📖 完整课程大纲

11 大章节，从基础到实战，全方位掌握大模型技术

第1章：大模型基础
▼
  • 1.1 大模型是什么玩意
  • 1.2 大模型存在的意义
  • 1.3 大模型参数
  • 1.4 大模型底层核心原理--Transformer架构
  • 1.5 大模型训练与数据
  • 1.6 大模型为什么需要GPU
第2章：大模型两大阵营
▼
  • 2.1 开源大模型
  • 2.2 闭源大模型
  • 2.3 开源大模型选型指南
  • 2.3.1 选型核心维度
  • 2.3.2 行业选型建议
第3章：大模型私有部署
▼
  • 3.1 硬件配置估算
  • 3.1.1 硬件核心配置逻辑
  • 3.1.2 量化技术与显存优化
  • 3.1.3 典型预算方案
  • 3.1.4 显存估算公式
  • 3.2 硬件选型策略
  • 3.2.1 需求驱动决策
  • 3.2.2 典型企业场景案例
  • 3.3 开源大模型部署实战
  • 3.3.1 部署思路以及方案
  • 3.3.2 阿里云PAI一键部署
  • 3.3.3 腾讯云HAI体验
  • 3.3.4 ollama方式部署
  • 3.3.5 VLLM方式部署
  • 3.3.6 集群模式部署
第4章：大模型微调
▼
  • 4.1 搞懂大模型微调
  • 4.1.1 为什么需要微调
  • 4.1.2 微调技术分类
  • 4.1.3 技术选项指南
  • 4.1.4 微调策略
  • 4.2 大模型微调工具
  • 4.2.1 开源微调工具
  • 4.2.2 商业微调/精调平台
  • 4.3 大模型微调数据集
  • 4.3.1 微调数据集分类
  • 4.3.2 数据集格式
  • 4.3.3 获取公共数据集
  • 4.3.4 制作自己的数据集
  • 4.4 微调超参数
  • 4.5 大模型微调实战
  • 4.5.1 讯飞星火微调实战
  • 4.5.2 LLaMA-Factory微调Qwen3大模型
  • 4.5.3 Unsloth微调Qwen3大模型
第5章：智能体Agent实战
▼
  • 5.1 智能体理论基础
  • 5.2 Coze智能体平台
  • 5.2.1 快速体验Coze智能体
  • 5.2.2 工作流实战
  • 5.2.3 对话流实战
  • 5.2.4 知识库实战
  • 5.2.5 数据库实战
  • 5.3 基于Coze智能体平台实战落地
  • 5.3.1 创建工作流
  • 5.3.2 创建智能体
  • 5.4 基于开源平台Dify搭建智能体
  • 5.4.1 认识Dify
  • 5.4.2 本地部署Dify
  • 5.4.3 在Dify配置模型
  • 5.4.4 在Dify配置插件
  • 5.4.5 创建Chatfow应用
  • 5.4.6 创建工作流
  • 5.4.7 创建知识库
  • 5.4.8 Dify智能体实战
  • 5.5 基于MCP(阿里云百炼)的智能体实战
  • 5.5.1 MCP基础
  • 5.5.2 快速体验阿里云百炼MCP
  • 5.5.3 基于阿里云百炼MCP做一个旅游规划
  • 5.6 私有部署开源版Coze
  • 5.6.1 准备Linux机器
  • 5.6.2 安装Docker和Docker-compose
  • 5.6.3 克隆源码
  • 5.6.4 运行coze
  • 5.6.5 使用coze
  • 5.7 基于n8n的智能体实战
  • 5.7.1 N8n介绍
  • 5.7.2 N8n部署
  • 5.7.2.1 准备工作
  • 5.7.2.2 安装n8n
  • 5.7.3 体验n8n
  • 5.7.3.1 基于模板创建工作流
  • 5.7.3.2 自定义工作流
  • 5.7.3.3 n8n节点介绍
  • 5.7.3.3.1 触发器节点
  • 5.7.3.3.2 文件操作节点
  • 5.7.3.3.3 控制节点
  • 5.7.3.3.4 循环与迭代
  • 5.7.3.3.5 合并
  • 5.7.3.3.6 流程控制
  • 5.7.3.3.7 code节点
  • 5.7.3.3.8 数据节点
  • 5.7.3.3.9 存储节点
  • 5.7.3.3.10 三方存储
  • 5.7.4 用n8n搭建智能体
第6章：RAG实战
▼
  • 6.1 RAG基础
  • 6.2 向量数据库Milvus
  • 6.2.1 了解向量数据库
  • 6.2.2 快速入门Milvus
  • 6.3 基于FastGPT实现RAG落地
  • 6.3.1 FastGPT介绍与安装
  • 6.3.2 快速上手FastGPT
  • 6.3.3 项目实战
  • 6.4 基于RAGFlow实现RAG落地
  • 6.4.1 认识RAGFlow
  • 6.4.2 在Linux机器上部署RAGFlow
  • 6.4.3 快速体验RAGFlow
  • 6.4.4 项目实战
第7章：大模型运维监控与优化
▼
  • 7.1 大模型平台监控
  • 7.1.1 基础命令行工具
  • 7.1.2 专业监控工具Prometheus+Grafana
  • 7.2 大模型优化
  • 7.2.1 优化策略
  • 7.2.2 大模型量化
  • 7.2.3 大模型知识蒸馏
  • 7.2.3.1 知识蒸馏的核心机制
  • 7.2.3.2 知识蒸馏的技术方法分类
  • 7.2.3.3 百度智能云千帆大模型平台做大模型蒸馏
  • 7.2.3.4 用DistillKit做大模型蒸馏
  • 7.3 大模型压测
  • 7.3.1 压测指标
  • 7.3.2 压测工具
  • 7.3.2.1 阿里云PAI模型在线服务(EAS)
  • 7.3.2.2 百度智能云千帆ModelBuilder
  • 7.3.2.3 EvalScope
  • 7.3.2.4 Locust
  • 7.3.3 压测实战
  • 7.4 大模型安全运维
第8章：大模型应用实战项目落地（AI编程）
▼
  • 8.1 AI辅助编程
  • 8.1.1 GLM4.6全栈开发
  • 8.1.2 通义零码
  • 8.1.3 Trae
  • 8.1.4 claude code
  • 8.1.5 codex
  • 8.2 产品需求文档设计
  • 8.3 项目开发
  • 8.3.1 用通义灵码落地需求
  • 8.3.2 用Codex/Claude Code落地需求
  • 8.3.3 用AI克隆一个网站
  • 8.4 项目测试和部署上线
  • 8.4.1 注册账号
  • 8.4.2 将代码推送到github
  • 8.4.3 在Vercel部署项目
  • 8.4.4 绑定域名
第9章：自动化运维平台（AIOps）探索和落地
▼
  • 9.1 基于Coze做运维智能体
  • 9.1.1 Coze自定义插件
  • 9.1.1.1 基于API创建插件
  • 9.1.1.2 基于IDE创建自定义插件
  • 9.1.2 自定义coze插件管理阿里云机器
  • 9.1.2.1 准备工作
  • 9.1.2.2 创建Coze插件
  • 9.1.3 设计Coze工作流
  • 9.1.4 设计aiops智能体
  • 9.2 用Coze+Ansible做自动化运维智能体
  • 9.2.1 准备工作
  • 9.2.1.1 准备Ansible环境
  • 9.2.1.2 编写ansible api服务脚本并开启API
  • 9.2.1.3 编写playbook
  • 9.2.2 创建coze插件
  • 9.2.3 创建coze工作流
  • 9.2.4 配置coze智能体
  • 9.3 用Dify+jumpserver做运维智能体
  • 9.3.1 部署Jumpserver
  • 9.3.1.1 部署jumpserver
  • 9.3.1.2 快速体验Jumpserver
  • 9.3.2 部署Jumpserver MCP
  • 9.3.2.1 获取用户Token
  • 9.3.2.2 部署jumpserver MCP
  • 9.3.2.3 到Dify上添加Jumpserver MCP
  • 9.3.3 实现一个简单的需求
  • 9.3.3.1 创建Dify应用
  • 9.3.3.2 测试Dify应用
  • 9.3.4 做一个综合性应用智能体
  • 9.4 用Dify+k8s做运维智能体
  • 9.5 用Dify+Ansible的MCP做运维智能体
  • 9.6 用Dify+Prometheus的MCP做运维智能体
  • 9.7 用Dify+Grafana的MCP做运维智能体
  • 9.8 用Dify+MySQL的MCP做运维智能体
  • 9.9 用Dify+Zabbix的MCP做运维智能体
  • 9.10 用Dify+Jenkins的MCP做运维智能体
  • 9.11 用Dify+ElasticSearch的MCP做运维智能体
  • 9.12 用Dify+MongoDB的MCP做运维智能体
  • 9.13 Dify多Agent组合
  • 9.14 Dify+Neo4j的MCP做运维智能体
  • 9.15 AIOps实战--告警降噪
  • 9.16 AIOps实战--根因分析
  • 9.17 构建自己的AIOps平台
  • 持续更新中……
AIOps是本课程重点章节，占篇幅最多，未完，更新中
第10章：OpenClaw
▼
  • 10.1 OpenClaw介绍
  • 10.2 OpenClaw部署
  • 10.2.1 云主机部署
  • 10.2.2 本地部署
  • 10.3 OpenClaw接入聊天工具
  • 10.3.1 OpenClaw接入Telegram
  • 10.3.2 OpenClaw接入飞书
  • 10.3.3 OpenClaw接入企业微信
  • 10.3.4 OpenClaw接入钉钉
  • 10.4 OpenClaw多Agent协作
  • 10.5 OpenClaw实战
  • 10.6 OpenClaw与AIOps
  • 10.6.1 OpenClaw+Ansible 管理Linux主机
  • 10.6.2 OpenClaw+Kubernetes 做一个智能k8s管理平台
  • 10.6.3 OpenClaw+Prometheus 做智能监控告警
  • 10.6.4 OpenClaw+Loki 做智能日志平台
第11章：Hermes Agent
▼
  • 11.1 Hermes Agent介绍
  • 11.2 Hermes Agent部署
  • 11.3 部署Hermes-web-ui
  • 11.4 配置大模型
  • 11.5 配置消息通道
  • 11.6 配置记忆
  • 11.7 配置插件
  • 11.8 配置工具/工具集
  • 11.9 配置MCP
  • 11.10 配置Skill
  • 11.11 多Agent模式
  • 11.12 Hermes实战1：做智能巡检
  • 11.13 Hermes实战2：做日志分析
  • 11.14 Hermes实战3：做工作汇报

想系统学习这些内容？

加入课程，260+节视频、每周直播、训练营、社群答疑一站式服务

💬 立即咨询报名