大模型培训 | RAG培训 | MCP培训 | 大模型核心技术RAG、MCP与智能体实践培训

1. 大模型提示工程与智能软件组合应用
2. 本地大模型私有化部署实操
3 使用蒸馏大模型完成微调、数据准备过程、模型训练代码实践
4.知识库建设与多模态RAG提高召回
5. MCP协议及其代码落地——自定义工具
6. 强化学习算法与MCP集成
7. 基于平台的Agent 智能体开发
8. 多模态智能体技术实现

培训对象：本课程面向有一定经验的数据分析师、AI工程师或业务建模人员。

学员基础：有Python基础

授课方式：内容讲解+案例分析+实战练习，人手一机，提前发送实验环境与案例资料，课上边学边练。

培训内容：2天

主题	课程安排
第一节：大模型提示工程与智能软件组合应用	1. 文件分类与检索优化 2. 利用 DeepSeek 的语义分析能力，对文件进行智能分类 3. 构建高效的文件检索系统，通过关键词和语义搜索快速定位文件 4. 文件内容提取与分析 5. 从各类文档中提取关键信息，如合同中的条款、报告中的数据等 6. 运用 DeepSeek 进行文本数据分析，生成可视化报告 7. 不同岗位文件处理重点应用 8. 自动化报告生成：整合多平台数据生成日报/周报 9. DeepSeek在Excel中的应用 10. DeepSeek在数据分析实战演练 11. DeepSeek在Excel问题解决、思路构建等方面的应用方法 12. DeepSeek生成Excel函数的用法 13. 使用DeepSeek大模型辅助数据分析 14. 利用 DeepSeek 生成 PPT 大纲和PPT精修 15. 与DeepSeek对话，获取讲故事和写作技巧 16. 根据大纲，使用 DeepSeek 获取相关图片、案例等素材 17. AI做海报、banner、详情图、做场景广告图 18. 视频素材智能检索：通过语义标签快速匹配历史素材库（如节日营销内容复用）。 19. 视频质量优化：自动检测画质、音效问题并修复（如直播回放优化）。 20. 企业服务视频智能化 21. 软件需求转化为测试用例生成目标 22. 设计基于规则或数据驱动的生成模型架构 23. 生成策略优化 24. 如何对生成的测试用例进行质量审核 25. 不同软件项目中的测试用例生成实践
第二节：本地大模型私有化部署实操	1 Deepseek-R1 蒸馏版的部署实操模型获取：通过 HuggingFace 官方仓库申请权限下载 deepseek-r1-7B 、 8B 、 32B 、 70B 的 safetensors 格式权重推理服务启动关键参数 trust_remote_code 、 max_model_len 等的讲解解释器多种启动服务方式对比服务验证代码调用服务 API 的参数设置 2 Deepseek-R1 蒸馏版部署流程模型获取： HuggingFace / Modelscope / github 的参数下载硬件配置说明根据模型参数估计显存使用的方法对标模型的比较 QwQ 系列的突然开源 Qwen3 和 DeepSeek 的对比 3 Qwen3 的部署量化加速 FP8 的特点对比 Deepseek 原论文中量化章节的解读 REST API 调用：深度学习系统部署的常用方式针对 AI 算法的部署框架
第三节：使用蒸馏大模型完成微调、数据准备过程、模型训练代码实践	1 Deepseek-R1 领域数据微调数据准备：格式： JSONL 文件，每条含 instruction/input/output 数据源：财报、券商研报、金融问答对、运营商问答对、意图识别数据关键处理：使用 SentencePiece 重组专业术语 tokenization QLoRA 训练配置微调在大模型中的常用方法多种 LoRA 方式的对别启动训练显存优化 GPU 并行 2 探讨适合微调的业务场景阐述项目中 RAG 模式和 LoRA 模式的选择探讨微调方案的优势，分析不适合微调的场景 3. UI 缺陷检测 - 多模态微调实践图像、文本、音频等多模态数据融合原理基于预训练模型进行多模态微调操作收集、标注多模态 UI 缺陷数据模型选择与训练从数据预处理到模型部署的完整操作流程缺陷检测效果评估大型软件项目中的 UI 缺陷检测
第四节：知识库建设与多模态RAG提高召回	1 私有数据的文档生成系统全流程实操架构设计：数据层： Wind API 实时获取宏观指标 + PDF 解析模块推理层： Deepseek-R1 作为生成核心 Mistral-8x7B 进行事实核查评估层： Rouge-L 评估内容一致性 FinBERT 检测财务数据矛盾 2.以部署拓扑理清整体脉络常规分析、复杂计算、数据采集、向量数据库、路由决策、 Deepseek-R1/Mistral-8x7B 、合规审查、 PDF 输出 3 基于知识库的问答系统实操关键技术点： RAG 增强：使用 LlamaIndex 构建行业知识图谱 FAISS 向量库实现百万级文档秒级检索记忆管理：缓存最近轮次的对话摘要采用 CoT （ Chain-of-Thought ）提示工程技术风控拦截：关键词过滤（如“保证收益”、“ 100% ”等违规表述）置信度阈值设定（ softmax 概率 <0.7 时触发人工接管）
第五节：MCP协议及其代码落地——自定义工具	1、MCP 技术核心内容协议架构与设计原理客户端-服务器模型：MCP Host、Client、Server的交互逻辑上下文感知与多步骤任务任务链式调用，通过多次工具调用完成复杂推理关键技术特性：介绍 JSON-RPC 2.0 安全机制：沙盒隔离、零信任架构、敏感数据本地化处理在 IDE 中直接调用代码审查、数据库查询、整合影像与表格数据等应用场景 2、A2A 技术核心内容协议架构与协作机制任务状态管理：任务提交、处理中和完成/失败的全生命周期管理动态代理发现：Agent Card 元数据文件、权限协商与功能匹配关键技术特性：安全设计、高并发支持、多Agent协同复杂任务分解 3、其他相关配套技术与工具底层通信协议 WebSocket适配云端与边缘计算场景开发框架与生态生态工具Mintlify、OpenTools 分布式训练框架PyTorch Distributed、DeepSpeed 4、实践：uv内置工具和自定义工具状态空间离散化方法 MCP代码实现的步骤和全流程
第六节：强化学习算法与MCP集成	1.深度强化学习（DRL）算法精讲算法原理与MCP适配性分析： DQN：Experience Replay与Target Network实现 PPO：重要性采样与Clipped Surrogate Objective MADDPG：集中式训练与分布式执行范式实践：在MCP中实现Atari游戏Agent Frame Stacking预处理分布式推理加速 2.多智能体协同经典协作模型： STRAW COMA 实践：简单合作任务 DeepMind的SIMON架构图解（记忆优先设计） Anthropic的Constitutional AI安全层设计与大模型的协同关系能力互补图谱代码智能体的工作机制与核心能力代码变更检测到影响范围评估的完整流程代码解析、依赖关系挖掘等技术实现方式设计基于机器学习的变更影响预测模型代码变更检测测试
第七节：基于平台的Agent 智能体开发	1.零基础开发AI Agent 智能体初步认识Agent Agent的概念与发展 Agent是高层级的AI技术应用 Agent的特点与能力 Agent开发平台的演进基于字节扣子code平台开发Agent 2.平台核心能力解析架构特性：可视化编排 vs 代码深度定制能力矩阵知识库管理：支持PDF/CSV/Markdown多格式对话引擎：基于LLM的意图识别准确率复杂业务流：需通过API扩展高级功能拓展自定义插件开发多轮对话策略设计 Agent 测试与优化创建应用、知识库配置、对话流程设计、调试技巧 3. Agent开发自定义插件开发实战开发收益率计算插件创建Python插件脚手架实现核心逻辑复杂对话策略设计多轮状态管理方案 4. Agent优化性能调优方案缓存策略：为高频查询添加Redis缓存层负载均衡：配置Nginx反向代理实现多实例分发敏感信息过滤：正则表达式拦截敏感信息 4.智能体实战开发Agent的流程与策略 Agent开发的功能模块详解——插件、工作流、图像流 Agent开发的功能模块详解——知识库、记忆与对话体验实战篇——5大场景、11个Agent案例
第八节：多模态智能体技术实现	1.多模态处理管道模态对齐：CLIP-style跨模态嵌入空间构建模态融合：Attention-Based Fusion Layer设计决策统一：跨模态指令的神经符号转换 2.实现方案对比 3.认知架构创新世界模型（World Model）的具身应用记忆增强方案：MemGPT的分层记忆管理 4.群体智能演进 Agent Swarm技术：AutoGen的多角色协作机制联邦学习在分布式Agent中的应用智能体的自然语言理解、图像识别等基础能力进行专项测试验证智能体在日志、代码、测试报告等数据融合下的检测效果缺陷分类准确性测试智能体在高并发场景下的缺陷检测响应速度与稳定性通过测试数据优化智能体的缺陷检测阈值与策略人机协同测试