智联万物催生多元场景开启高薪时代

万亿赛道急缺实战人才，0基础也能成为抢手工程师

10900亿

2026年国内市场规模

万亿级蓝海，上下游全链条岗位爆发，入行选择极广。
8倍+

细分市场增速领跑

人形机器人需求暴增，薪资溢价显著高于传统IT岗位。
935亿+

赛道专项融资额

资本疯狂涌入，企业手握重金扩招，人才争夺白热化。
全域覆盖

制造/服务/特种全场景

从工业产线到家庭服务，技术通用性强，择业不受限。

数据来源：工信部《人形机器人与具身智能标准体系 (2026 版)》、Omdia《2026 全球人形机器人市场报告》、工信部 2026 人工智能大会产业研判、《脉脉 2026 春招职场洞察报告》、AgeClub 2026 具身智能产业白皮书、猎聘机器人行业人才调研Boss直聘就业数据

具身智能正在从实验室走向现实应用场景，其市场空间横跨工业制造、家庭服务、医疗健康、特种作业等多个领域

智慧农业｜温室采摘

商超零售｜门店运营

特种工业｜高危探伤作业

智能制造｜工厂装配

家庭服务｜居家家政

仓储物流｜仓库分拣

电力能源｜变电站巡检

医疗康养｜养老陪护

城市运维｜园区巡逻

科研实验室｜算法测试

应急救援｜灾害搜救

无人餐饮｜餐厅服务

企业急需「AI算法+机器人控制+硬件实操」复合型人才，纯理论高校毕业生无法适配工厂真实场景，实操培训学员供不应求

入局即是领跑者把握又一个黄金十年

长期国策支持 102万高薪红利凸显

人才需求井喷式扩张

2026年具身智能

岗位招聘量同比增长1500%

是新经济行业平均的66.37 倍
薪资溢价显著固化

全赛道人才平均月薪61,625

整机研发岗位年薪 突破100万
供需极度错配

全产业链人才缺口102+万

“懂大模型+懂物理场景+能落地调试”
复合型实操人才在岗者不足10万

国家战略支持

【十五五】核心产业定调，国家强制推进

纳入国家重点规划，是未来20年的新质生产力
从业者不存在行业衰退，职业生命周期超长

统一国标落地，规模化商用正式开启

国家发布《人形机器人与具身智能标准体系(2026版)》标志行业从“实验室”进入“量产化”阶段。

企业出货量增长479%+，引爆开发、调试等复合型岗位需求入行窗口期已至

数据来源：《十五五规划纲要（2026-2030）》、工信部《人形机器人与具身智能标准体系 (2026 版)》、Omdia《2026 全球人形机器人市场报告》、工信部 2026 人工智能大会产业研判、《脉脉 2026 春招职场洞察报告》、AgeClub 2026 具身智能产业白皮书、猎聘机器人行业人才调研Boss直聘就业数据

大模型的突破为机器人提供了“通用大脑”，具身智能正处于技术爆发的前夜现在是进入具身智能领域的最佳时机

选择AI具身智能机器人赛道 4大

职业生命周期长

制造业升级刚需，10-20年持续扩张
无35岁淘汰危机
跨界选择广泛

算法、硬件、工业落地、自动驾驶
创业、教研多条路线
技术壁垒极高

AI+机器人复合人才稀缺
内卷远低于传统互联网开发
晋升通道清晰

工程师→技术负责人→项目总监
首席算法专家，配套期权分红

立即入局

“我没写过代码，也能做机器人吗？”— 看看你的入门潜力

破解各种入行难题 4个月系统学习，掌握具身智能核心开发技能

普通人入行却存在 5大核心难题

只教实验室仿真，缺少成熟工业落地方案

内容碎片化，无法形成完整技术闭环

仅限单一机械臂，缺少四足与人形实训

硬件成本高，课后无设备持续练习

前沿 AI 与工程割裂，理论难以落地真机

针对全行业共性痛点，打造差异化具身智能课程

培养懂算法、精硬件、能落地的复合型创新人才

在校生/应届生

计算机/人工智能/软件工程

抢先布局，拉开同龄人差距
相关专业学员

自动化/机械电子电气/机电一体化

盘活专业，向智能技术进阶
在岗工程师

智能制造、设备运维

技术升级，突破职业天花板
爱好者与学习者

零基础有志投身硬核科技

瞄准AI蓝海，长期稳定高薪
软件开发者

传统前端开发后端开发、测试开发

跳出红海，薪资跨越式增长
技术负责人、创业者

把握产业风口，布局具身智能

学习AI，落地机器人自研

我适合学吗

早4个月入场，你晚4个月入场，你就是追赶者

四阶能力层层突破，助你掌握具身智能全领域核心开发技能

01
全栈基础搭建
机器人与具身智能技术入门
- 机器人与具身智能导论
- 机器人核心Python开发
- 机器人编程综合实战
具身智能开发基础
- 机器人与具身智能数学基础
- 机器人与具身智能编程基础
- 机器人建模与传感编程实战
02
机器人仿真与运动控制工程

薪资水平：20k~32k/月
基础构建
- 机器人硬件与感知系统入门
- Linux与ROS2开发环境搭建
- 虚拟机器人建模与仿真实操
- 基础机器人环境搭建与仿真验证项目
运动控制
- 机器人运动控制核心算法
- 闭环控制与轨迹生成
- 机器人通讯与遥操作
- 机器人运动控制项目
03
感知与智能决策

薪资水平：25k~35k/月
感知融合
- 机器人视觉感知基础
- 深度视觉算法实战
- 视觉 Transformer 与
  视觉-语言预训练
- SLAM 与路径规划
- 机器人感知避障导航系统
智能决策
- 强化学习与模仿学习
- 感知融合
- 视觉语言动作模型VLA
04
端到端系统与行业落地

薪资水平：30k~40k/月
端到端落地
- 世界模型
- sim2real 迁移与系统优化
- 端到端具身智能机器人系统
综合项目与行业落地
- 人形机器人二开综合项目
- 工业机器人落地综合项目

可胜任开发岗位

机器人应用工程师
ROS2开发工程师
机器人运动控制工程师
运控算法工程师
VLA算法工程师
SLAM/导航工程师
机器人感知工程师
具身智能算法工程师
机器人调试工程师
机器视觉工程师

四大核心课程优势直击人才需求

课程杜绝理论与实操脱节，把 VLA、世界模型、强化学习、Sim2Real 等前沿技术融入机器人硬件、仿真、感知、大模型部署、真机调试全开发流程，搭建感知 - 决策 - 执行 - 仿真迭代闭环，具备机器人从 0 到 1 自研落地、1 到 2 迭代的完整开发能力，拥有市场稀缺的复合型竞争优势

打通技术全栈闭环，拥有整机从零自研实力

模型算法层
- VLA模型
- 强化学习
- 多传感器融合
- 世界模型
- 端侧大模型
感知控制层
- 运动控制
- SLAM导航
- 深度视觉
- 机器视觉
工程落地层
- ROS2开发
- 仿真建模
- Sim2Real迁移
- 真机部署

持续迭代优化

联合头部厂商二次开发 + 70%项目课程占比

课程覆盖机械臂、四足、人形三类主流机器人，配套智元、众擎等头部厂商的主流本体二次开发教学；横跨工业、巡检、商用、家用多场景，70%内容为企业真实落地项目。学员可积累跨平台、多行业实战履历，适配各类机器人相关岗位，拓宽就业选择、提升薪资竞争力

工业自动化

柔性装配/上下料

缺陷检测/仓储码垛
智能巡检

自主巡检/泄漏预警

物料搬运/环境感知
商业服务

自然语言操作

自主巡航/灵巧抓取

真机实操 + 自研模拟器，双平台联动夯实能力

线下用实体机器人完成组装、调试实操；线上自研模拟器零成本反复演练，两端数据互通、动作同步复刻，兼顾一线真机开发经验，不受场地设备约束，大幅降低试错成本

真机实操

充足的实体硬件资源

亲手组装 / 焊接 / 整机调试
积累一线工程经验
自研仿真模拟器

完整复刻控制逻辑

电脑端安全试错 / 居家持续训练
零成本反复演练

全场景产业级成套落地解决方案

针对行业虚实迁移断层、产线交互落后等全产业链落地难题搭建闭环教学体系，配套工业验证全套解决方案，覆盖数字孪生虚实迁移、自然语言产线操控、边缘轻量化部署全链路，打通仿真到真机、算法到产线完整流程，铸就稀缺工程落地竞争力。

行业
痛点解决
方案

虚实迁移断层

仿真效果优秀，真机部署后性能衰减，调试周期长

标准化虚实迁移

数字孪生建模，域随机化增强、传感器参数对齐、模型微调迁移
产线交互落后

依赖遥控器与固定程序，柔性任务适配能力弱

自然语言产线操控

语义指令解析、视觉目标识别、动作规划执行、复杂工况适配
算力成本过高

云端GPU费用高，低功耗，设备推理能力不足

轻量化端侧智能部署

模型量化压缩、边缘推理优化、本地语音交互、低延迟控制

获取课程大纲申请试听

从运动控制到VLA大模型从仿真环境到

分阶段+分模块完整课程体系，80天系统掌握具身智能全栈技术

01 机器人与具身智能技术入门

机器人与具身智能技术导论
机器人核心Python开发
机器人编程综合实战

课程特点

建立行业全景认知与「大脑-小脑-通信」系统思维；
了解 RT/VLA、Isaac/LeRobot 等工具链分工；
明确 VLA 算法/全栈集成/部署/数据等职业路径与学习地图；
建立 Python语言工程能力与规范化协作习惯，为具身智能开发打基础；
通过Python编程及PyQT完成机器人编程实战

02 具身智能开发基础

（机器人开发前置基础）

机器人与具身智能数学基础
机器人与具身智能编程基础
机器人建模与传感编程实战

课程特点

掌握运动学/控制/SLAM/VLA 所需数学地基，具备部分公式推导与 NumPy 数值实现能力；
建立 Python+C++ 双语言工程能力与规范化协作习惯，为 ROS2 节点开发打底；
整合阶段，能独立用 Python 搭稳定开发环境并实现机器人数学模型，产出首个 portfolio

03 具身智能基础构建

（为 AI 赋予实体）

机器人硬件与感知系统入门
Linux 与 ROS2 开发环境搭建
虚拟机器人建模与仿真实操
基础机器人环境搭建与仿真验证项目

课程特点

理解硬件与多传感器原理，具备选型、标定、调试与安全意识；
搭建稳定可复现 ROS2 开发环境，理解实时通信本质，能独立开发多类型节点；
独立完成 URDF 建模并搭建高保真数字孪生仿真环境；
搭建 Pick-and-Place Pipeline 工程骨架，打通 ROS2→URDF→Gazebo/Isaac→传感/控制主线；完成臂/底盘仿真联调；建立可复现、可量化、可迭代的全栈Pipeline工程能力

04 具身智能运动控制

（精准驱动与遥操作）

机器人运动控制核心算法
闭环控制与轨迹生成
机器人通讯与遥操作
机器人运动控制项目

课程特点

掌握机械臂运动学，为 Pipeline 执行层提供精准 IK 与可视化验证；
掌握 PID 整定、梯形/样条轨迹规划与 ros2_control/MoveIt2 执行；
理解阻抗/导纳力控在柔顺装配/接触任务中的应用；
实现平滑、安全、可调试的运动控制；
掌握多机通信与遥操作，能搭建遥操作采数链路并实现真机远程控制；
整合运控与通信完成远程控制系统，量化交付

05 具身智能感知融合

（视觉、语音与 SLAM）

机器人视觉感知基础
深度视觉算法实战（检测/分割）
视觉 Transformer 与视觉-语言预训练
SLAM 与路径规划
机器人感知避障导航系统

课程特点

掌握 OpenCV 传统视觉、相机标定/畸变校正、手眼标定与 PnP 6D 定位等；
为后续深度视觉/SLAM/抓取提供可靠几何输入；
掌握主流深度视觉与 6D 抓取感知，完成训练到边缘部署全流程，建立"数据→训练→推理→部署"深度视觉工程能力；理解 Transformer/ViT/CLIP 架构与视觉-语言对齐原理,掌握 VLM 视觉编码器；
掌握 SLAM 与导航，能搭建并调试完整导航系统（SLAM/导航岗核心）；
整合感知/SLAM/抓取，完成复杂环境感知-操作闭环

06 具身智能智能决策

（大模型规划与强化学习）

强化学习与模仿学习
感知融合
视觉语言动作模型VLA

课程特点

掌握 PPO/SAC 与 BC/ACT/Diffusion Policy 训练评估；能在 Gym/Isaac 环境完成实战等；
搭建视觉/激光/IMU/语音多传感器融合与自然语言交互入口（KF/粒子滤波/Whisper）；
实战 VLA 微调部署与数据闭环，打通“大脑输出→小脑执行”工程接口（VLA 核心岗）

07 具身智能端到端落地

（VLA /RL与多模态感知融合）

世界模型
sim2real 迁移与系统优化
端到端具身智能机器人系统

课程特点

理解 Dreamer/JEPA等世界模型在rollout评估、Sim数据扩增与辅助规划中的作用；
掌握仿真→实机参数适配、真机调试 pipeline 与安全层（急停/力矩/碰撞）；
完成 Jetson 量化部署与延迟/吞吐/稳定性优化，具备实机落地调试能力；
输出 VLA+RL+sim2real 完整端到端 Capstone；
交付可运行代码、演示视频、技术文档与量化指标报告(success rate/延迟/鲁棒性)

08 综合项目与行业落地

人形机器人二开综合项目
工业机器人落地综合项目

课程特点

掌握人形二开与整机调试，完成“大脑+小脑”闭环汇合；
掌握工业项目落地全流程，适配工业机器人岗位

09 就业专项提升

就业能力专项提升
岗位选修技术（算法岗/工程岗/数据岗）
职场生存与职业发展

课程特点

掌握求职全流程，精准定位对口岗位，冲击 30-50W 目标薪资；
提升岗位专属能力，适配企业招聘需求；
掌握职场生存技巧，规划长期职业发展

获取课程大纲申请试听

汇聚海内外硕博名师师资水平比肩

张老师

中国开放原子开源基金会银牌讲师，广东省人力资源与社会保障厅师资培训基地人工智能、区块链技术专家讲师。广东省职业教育“双师型”名师工作室成员，厦门大学大数据实验室百家讲坛特邀讲师。多本畅销软件开发教材的编写人和审稿人，国家十三五教材审稿人，在教学方面有丰富的经验。

李老师

韩国世翰大学情报学硕士（主攻大模型与具身智能方向）。在人工智能领域拥有多年一线开发与项目交付经验，精通机器学习、深度学习、联邦学习、NLP及大语言模型技术，曾在ToC与ToB场景主导多个工业级项目的落地。专注于企业级LLM与具身智能实战课程研发，致力于培养具备工程化能力的AI与具身智能人才。

闻老师

中国科学院大学理学博士，在美企担任高级算法工程师多年。在CV、多模态领域有多年技术积累并在目标检测、图像分割、图像增强、多模态等方向有丰富的工程落地经验。

姚老师

毕业于哈尔滨工程大学，擅长机器人与GIS行业工程实战，在OpenCV图像分割、检测、追踪等方面有多年从业经历，参与多项国家级/部委级重大项目，具备丰富的工程落地经验。

杨老师

国防七子重点本科背景，长期深耕技术研发，在央企及互联网核心技术部门积累了多年的一线研发经验。具备扎实的专业技术能力与前沿的技术视野，专注于计算机视觉、SLAM、深度学习/机器学习、人工智能大模型相关技术方向。具备丰富的机器人项目落地实践经验，工作中承担核心团队管理、项目规划、技术面试及新人培养等多项职责。热衷技术分享，愿将自己的知识体系与项目经验持续传递给更多希望通过学习改变人生轨迹的同学，助力其在科技领域不断成长。

肖老师

传智教育高级讲师，鸿蒙开发先行者。精通C、C++、Python、Java等多种编程语言，熟悉电子电路设计，拥有多年物联网行业经验，精通ROS机器人操作系统，对机器人开发有一定见解。教学方面能够激发学生的学习兴趣，帮助他们发掘自己的潜能，能够为学生提供专业的技术指导，帮助他们解决实际开发中遇到的问题。

与老师一对一沟通

全方位教学服务助你

01 教学管理
02 项目实战
03 教辅助学
04 求职指导
05 职后提升
06 无忧学

全日制教学管理

每天10小时专属学习计划

测试、出勤排名公示

早课+课堂+辅导+测试+心理疏导
定制学习方案
实战项目贯穿教学

一线大厂实战项目

实用技术全面覆盖

课程直击企业需求
咨询实战项目
AI教辅保障学习效果

水平测评，目标导向学习

随堂诊断纠错，阶段测评

在线题库，BI报表数据呈现
定制学习方案
个性化就业指导

就业指导课，精讲面试题

模拟面试，给出就业建议

试用期辅导，帮助平稳过渡
咨询求职服务
持续助力职场发展

免费享，更新项目和学习资料

主题讲座，获取行业前沿资讯

人脉经验，线下老学员分享会
咨询就业指导
无忧学就业权益

未就业，全额退费

薪资低于标准，发放补贴

多一份安心，学习无忧
咨询详情

课程介绍

6大

核心技术阶段

大厂

深度合作共建课程

4大

热门就业方向覆盖

10大

多场景实战项目

100天

进阶AI大模型人才

学习阶段

阶段一

能力画像：掌握大模型私有化部署及人工智能Python语言，从零搭建聊天机器人，开启AI实战第一步。

胜任岗位：初级大模型开发工程师

阶段二

能力画像：利用Python进行数据处理及数据统计分析，同时通过Coze和Dify构建工作流和智能体开发，快速构建智能体。

胜任岗位：数据分析师、Coze开发工程师、Dify开发工程师

阶段三

能力画像：掌握机器学习、深度学习与NLP核心算法，能够解决模型构建和训练关键问题。

胜任岗位：机器学习工程师、深度学习工程师、算法工程师

阶段四

能力画像：通过LangChain和LangGraph框架完成RAG、Agent定制化开发。

胜任岗位：Agent开发工程师、RAG开发工程师、智能体全栈开发工程师

阶段五

能力画像：设计、实现与优化垂直领域大模型；通过图像和视频分析等技术，实现机器视觉相关任务

胜任岗位：算法工程师、大模型训练/推理开发工程师、CV算法工程师、图像处理工程师、深度学习工程师

课程大纲

入门试学班

1. 大模型开发入门
高手班

1. 大模型语言进阶 2. 提示词工程 3. 智能体开发（Coze+Dify） 4. 智能体开发（Coze+Dify）项目 5. 大模型核心开发技术 6. NewsCompass投满分项目 7. LangChain框架 8. RAG项目 9. 智能体项目1（ReAct智能体） 10. 智能体项目2（多智能体） 11. 大模型核心运行机制 12. 大模型微调开发基础及项目 13. CV图像分析基础 14. 多模态大模型应用开发
AI大模型开发V6.5版本

大模型开发入门入门试学班 1

课时:8天技术点:60项测验:1次学习方式:线下面授

学习目标

01_掌握搭建聊天机器人的步骤| 02_掌握搭建聊天机器人必备语言和工具| 03_掌握大模型必备Python语言的基本语法| 04_掌握分支结构的用法| 05_掌握循环结构的用法| 06_掌握容器类型相关的概述| 07_掌握字符串的相关操作| 08_掌握容器类型的遍历 | 09_掌握列表-字典的相关操作| 10_掌握函数的各种参数| 11_掌握函数的引用相关| 12_独立完成匿名函数的编写和使用| 13_掌握文件的相关操作| 14_掌握异常的处理方式| 15_熟悉Streamlit框架搭建页面

主讲内容

1. AI大模型入门与应用零基础入门AI大模型开发的开始，包含了以下技术点：

01_AI大模型项目介绍和环境搭建：AI大模型搭建聊天机器人需求分析；AI大模型搭建聊天机器人步骤和流程；AI大模型搭建聊天机器人必备语言和工具项目环境搭建| 02_AI大模型入门与应用：通用AI大模型和垂直领域大模型应用实操，包括AI赋能办公、运营、文生图多模态等多种应用场景，帮助学生熟悉AI大模型行业落地场景，为后续开发提供支持

2. 大模型必备Python基础语法掌握大模型必备Python基础语法，包含了以下技术点：

01_学习大模型必备Python语言| 02_Python解释器和Pycharm开发工具安装| 03_注释和定义变量| 04_标识符和关键字以及命名规范| 05_输入和输出函数| 06_算数运算，比较运算，逻辑运算，赋值运算

3. 大模型必备Python控制语句掌握大模型必备Python控制语句，包含了以下技术点：

01_分支语句 if elif else| 02_循环结构 while for| 03_跳转语句 break 和 continue

4. 大模型必备Python容器掌握大模型必备Python容器，包含了以下技术点：

01_循环嵌套-99乘法表| 02_循环案例-猜数字游戏| 03_不同容器的介绍和定义| 04_索引操作| 05_切片操作| 06_字符串的常见功能| 07_容器的遍历| 08_列表详解| 08_元组详解| 10_字典容器的使用| 11_容器类型嵌套案例-随机分配办公室| 12_容器类型-公共的运算符和方法

5. 大模型必备Python函数掌握大模型必备Python函数，包含了以下技术点：

01_函数入门| 02_函数的参数和返回值| 03_变量作用域| 04_函数的多种参数| 05_拆包和变量交换| 06_引用和匿名函数| 07_递归实操【综合案例】斐波那契数列

6. 大模型必备Python文件和异常处理掌握大模型必备Python文件和异常处理，包含了以下技术点：

01_文件的读写入门| 02_中文乱码和路径问题| 03_文件复制| 04_os模块| 05_with-open语法| 06_异常处理方式| 07_导入包和模块

7. 基于Streamlit+LangChain搭建智能聊天机器人掌握Python调用大模型API的能力，包含了以下技术点：

01_Streamlit框架| 02_LangChain框架组成和开发流程| 03_通义百炼大模型平台| 04_通义大模型API调用
大模型语言进阶高手班 1

课时:8天技术点:80项测验:1次学习方式:线下面授

学习目标

01_掌握面向对象编程思想| 02_独立运用面向对象思想完成指定需求| 03_掌握深拷贝和浅拷贝代码原理| 04_独立完成面向对象版-学生管理系统| 05_掌握闭包, 装饰器的用法| 06_独立完成网编案例代码实现| 07_掌握多进程, 多线程相关代码实现| 08_掌握上下文管理器对象的使用| 09_掌握生成器, 迭代器的用法| 10_理解正则表达式的相关运用| 11_掌握MySQL基本操作| 12_掌握Pandas基本操作

主讲内容

1. Python面向对象进阶从逐步建立起面向对象编程思想，再到会使用对象，到创建对象，再到真正理解为什么封装对象。包含了以下技术点：

01_面向对象入门：面向对象和面向过程；类和对象的区别；定义类和属性；定义方法和魔法方法；面向对象-案例；【实战案例】面向对象综合实战案例| 02_面向对象进阶：继承的使用；私有权限；类属性和对象属性；类方法和静态方法；面向对象版 -学生管理系统；【实战作业】面向对象版-学生管理系统（采取部分实战）

2. Python高阶语法主要学习Python高阶语法，包含了以下技术点：

01_闭包+装饰器：深拷贝, 浅拷贝详解；闭包详解；装饰器详解；【实战案例】装饰器实战案例| 网编+多进程入门：网编相关概述介绍；网编案例-客户端发送文件到服务器端；并行和并发详解；多进程-代码实现；【实战案例】网编案例-客户端和服务器端交互 02_多线程详解：多线程代码实现；守护线程详解；互斥锁详解；线程同步详解；上下文管理器详解| 03_Json数据文件读取和处理；【实战案例】Json数据文件读取和处理| 04_生成器,正则详解：生成器详解；迭代器详解；正则表达式详解；【实战案例】正则表达式文本匹配综合案例

3. MySQL主要学习MySQL数据库的核心知识，包含了以下技术点：

01_数据库介绍、MySQL 数据库的安装使用：数据库基本操作；数据库概念和作用；MySQL数据类型；数据完整性和约束| 02_数据表操作：数据库；表操作命令；表数据操作命令| 03_基本查询操作：where子句；分组聚合；连接查询；外键的使用；PyMySQL

4. Pandas主要学习Pandas核心知识，包含以下技术点：

01_Numpy：Numpy基础概念与操作；运算优势；数组的属性；数组的形状；Numpy实现数组基本操作| 02_Pandas的DataFrame、数据清洗、数据读取：Pandas统计分析；Pandas数据整理；Pandas透视表；Pandas可视化
提示词工程高手班 2

课时:2天技术点:20项测验:1次学习方式:线下面授

学习目标

01_能够理解和应用提示词工程原理| 02_掌握优化技巧并完成金融业务场景的实际问题解决

基于Zero-shot零样本学习能力，通过DeepSeek/QWen/ChatGLM模型对金融领域数据进行分类、信息抽取、文本匹配，更好的解决业务问题。

主讲解决方案

01_提示词撰写解决方案| 02_文本分类提示词解决方案| 03_信息抽取提示词解决方案| 04_文本匹配提示词解决方案

主讲知识点

1. 什么是Prompt Engineering| 2. Prompt Engineering的原理以及实际应用的优化技巧| 3. 如何利用Prompt Engineering完成实际金融业务
智能体开发（Coze+Dify）高手班 3

课时:1天技术点:20项测验:1次学习方式:线下面授

学习目标

01_能够掌握 Coze 平台的使用| 02_掌握快速从 0 到 1 构建多样化智能体工作流与应用程序| 03_掌握Coze智能体开发范式| 04_能够掌握Dify平台的集成开发与私有化部署

主讲内容

1. 智能体开发（Coze）主要学习Coze核心操作，包含了以下技术点：

01_智能体介绍| 02_Coze智能体开发| 03_Coze本地化部署

2. 【案例】Coze搭建智能体基于Coze搭建智能体，快速从0到1搭建工作流和应用程序，包含了以下技术点：

01_案例：智能问答助手| 02_案例：旅游规划小精灵| 03_案例：智能助教| 04_案例：智能面试官| 05_案例：口语练习专家案例讲2练3

3. 【项目】基于Coze的技术面试助手基于Coze工作流，为黑马程序员AI学科学生临近毕业时面试相关的问题进行提效。结合LLM、ASR、TTS、RAG等技术，为面试中常见的效率痛点赋能，代替部分人工，缓解教师压力，包含了以下技术点：

01_简历修改：基于OCR插件、prompt、数据库查询，实现简历中各类常见问题的召回和修改建议。以及进阶功能：违禁词过滤、业务背景重复率统计等。辅助学生编写更好的简历| 02_面试录音分析：基于多模态大模型实现ASR，基于prompt实现面试官、应试者角色划分，最终实现文字提取、摘要以及建议，提面试高录音分析的效率| 03_面试题生成：基于黑马面试宝典使用RAG技术结合学生的简历，结合简历上的技能点、业务背景、毕业时间、专业等信息，生成个性化的面试题题库| 04_模拟面试：基于简历和面试题生成流水线等功能，基于老师音色克隆面试官音色，结合ASR模型、TTS模型等技术，实现实时语音面试

4. 智能体开发（Dify）主要学习Dify核心操作，包含了以下技术点：

01_Docker安装与部署| 02_Dify安装与使用| 03_基于Dify搭建本地知识库

5. 【项目】基于Dify实现Agent开发应用项目基于Ollama私有化部署DeepSeek R1：8b模型；基于Docker结合Dify大模型应用开发平台构建可视化聊天界面，包含了以下技术点：

01_大模型私有化部署：Ollama、DeepSeek/QWen| 02_聊天机器人搭建：基于Dify搭建可视化聊天机器人| 03_RAG构建：基于Dify搭建本地知识库| 04_Agent智能体构建：基于Dify搭建Agent智能体

6. 智能体平台开发实战【实战】多业务场景项目实战，包含了以下技术点：

01_多业务场景项目实战
智能体开发（Coze+Dify）项目高手班 4

课时:3天学习方式:线下面授

基于Coze的技术面试助手项目

基于Dify实现Agent开发应用项目

项目简介技术点:80项测验:0次

基于Coze工作流平台，结合LLM、ASR、TTS、RAG等技术，为黑马程序员AI学科学生构建面试全流程智能辅助系统，实现简历修改、面试录音分析、个性化面试题生成和实时语音模拟面试等功能。

学习目标

01_能够掌握Coze智能体开发范式| 02_能够独立完成多场景智能体应用的构建与部署| 03_能够实现工作流自动化与业务赋能

主讲解决方案

01_实现基于插件完成PDF、DOCX等文档转文本到分析处理的全流程解决方案| 02_实现基于ASR技术实现录音文件转文本到分析处理的全流程解决方案| 03_实现基于知识库结合PDF实现精准内容生成的解决方案| 04_实现在工作流中读写数据库和知识库的解决方案| 05_实现父子模式多Agent架构自主规划执行解决方案

主讲知识点

01_简历修改：基于OCR插件、prompt、数据库查询，实现简历中各类常见问题的召回和修改建议。以及进阶功能：违禁词过滤、业务背景重复率统计等。辅助学生编写更好的简历| 02_面试录音分析：基于多模态大模型实现ASR，基于prompt实现面试官、应试者角色划分，最终实现文字提取、摘要以及建议，提面试高录音分析的效率| 03_面试题生成：基于黑马面试宝典使用RAG技术结合学生的简历，结合简历上的技能点、业务背景、毕业时间、专业等信息，生成个性化的面试题题库| 04_模拟面试：基于简历和面试题生成流水线等功能，基于老师音色克隆面试官音色，结合ASR模型、TTS模型等技术，实现实时语音面试

项目简介技术点:0项测验:0次

基于Docker部署Dify平台，结合Ollama私有化模型与RagFlow构建企业级评估智能体，实现知识库管理、可视化聊天界面及Agent系统开发。

学习目标

01_能够掌握Dify平台的集成开发与私有化部署| 02_能够完成RAG知识库构建和智能评估Agent的系统搭建

主讲解决方案

01_项目基于Ollama私有化部署DeepSeek R1：8b模型| 02_基于Docker结合Dify大模型应用开发平台构建可视化聊天界面

主讲知识点

01_大模型私有化部署：Ollama、DeepSeek/QWen| 02_聊天机器人搭建：基于Dify搭建可视化聊天机器人| 03_RAG构建：基于Dify搭建本地知识库| 04_Agent智能体构建：基于Dify搭建Agent智能体
大模型核心开发技术高手班 5

课时:10天技术点:70项测验:1次学习方式:线下面授

学习目标

01_能够掌握机器学习和深度学习核心基础| 02_能够完成 Bert及GPT核心Transformer架构分类的使用| 03_能够完成分类模型基础搭建

主讲内容

1. 机器学习基础该部分主要学习机器学习基础，包含以下技术点：

01_术语| 02_建模流程| 03_核心框架| 04_评估指标| 05_分类算法/回归算法/聚类算法基础及案例

2. 深度学习该部分主要学习深度学习，包含以下技术点：

01_Pytorch框架| 02_Pytorch安装| 03_Pytorch构建神经网络| 04_Pytorch案例实战

3. NLP核心技术该部分主要学习NLP核心技术，包含以下技术点：

01_词向量（Word Embedding）| 02_Transformer（基本原理、实现流程）| 03_BERT原理及使用| 04_FastText原理及构建流程| 05_BERT优化模型| 06_迁移学习微调
NewsCompass投满分项目高手班 6

课时:7天技术点:100项测验:1次学习方式:线下面授

学习目标

01_基于大规模业务留存数据构建快速文本分类系统| 02_快速搭建短文本精准分类模型| 03_基于随机森林和FastText搭建快速基线模型, 验证业务通道的能力| 04_基于BERT的迁移学习优化模型搭建的能力| 05_实现神经网络量化的优化与测试| 06_实现神经网络剪枝的优化与测试| 07_实现神经网络知识蒸馏的优化与测试| 08_更多主流预训练模型的优化与深度模型剖析| 09_BERT模型在生成式任务和工程优化上的深入扩展

NewsCompass投满分项目是结合今日头条真实场景下的海量数据, 快速搭建随机森林和FastText的基线模型, 以验证商业化落地的可行性. 更多聚焦在深度学习的优化方法上, 搭建基于BERT的初版微调模型, 应用量化,剪枝,预训练模型微调,知识蒸馏等多种手段,反复迭代,反复优化模型的离线效果,在线效果。

主讲解决方案

01_海量文本快速分类基线模型解决方案| 02_基于预训练模型优化的解决方案| 03_模型量化优化的解决方案| 04_模型剪枝优化的解决方案| 05_模型知识蒸馏优化的解决方案| 06_主流迁移学习模型微调优化的解决方案

主讲知识点

01_随机森林（集成学习）| 02_基线模型（FastText）| 03_BERT优化| 04_模型量化、剪枝、知识蒸馏| 05_基于大模型文本分类|
LangChain框架高手班 7

课时:2天技术点:80项测验:0次学习方式:线下面授

学习目标

01_掌握LangChain工具的基本使用方法，了解如何通过LangChain构建和管理语言模型应用| 02_熟悉ChatGLM-6B模型的应用，了解如何将大语言模型与本地知识库结合，实现高效准确的问答功能| 03_理解向量知识库的基本概念和技术原理，掌握如何构建和使用向量知识库来存储和检索知识信息| 04_掌握知识库的构建方法，从数据采集、处理到存储，学习如何将电商物流相关信息整合到知识库中| 05_理解RAG系统的基本原理和实现方法，学习如何结合检索和生成技术，提升问答系统的准确性和实用性| 06_从零开始搭建一个问答机器人，掌握整个系统的设计、实现和部署过程

基于物流垂直领域的RAG智能问答项目基于LangChain+Qwen/DeepSeek/ChatGLM-6B实现电商物流本地知识库问答机器人搭建，让模型根据本地信息进行准确回答，解决大模型的“幻觉”问题，实现精准问答。通过项目皆在掌握LangChain工具的基本使用方式，理解向量知识库以及实现知识库的技术原理，快速构建检索增强生成（RAG）系统。

主讲解决方案

01_LangChain工具使用介绍解决方案| 02_ChatGLM-6B模型集成到问答系统中的解决方案| 03_向量知识库的构建和检索的解决方案| 04_搭建RAG系统的解决方案

主讲知识点

01_项目介绍：理解什么是RAG系统| 02_项目流程梳理（从本地知识库搭建，到知识检索，模型生成答案等流程介绍）| 03_数据预处理：本地文档知识分割，向量，存储| 04_LangChain框架的详解讲解：6大组件应用原理和实现方法| 05_基于本地大模型ChatGLM-6B封装到LangChain框架中| 06_实现LangChain+ChatGLM-6B模型的知识问答系统搭建
RAG项目高手班 8

课时:8天学习方式:线下面授

基于职业教育领域RAG智慧问答系统项目

基于人力资源场景的RAG的简历推荐系统项目

项目简介技术点:70项测验:1次

基于IT职业教育行业答疑大模型抽取RAG解决方案，通过项目学习完成企业级RAG系统完整流程搭建与测试及优化。从智能查询路由设计、数据处理与多源集成、模型微调到后端服务与前端开发完成全栈RAG系统构建。

学习目标

01_了解LangChain基本概念、明确LangChain主要组件的作用、了解LangChain常见的使用场景| 02_掌握基于LangChain+ChatGLM-6B模型实现本地知识库的问答实现原理+过程| 03_RAG系统开发与优化：掌握从数据分片到答案生成的RAG全流程，熟练应用 HyDE、子查询等检索增强策略提升系统性能| 04_大模型应用实践：能够集成 LLM（如 OllamaLLM）并设计高效 Prompt，解决知识问答中的业务定制化需求| 05_智能查询路由设计：实现规则、相似度和 LLM 三层路由，精准分发查询并优化复杂意图识别效率| 06_后端服务与前端开发：使用 FastAPI 开发高并发 API 并通过 Gradio 构建交互界面，满足企业级服务与用户体验要求| 07_数据处理与多源集成：熟练处理结构化与非结构化数据，结合 MySQL 和向量搜索打造高效知识检索系统| 08_企业级问题解决能力：通过日志调试和高并发设计，具备定制化开发与性能优化的实战技能，适配智能客服等场景

主讲解决方案

01_数据库查询优化：BM25 + Redis 缓存解决方案| 02_语义检索：Milvus 混合向量检索解决方案| 03_查询分类：BERT 分类器解决方案| 04_动态检索策略：LLM 驱动的策略选择解决方案| 05_答案生成：LLM + RAG 提示模板解决方案| 06_性能优化：Redis 缓存 + 模块化设计解决方案| 07_日志与监控：统一日志系统（logging）解决方案| 08_配置管理：ConfigParser + config.ini解决方案

主讲知识点

01_智能问答系统架构：FAQ 系统与 RAG 系统的区别与应用场景| 02_数据库技术：MySQL 表查询；Redis 键值存储与缓存机制；Milvus 向量数据库的架构与索引类型| 03_检索算法：BM25 算法原理；密集向量 & 稀疏向量混合检索；重排序的作用| 04_query的意图识别+改写：BERT 分类器的训练与推理；LLM的调用与提示设计；查询分类与动态检索策略的实现逻辑| 05_企业级开发实践：模块化代码设计与代码复用；配置文件（config.ini）与环境变量管理；日志系统设计与错误处理

项目简介技术点:70项测验:1次

项目基于向量数据库和 LLM 构建一个端到端、可水平扩展的检索增强生成（RAG）系统，支持对异构简历（PDF/DOCX/JPG/PNG）进行自动解析、结构化、语义索引与多轮对话式推荐。系统以向量数据库为核心存储，以 LLM 为推理中枢，以 Agent 框架为调度单元，面向企业 HR 及猎头平台提供秒级、可追溯、可解释的候选人推荐服务。

学习目标

01_能够掌握文档智能处理、向量化索引、RAG 系统开发及 Agent 框架应用| 02_能够完成可扩展的简历推荐系统部署。

主讲解决方案

01_基于LangChain+OpenAI实现异构简历（PDF/DOCX/JPG/PNG）智能解析与结构化提取| 02_使用Milvus+BGEM3混合嵌入+ElasticSearch实现高级向量索引与多路召回| 03_构建支持参数过滤、查询重写与历史对话的异步RAG链生成JSON候选人推荐| 04_基于SmartRecruitAgent框架实现意图识别、多轮追问与上下文候选人筛选的智能代理| 05_集成Streamlit前端与05_Milvus/MongoDB/Elasticsearch多数据库持久化的DevOps配置| 06_使用Ragas框架对RAG系统进行端到端Faithfulness/Answer Relevancy/Context Precision评估优化

主讲知识点

01_文档智能| 02_向量化与索引| 03_检索增强生成| 04_智能代理| 05_配置与 DevOps
智能体项目1（ReAct智能体）高手班 9

课时:5天技术点:100项测验:0次学习方式:线下面授

学习目标

01_能够掌握ReAct智能体开发流程| 02_能够完成RAG工具调用、多维度评估系统搭建及生产级服务部署| 03_能够具备构建可迭代优化的C端智能客服系统的能力

项目是一个面向消费者（toC）的智能客服系统，旨在为用户提供全周期的扫地机器人相关服务并根据用户使用习惯生成使用报告，为用户提供使用优化建议。该系统基于RAG技术及ReAct框架构建，涵盖产品咨询、使用报告生成与优化建议。通过一个统一的Agent界面，为用户提供高效、准确且个性化的支持，提升用户体验与满意度，结合三位一体评估体系和Flask/Streamlit部署实现商业化落地。

主讲解决方案

01_基于ReAct框架实现的Agent| 02_RAG工具实现本地知识库构建| 03_Prompt Engineering实现用户使用报告的生成| 04_Flask的模型部署| 05_基于Streamlit的前端服务构建

主讲知识点

01_数据来源：扫地机器人的产品手册及相关知识库（基础与技术类、产品功能类、智能交互类、维护与保养类、选购指南类、使用技巧类、配件与耗材类、安全与隐私类、特殊场景类等问题）| 02_基于ReAct框架实现的Agent，包括推理（Reasoning）模块以及行动(Acting)模块| 03_使用RAG工具实现本地知识库构建。（文档读取模块、向量数据库模块、RAG工具调用模块）| 04_使用大模型Deepseek v3结合Prompt Engineering实现用户使用报告的生成| 05_构建三位一体评估体系，针对检索内容（Precision、Recall、mrr）、生成内容（ROUGE-1、ROUGE-L、BERTScore、Faithfulness）、总性能（平均延时、QPS）| 06_构建日志打印模块，重点监控工具的运行情况。（控制台日志+生产环境日志）| 07_基于Flask的模型部署（服务端+客户端）、基于Streamlit的前端服务
智能体项目2（多智能体）高手班 10

课时:5天学习方式:线下面授

基于A2A的SmartVoyage旅行智能助手

基于多场景的Agent智能工单项目

项目简介技术点:40项测验:0次

SmartVoyage 是一个智能旅行助手系统，使用 A2A (Agent-to-Agent) 协议构建多代理协作框架，支持用户查询天气和票务信息。系统包括 LLM 路由服务器（意图识别）、天气代理服务器（查询天气数据库）、票务代理服务器（查询票务数据库）、MCP 工具服务器（数据库接口）、数据采集脚本和 Streamlit 前端客户端。用户输入查询（如“北京天气”或“北京到上海火车票”），系统通过 LLM 路由到合适代理，代理生成 SQL 查询 MCP 数据库，返回结果显示在界面。

学习目标

01_能够掌握 A2A 多代理框架开发、意图识别与数据库查询技能 02_能够完成交互式旅行助手系统的构建

主讲解决方案

01_基于Python-a2a协议实现多代理A2A协作框架| 02_使用LangChain+DeepSeek构建LLM路由服务器意图识别与动态路由| 03_实现MCP工具服务器标准化MySQL查询接口| 04_天气代理服务器LangChain SQL生成与MCP实时天气数据库查询集成| 05_票务代理服务器多类型动态SQL生成与结果友好格式化| 06_基于Streamlit开发A2A多代理实时交互前端客户端

主讲知识点

01_LLM 路由服务器（意图识别）| 02_天气代理服务器（查询天气数据库）| 03_票务代理服务器（查询票务数据库）| 04_MCP 工具服务器（数据库接口）| 05_数据采集脚本| 06_Streamlit 前端客户端

项目简介技术点:40项测验:0次

大型ToC企业中的客服团队往往是人力外包，对公司业务细节的了解程度不够，需要和产研团队多次沟通才能完成一次工单的处理，效率低下。同时，随着AI的发展，工单的处理也可以基于大模型+RAG+funcation call能力进行提效，部分工单自动处理，从而节省部分客服人力资源。本系统结合大模型能力，融合多种AI技术（RAG+多Agent+MCP）等，结合Kafka消息队列、PostgreSQL向量检索和Docker容器化部署，完成大型企业工单的判定、处理、建议与知识库实时迭代等全流程流转闭环，解决传统客服流程低效问题。

学习目标

01_能够掌握企业级智能工单系统架构设计 02_实现基于规则过滤、查询改写、意图识别的全流程自动化处理 03_掌握具备复杂业务场景下多智能体系统的开发与运维能力。

主讲解决方案

01_使用无侵入的方式实时处理业务系统数据的解决方案| 02_实现企业私有化数据脱敏的解决方案| 03_实现基于多层模型实现复杂分类的解决方案| 04_实现基于RAG+MCP调用实现融合知识库+API的上下文工程的解决方案| 05_实现动态更新知识库的解决方案| 06_实现docker镜像构建和服务器部署的企业部署解决方案

主讲知识点

01_项目冷启动阶段，基于大模型 + NLP算法，完成工单数据的清洗和工单、业务知识库的搭建（PG），工单会进行脱敏| 02_消费工单的Kafka消息队列数据，并基于规则过滤出来需要处理的工单| 03_实现query改写，提高检索内容的准确性，对PG进行检索时采用上下文+向量混合检索的方式，结合重排序模型实现查询内容的准确性| 04_实现意图识别和槽位填充，基于用户的query基于MCP协议执行funcation call，在上下文中补充用户的实时数据作为上下文信息| 05_实现知识库实时迭代，实现知识库数据实时更新，保证内容是最新的| 06_Docker镜像的构建和生产环境docker-compose模式部署
大模型核心运行机制高手班 11

课时:5天技术点:80项测验:1次学习方式:线下面授

学习目标

01_能够理解 Transformer 的注意力机制与架构设计，并掌握基于 Transformer 的翻译任务开发技能| 02_能够使用 Hugging Face 库对预训练模型进行全量微调，完成特定 NLP 任务| 03_能够理解主流大模型的架构特性与预训练原理，掌握为微调任务选择合适模型的能力

主讲内容

1. 大模型Transformer架构该模块主要学习大模型Transformer架构，包含以下技术点：

01_词向量（Word Embedding）| 02_大模型Transformer架构的注意力机制 | 03_大模型Transformer架构（encoder、decoder、encoder+decoder）| 04_大模型Transformer翻译任务实战

2. 大模型迁移学习该部分主要学习大模型迁移学习，包含以下技术点：

01_迁移学习的预训练模型和微调阶段| 02_NLP中的常用预训练模型（BERT、GPT-1、GPT-2）| 03_Hugging Face预训练模型仓库| 04_Huggingface Transformers库使用（提供了NLP领域预训练语言模型结构模型和调用框架）| 05_基于微调方式实现中文分类、中文填空、句子关系等任务

3. 大模型主流模型运行机制该部分主要学习大模型主流模型运行机制，包含以下技术点：

01_GPT/DeepSeek/QWen基础| 02_GPT/DeepSeek/QWen架构变化| 03_GPT/DeepSeek/QWen的预训练任务| 04_基于DeepSeek/QWen预训练+微调任务实战
大模型微调开发基础及项目高手班 12

课时:5天学习方式:线下面授

【LoRA微调】微博文本信息抽取项目

【QLoRA微调】QWen微调文本摘要项目

基于中医药知识图谱项目

项目简介技术点:40项测验:0次

项目基于 Qwen/DeepSeek，通过 LoRA 和 P-Tuning 实现微博文本信息抽取+文本分类的多任务，通过一个大模型同时解决多种任务开发和应用。

学习目标

01_了解和掌握大语言模型的基本原理和架构，特别是ChatGLM-6B模型的结构和工作机制掌握大模型LoRA微调技术，通过微调预训练的大模型来适应特定任务的需求| 02_掌握大模型P-Tuning微调技术，对大模型进行高效的参数调整，增强其在特定任务上的表现| 03_理解和应用多任务学习的概念，通过一个模型同时解决文本信息抽取和文本分类两种任务，提高模型的综合能力和应用效率| 04_掌握文本信息抽取技术，从非结构化的文本数据中提取有价值的信息，如实体、关系、事件等| 05_学习文本分类的基本原理和方法，掌握如何将文本数据按照预定义的类别进行归类通过Flask框架，学习如何开发和部署API接口，使模型能够通过网络服务被访问和使用

主讲解决方案

01_联合任务数据预处理适配模型训练的解决方案| 02_实现ChatGLM-6B+LoRA训练的解决方案| 03_实现ChatGLM-6B+P-Tuning训练的解决方案| 04_基于Flask框架实现模型API接口开发的解决方案

主讲知识点

01_理解信息抽取任务以及文本分类的业务意义及应用场景| 02_数据预处理：修改数据格式适配大模型训练、数据张量的转换等| 03_Qwen/DeepSeek模型解析，LoRA方法讲解、P-Tuning方法解析| 04_基于Qwen/DeepSeek+LoRA方法实现模型的训练和评估| 05_基于Qwen/DeepSeek+P-Tuning方法实现模型的训练和评估| 06_基于Flask框架开发API接口，实现模型线上应用

项目简介技术点:40项测验:0次

项目以QWen模型为核心，借助DeepSpeed框架实现训练过程的加速优化。同时采用了GPTQ和QLoRA技术对模型进行量化处理，旨在进一步提升模型的推理速度。最终，通过Vllm平台完成了模型的部署，实现了对文本中关键信息的自动化抽取，完成信息抽取的任务。

学习目标

01_掌握 QLoRA 量化微调与并行计算技术| 02_能够完成文本摘要模型的高效训练与部署

主讲解决方案

01_大模型并行计算解决方案| 02_大模型量化解决方案| 03_大模型部署解决方案| 04_大模型推理优化解决方案

主讲知识点

01_数据集处理、模型构建、模型训练、模型预测| 02_大模型并行计算：DeepSpeed，数据并行、流水线并行、模型并行| 03_大模型量化：训练量化方法QLoRA，训练后量化方法GPTQ| 04_模型部署和推理优化框架：vLLM和oLLAMA

项目简介技术点:40项测验:0次

“草本通” 项目致力于解决中医药知识难以理解、碎片化严重、检索效率低等问题，通过爬虫、DeepSeek+LangChain实体抽取、Neo4j图谱构建与LangGraph多智能体协同，打造一个可理解、可对话、可传播、可拓展的智能知识服务平台。系统融合多种AI技术，支持从数据采集到语义问答、图谱构建、再到内容生成与平台发布的完整AI闭环。

学习目标

01_能够掌握知识图谱构建、多智能体流程调度及生成式应用开发| 02_能够具备垂直领域知识智能化平台的搭建能力

主讲解决方案

01_多源中医药数据爬取与联合任务数据预处理适配知识图谱构建的解决方案| 02_基于 Neo4j + FAISS 的中医药知识图谱检索增强（RAG）解决方案| 03_基于 LangGraph 的中医药智能问答与多意图工作流编排解决方案| 04_基于 FastAPI 实现 LangGraph 智能体流式 API 接口开发的解决方案| 05_基于LamaFactory微调大模型进行实体关系生成的解决方案

主讲知识点

01_利用爬虫自动采集中药、方剂、功效、症状、疾病等原始文本| 02_使用大语言模型（DeepSeek）+ LangChain 进行实体与关系抽取| 03_构建 Neo4j 图数据库与 Faiss 向量检索双引擎，实现结构化查询与语义匹配| 04_基于 LangGraph 搭建多智能体协同系统，管理复杂问答流程| 05_提供基于 Streamlit 的网页端交互式问答界面| 06_自动生成小红书风格图文内容，并实现一键发布，实现从“知识获取”到“内容传播”的闭环
CV图像分析基础高手班 13

课时:6天技术点:70项测验:0次学习方式:线下面授

学习目标

01_能够掌握 CNN、ResNet、Yolo 及分割算法的核心原理| 02_能够具备开发图像分类与目标检测应用的能力

主讲内容

1. CV图像分析该部分主要学习CV图像分析核心知识，包含以下技术点：

01_CNN| 02_ResNet原理| 03_Yolo V系列算法| 04_图像分类与分割（Unet、MaskRCNN）
多模态大模型应用开发高手班 14

课时:6天技术点:80项测验:0次学习方式:线下面授

学习目标

01_能够理解 AIGC 与 Diffusion 模型原理| 02_掌握 Stable Diffusion 的模型构建与微调| 03_能够完成图像生成小程序的开发

项目基于Stable Diffusion，利用稳定扩散过程，通过逐渐模糊和清晰化图像来实现图像生成的过程。这种方法在图像生成领域具有广泛的应用，项目可扩展于艺术创作、虚拟场景生成、数据增强等。

主讲解决方案

01_图像生成的常见解决方案| 02_文图匹配的解决方案| 03_扩散模型噪声去除的解决方案| 04_潜在空间扩散模型的解决方案| 05_扩散模型训练的解决方案| 06_小程序搭建的解决方案

主讲知识点

01_AIGC的详解：AIGC简介，类型，应用场景，产品形态| 02_图像生成算法：GAN，VAE，Diffusion，DALLe，imagen| 03_StableDiffusion的详解：Diffusion，latent diffusion；satble diffusion| 04_stablediffusion实践：模型构建，模型训练，lora，dreambooth，图像生成效果| 05_图像生成小程序搭建：基于stablediffusion构建图像生成的小程序
AI大模型开发(Python) V版本课程说明

课程名称：主要针对：主要使用开发工具：

课程介绍