理系统实现应用实践: 企业活动成本分析估算应用实践: 根据多表数据自动编写SQL代码生成
- Prompt Engineering 前瞻总结
L2阶段: 攻坚篇 | RAG开发实战工坊
- LangChain
- 什么是LangChain?
- LangChain概念
- LangChain应用生命周期全景
- 增强提示词模板和输出解析器
-
Langchain的链和LCEL
应用实践: 多用户聊天机器人实战应用实践: LCEL内置模板提取在线网页新闻网页实战
-
LangChain与RAG
应用实践: 基于LangChain的在线网页的RAG实现
-
LangChain的工具调用
应用实践: 使用工具查询数据库
RAG痛点分析与优化方案实践
- RAG商业化痛点分析
- Advanced RAG原理
- Advanced RAG
RAGFlow应用
-
RAGFlow应用价值分析应用实践: 机器人医疗问诊助手
-
FastGPT应用分析应用实践: 实时网页信息搜索+RAG的问答系统搭建及发布
RAG应用评估
-
RAG应用评估
- 评估方法
- 评估类型和评估指标
- 常用的评估工具介绍
- 应用实践: 无缝医疗评估注入了解剖指标和优化方向
-
RAG应用评估
- 如何通过指标判断RAG应用的性能
- 诊断RAG应用性能瓶颈
- RAG应用针对性优化策略
- RAG性能指标与客观和行业标准
- 为什么知识快大小很重要
- 知识快大小评估实践
- 评估结论
- 应用实践: 2023全球智慧城市AI挑战赛
L3阶段: 跃迁篇 | Agent智能体架构设计
Agent
- Agent: 生活与革命
-
Agent智能: Function Calling
应用实践1: The First Agent应用实践2: AI Agent+Tools+Memory应用实践1: 动态SQL生成与数据库查询应用实践2: 12306买票场景接口对接
-
Agent核心认知框架
应用实践: 命题机器人工程实践
- 多Agent实践与数字人应用
-
多Agent系统
应用实践: 根据指令生成代码应用实践: 多智能体协同代码生成应用应用实践: Job Posting (职位发布)
-
Agent 数字人应用
数字人应用实践1: 实时交互数字人数字人应用实践2: 模型面试机器人
LangGraph
- 第一部分: 基础篇
- 第二部分: 应用篇
- 第三部分: 实战篇
Coze
- Coze概述
- Coze粒子、功能与优势
- 应用实践: Coze实战AI旅游助手
L4阶段: 精进篇 | 模型微调与私有化部署
大模型私有化与本地部署
- 微调: 打造专属领域专家模型
- 模型微调 Freezing
- 开源模型评估方式
- 模型显存占用与量化技术
- QAT量化方法介绍
- PTQ量化方法介绍
- GPTQ量化方法介绍
- 训练后量化方法解析
- BitsAndBytes库使用场景分析
- TensorRT-LLM框架适用场景分析
- 大模型量化策略框架对比分析
- 模型量化对比实例
Application Engineering
-
多模态大模型架构解读
- 重磅结果: 强化学习实现R1-Zero强化学习训练过程中推理能力涌现
- 大模型应用工程
- 大模型AI工程平台(MoPaaS)
- 打造私有化模型 --- 智能时代企业关键的IP
专题策划: 特训篇 【录播课】
全新升级: LlamaIndex
- LlamaIndex是啥
- LlamaIndex快速入门
- LlamaIndex初探
- 核心组件
- Workflow
全新升级: DeepSeek场景化开发
全新升级: 大模型上下文协议: MCP
- 智能体交互新范式: A2A
GraphRAG增强风升级
- GraphRAG原理
- 应用场景
- 项目部署