|
AI与大模型技术应用案例 |
| AI主要应用技术分类 |
•
AI在各行业的落地应用
• AI技术框架
• AI技术的四要素
• AI模型的研发流程
• 图像算法典型案例
• 语音算法典型案例
• NLP算法典型案例 |
| 大模型技术 |
•
大模型的定义和特点
• 大模型技术演变简史
• 大模型的架构解析
• Transformer核心原理
• 大模型训练方法和优化技术
• 大模型面临的挑战 |
| 主流大模型案例~文文
|
•
文生文-llama
• 文生文-Qwen
• 文生文-Deepseek |
|
主流大模型案例~文图 |
•
图生文-llama-vision
• 文生图-stable-diffusion
• 文生视频- CogVideoX
• 视频生文- VideoChat |
| 主流大模型案例~文音 |
•
文生语音-chatTTS
• 语音生文- whisper |
|
大模型本地化部署与提示词工程 |
|
OLIama部署应用 |
•
OLIama简介
• 模型参数
• 网络安全隔离
• 部署OLIama环境
• OLIama常用操作命令
• 离线模型CLI接口
• 模型API接口
• UI调试界面
• 【案例】实现离线大模型人机对话
|
| 提示词工程 |
•
什么是提示词工程？
• 优化的上下文提示词
• 提示词万能公式
• 【案例】提示词返回精准答案 |
|
提示词库与脚本调用大模型 |
•
维护提示词库
• 关键词匹配
• 开发脚本调用大模型
• 【案例】一键式调用大模型 |
|
练习与实践 |
•
OLlama部署
• DeepSeek模型部署
• 常用命令操作
• 3种方式调用大模型练习
• 提示词优化练习
|
|
AI智能体Dify部署与实践 |
|
Dify概述与主要功能 |
•
Dify平台概述
• Dify的核心功能与优势
• Dify与其他平台对比
• 低代码/无代码开发模式
• 模块化设计与丰富的功能组件
• Prompt工程与模型微调
• 工作流与自动化任务
• 多模态应用开发
• 【案例】Dify工作流实现爬虫并提取摘要 |
|
RAG概述 |
•
什么是RAG
• RAG架构
• 检索模块
• 生成模块
• 融合模块 |
|
构建本地知识库
| •
什么是知识库
• 向量数据库
• 使用Embedding模型将文本转换为数值向量
• 导入文本
• 【案例】导入需求文档并生成测试用例
• 【案例】Dify集成lightrag实现知识图谱查询 |
|
练习与实践 |
•
部署Dify环境
• 集成本地大模型
• 创建Agent
• 创建聊天助手
• 创建工作流
• 构建本地知识库
• 基于RAG实现需求文档生成测试用例 |
|
大模型在质量和效能领域的落地实践 |
|
大模型在全局质量中应用 |
•
大模型在全局质量中应用
• 生成Jenkins groovy脚本构建CI pipeline |
|
大模型用于缺陷检测与代码审查 |
•
Code review概述
• Code review结果解析
• Code review结果推送
• 【案例】进行自动化code review |
|
大模型用于白盒测试代码自动化生成 |
•
大模型生成白盒测试代码
• 进行自动化白盒测试执行
• 【案例】白盒测试集成至CI流水线 |
|
大模型用于研发自测自动化用例生成 |
•
数据遍历
• 【案例】大模型根据规则生成测试数据
• 【案例】图像测试数据生成
• 【案例】语音测试数据生成 |
|
大模型用于测试数据生成 |
•
数据遍历
• 【案例】大模型根据规则生成测试数据
• 【案例】图像测试数据生成
• 【案例】语音测试数据生成 |
|
大模型用于手工测试用例生成 |
•
测试用例评审维度
• 生成提示词
• 【案例】大模型进行手工测试用例评审与续写 |
|
大模型用于测试用例评审与续写 |
•
测试用例评审维度
• 生成提示词
• 【案例】大模型进行手工测试用例评审与续写 |
|
大模型用于接口自动化测试用例生成 |
•
接口文档输入
• 代码输入
• 接口自动化测试用例生成提示词
• 【案例】大模型生成接口自动化测试脚本 |
|
大模型用于UI自动化测试用例生成 |
•
代码质量评价维度
• 开发代码质量评估脚本
• 【案例】实现提交代码分钟级质量评估反馈 |
|
大模型用于代码质量评估 |
•
代码质量评价维度
• 开发代码质量评估脚本
• 【案例】实现提交代码分钟级质量评估反馈 |
| 大模型结果优化策略 |
•
温度微调
• 使用top-k/top-p采样
• 增加上下文信息
• 模型后处理
• 多模型融合
• 【案例】搭建工作流实现结果优化策略 |
|
练习与实践 |
•
上机实现上述众多案例 |
|
课程总结与答疑 |
