马上添加播妞学姐
了解课程详情
长按二维码识别,或保存截图

黑马程序员

马上添加播妞学姐
领取资料&在线答疑
长按二维码识别,或保存截图
学习经历
开班信息

AI时代所有行业软件都会

结合AI全新升级

金融风控与智能投顾系统

金融行业

在金融行业中,AI协同构建一个完整的智能风控与投顾解决方案

业务解决方案

分析金融风控流程、合规要求、用户画像,设计整合数据源、模型和规则引擎的整体架构

AI大模型应用

开发基于大模型的交易异常检测、报告自动生成、客户问题解答等核心功能模块

智能体应用

创建自主监控市场、分析风险、生成投资建议并执行合规检查的智能投顾Agent

医疗辅助诊断与健康管理

医疗行业

在医疗健康领域,AI结合医学知识构建辅助诊断和个性化健康管理系统

业务解决方案

设计符合医疗规范的AI辅助诊断流程,整合影像数据、电子病历和临床指南。

AI大模型应用

开发医学影像分析、病历摘要生成、药物相互作用检查等医疗AI功能。

智能体应用

构建个性化健康管理Agent,持续监测用户健康数据,提供预防建议并预警异常。

智能制造与质量检测

智能制造

在制造业中,AI协同实现产线智能化、质量自动化和供应链优化

业务解决方案

规划智能工厂整体架构,设计从生产排程到质量控制的数字化流程。

AI大模型应用

开发基于视觉的缺陷检测、设备故障预测、生产报告自动生成等AI模块。

智能体应用

创建自主调度资源、优化生产参数、协调物流的智能产线管理Agent。

智能零售与个性化推荐

零售电商

在零售电商领域,AI结合构建全渠道智能零售和个性化购物体验

业务解决方案

设计融合线上线下数据的智能零售方案,规划从库存到客户服务的全链路优化。

AI大模型应用

开发商品描述生成、客户评论分析、智能客服对话等零售AI功能。

智能体应用

构建个性化购物助手Agent,理解用户偏好,自动比价、推荐商品并管理订单。

智慧养老与健康监护

智慧养老

在养老健康领域,AI协同构建智能化养老服务和健康监护系统

业务解决方案

设计老龄化智能服务方案,规划健康监测、紧急响应、社交陪伴的整合服务体系。

AI大模型应用

开发健康数据分析、用药提醒生成、情感陪伴对话、异常行为识别等养老AI功能。

智能体应用

创建24小时健康监护Agent,监测老人健康状况,自动联系家人或医疗资源,提供日常陪伴。

智慧物流与供应链优化

物流运输

在物流运输行业,AI协同构建智能调度、路径优化和全链路可视化的物流系统

业务解决方案

设计智能物流网络架构,规划仓储、运输、配送各环节的数字化协同方案。

AI大模型应用

开发路径优化算法、货物识别分类、异常事件预测、客服自动应答等物流AI功能。

智能体应用

构建智能调度Agent,实时分析交通、天气、订单数据,自主调整配送计划并协调资源。

个性化教育与智能教学

教育领域

在教育领域,AI协同构建自适应学习系统和个性化教学方案

业务解决方案

设计个性化学习路径,规划智能教学平台架构,整合课程资源与评估体系。

AI大模型应用

开发智能题库生成、作文自动批改、知识点答疑、学习内容推荐等教育AI功能。

智能体应用

创建个性化学习伙伴Agent,持续跟踪学习进度,动态调整教学策略,提供即时反馈。

更多AI智能应用软件

懂业务、懂行业方案、懂AI的

软件开发人才缺口大爆发

含“AI技能”的简历获面试概率提升42%,薪资溢价达23%

了解就业薪资趋势

AI时代,软件开发人才的

核心能力画像

行业应用业务方案能力
顶层设计与蓝图定义“为什么做”和“做什么”

关键输出:业务目标梳理、痛点分析、流程重塑、应用场景定义、价值衡量指标(KPl)及技术实现路径

Agent智能体开发能力
高级形态与自动化创造“能自主完成任务”的智能实体

关键输出:虚拟员工、自动化工作流或可以独立运行的智能实体,能自主完成任务而非被动响应

Al大模型应用能力
核心引擎与部件提供"用什么做”和"如何实现关键功能”

关键输出:智能客服、文档助手、代码生成器、营销文案创作等具体的AI功能或应用

Al智能应用开发就业岗位:

AI解决方案架构师、AI系统集成工程师、AI中台开发工程师

全栈AI工程师、AI智能体训练师、提示词工程师

AI模型部署与优化工程师、AI中台Java开发工程师

Java开发工程师、AI应用开发工程师、大模型应用开发工程师

RAG开发工程师、AI Agent开发工程师、AI产品开发工程师...

更多就业岗位

打破单一开发语言边界

课程深度融汇AI之大成

行业级业务解决方案

JavaEE篇

主要学习内容:
Java编程基础、企业级实战、业务解决方案、容器化部署与DevOps实践

精通Java高可用架构与微服务生态,具备分布式系统设计、开发与运维实战能力,成为坚实的技术底座工程师

AI开发首选编程语言

Python篇

主要学习内容:
Python编程基础、面向AI的编程范式、数据处理与分析、深度学习框架实践、Web应用开发

精通Python数据科学全链路:数据处理、模型开发、Web部署一站式实战,打通从数据到AI服务的工程化落地能力

大模型能力构建

Al大模型使用/微调/开发

主要学习内容:
AI系统架构设计、大语言模型集成、向量数据库、大模型原理、模型微调、模型压缩

具备大模型集成、微调及RAG系统构建能力,可结合业务场景进行模型优化与定制,推动智能解决方案落地

智能体开发实战

Agent智能体

主要学习内容:
智能体架构设计、工具调用与外部集成、行业应用实战、记忆于推理机制实现

具备开发拥有记忆、推理与工具调用能力的智能体,并能落地于实际业务,实现流程自动化与决策智能化

学费价格及优惠咨询

全程高效学习

直达中级AI开发水平

本课程系统整合Java的稳健架构、Python的智能生态与AI的前沿应用,构建从基础开发到智能系统设计的完整能力体系。旨在培养具备跨语言、跨平台、智能化的高能开发人才,助力学员在AI时代凭实力稳居技术高地

第一阶段AI应用编程基础

主要内容

Java入门、Intellij IDEA、AI编程思维、基础语法、面向对象编程、抽象类、分层开发原则、常用API、IO流、函数式编程、Lambda、方法引用、Hutool、Http协议、大模型应用、大模型调用。

可掌握的核心能力

1. 能够独立的完成JDK安装和环境变量的配置
2. 能够理解Java程序的开发流程
3. 能够掌握Java的注释,字面量,变量语法知识
4. 能够掌握定义各种满足需求的方法
5. 能够灵活运用Java的各种运算符处理实际开发的计算需求
6. 能够利用流程控制处理各种业务逻辑的编写
7. 能够掌握Java的数组完成对数组的存储和处理
8. 能够掌握并深刻理解Java面向对象编程思想
9. 能够使用JDK常用的API:如String,ArrayList,Math,Object等
10. 能够编写精准的词汇通过AI高效编程

第二阶段AI应用编程进阶

主要内容

接口、面向接口编程、异常、泛型、集合框架、网络编程、AI实现局域网聊天。

可掌握的核心能力

1. 能够应用面向接口编程
2. 能够利用JDK的新特性Lambda以及方法引用完成对函数式接口的简化
3. 能够利用Java的异常机制解决和处理问题
4. 能够阅读以及定义泛型类泛型接口泛型方法解决实际应用的问题
5. 能够掌握并理解各种单列集合以及双列集合的底层原理
6. 能够利用JDK的Stream流完成对集合的简化操作
7. 能够利用Java的I/O技术处理文件以及持久化存储的问题
8. 能够利用Java的线程池技术完成对业务的并发处理
9. 能够利用Java网络编程技术实现设备和设备之间数据的交互
10. 能够掌握Java的时间相关API处理跟时间有关的业务

第三阶段AI应用Web开发

主要内容

HTML、CSS、JS、Ajax、Axios、Maven、Git、MySQL、Mybatis、 SpringBoot、Spring、SpringMVC、MybatisPlus、Redis、Vue3、ElementPlus、Linux、Docker、轻客管家项目、项目设计(AI)、功能实现(AI)。

可掌握的核心能力

1. 需求分析与AI辅助开发能力:能够精准拆解项目需求,转化为自然语言描述,并熟练运用AI工具完成需求分析、代码生成、Bug修复等全流程开发任务。
2. AI代码调试、优化能力:具备对AI生成代码的调试、重构与优化能力,确保代码质量符合企业级项目规范,并能精准匹配业务需求
3. 全栈开发与工程实践能力:熟练掌握基于SpringBoot3+Vue3的前后端分离架构,具备从系统设计、开发到容器化部署的全链路实战能力
4. 典型业务场景解决方案能力:掌握用户认证、对象存储等Web项目高频业务场景的标准化实现方案
5. 云原生部署与运维能力:能够基于Linux+Docker完成前后端项目的环境配置、容器化部署
6. AI提效开发方法论:深入理解AI辅助开发模式,能通过智能工具显著提升设计、编码效率,以及故障排查速度

第四阶段企业级智能物联网项目

AI星辰WMS AI中州养老

主要内容

星辰WMS是一个面向跨境电商企业的智能化仓储管理平台,依托云计算、物联网(IoT)和人工智能技术,为跨境仓储、物流及供应链管理提供全流程数字化解决方案。平台覆盖入库、库存管理、拣货、出库、智能调度、数据分析等核心业务,支持多仓库协同、多租户(SaaS)模式,并深度融合AI算法优化仓储效率。

可掌握的核心能力

1. 掌握前后端分离项目的全流程设计、开发、部署
2. 能够独立开发入库/出库/库存管理等核心模块
3. 能够设计并开发物联网监控系统
4. 能够独立分析出入库核心业务并进行项目实战
5. 能够集成AI大模型开发智能仓储助手
6. 能够设计高并发技术方案(Redis+MQ集群)
7. 能够实现多租户SaaS技术方案与数据隔离
8. 能够设计并落地用户认证授权技术方案
9. 能够设计并实现智能货位分配算法
10. 熟练掌握低代码平台的使用及优化
11. 能够实现第三方物流接口集成
12. 能够编写复杂报表SQL并优化查询性能
13. 应用 Redis 缓存和时间序列数据库优化性能
14. 掌握线上故障处理的流程与常用方法
15. 掌握AI Flow应用开发方法
16. 掌握AI智能体应用开发方法

主要内容

中州养老系统为养老院量身定制开发专业的养老管理软件产品;涵盖来访管理、入退管理、在住管理、服务管理、财务管理等功能模块,涉及从来访参观到退住办理的完整流程|开发技术涉及了前后端的内容,前端主要使用的Vue3+Element Plus;后端主要使用的是若依框架作为基础架构,当然后端也集成了很多其他的技术,比如有Springboot、Mybatis、Swagger、Spring cache、Spring Security、Mybatis-plus、Coze、Dify、web-flux等。

可掌握的核心能力

1. 系统设计能力,包含产品需求分析、数据库设计、接口设计、技术方案设计等方面
2. 前端Vue3开发能力,包含了与后端接口对接,组合式api使用,调试接口的能力
3. 系统优化能力,包含了性能优化、接口优化、sql优化的能力
4. 解决问题能力,包含了bug调试、工具使用的能力
5. Git使用能力,包含了Git分支管理、团队协作开发等能力
6. 掌握利用Dify,Coze快速实现智能体能力
7. 掌握智能问答系统开发能力
8. 项目部署能力,包含了项目打包方式,多环境、服务器部署等能力

第五阶段AI大模型开发基础

主要内容

Python基础语法、Python流程控制、Python数据容器、Python函数与模块、Python面向对象编程、web开发FastAPI、提示词工程、zero-shot/one-shot/Few-shot学习、指令学习、思维链、LangChain核心组件、LangChain应用、文档嵌入模型、VectorStores向量库、检索实现。

可掌握的核心能力

1. Python全栈开发能力:掌握从基础语法、面向对象到FastAPI框架的完整开发技能
2. 大模型提示词设计与调优能力:能够运用Few-shot、CoT等方法精准控制大模型输出
3. 数据库设计与操作能力:具备MySQL数据库设计及Python程序操作数据库的实战经验
4. AI应用集成与部署能力:掌握本地与云端大模型调用,实现文本分类、信息抽取等AI功能
5. 复杂业务逻辑实现能力:通过综合案例具备需求分析、模块拆分与代码实现的系统工程思维
6. 大模型应用架构能力:掌握基于LangChain的RAG系统设计与实现,具备解决大模型幻觉问题的实战经验
7. 组件化开发能力:熟练运用文档加载器、文本分割器、向量数据库等核心组件构建企业级知识库系统
8. 外部知识增强应用能力:掌握通过检索增强生成技术扩展模型知识边界,解决领域特定问题的方法论
9. 复杂任务工作流设计能力:能够使用链式编排与代理机制实现多步骤推理和工具调用的智能应用
10. 模型集成与上下文管理能力:具备多模型接口统一调用、对话记忆维护等全链路开发技能

第六阶段AI大模型微调基础

主要内容

AE模型预训练、AR模型预训练、数据划分、神经元、激活函数、神经网络、损失函数、梯度下降算法、HuggingFace、Pipeline模型、情景学习、思维链、PEFT微调、LORA微调、模型压缩、模型量化。

可掌握的核心能力

1. 掌握从数据处理、模型训练到评估预测的全流程实战技能
2. 能够针对领域知识缺失、输出格式不符等典型问题设计技术方案
3. 熟练完成GPU环境配置、PyTorch框架搭建等开发基础工作
4. 熟练使用Transformers库完成文本分类、生成等NLP任务的模型微调与部署
5. 具备构建完整中文NLP流水线的能力,包括数据清洗、分词编码、训练评估
6. 掌握BERT等预训练模型的实战应用,能针对业务需求设计并优化模型方案
7. 掌握PEFT主流微调方法的原理与实现,具备在有限资源下高效适配大模型的能力
8. 具备使用LLaMa-Factory完成数据格式化、模型训练与权重合并的完整工程实践能力
9. 能够运用情境学习与思维链策略优化模型推理过程,提升任务执行效果与可解释性
10. 掌握模型压缩的核心方法,能根据场景选择合适的量化、剪枝或蒸馏策略
11. 具备使用bitsandbytes等工具实施模型量化、显存分析与推理加速的实践能力
12. 能够将大模型优化部署至资源受限环境,完成性能与资源的平衡调优

第七阶段企业级智能问答项目

EduRAG

主要内容

RAG基础知识、数据获取与预处理、多向量存储方案、RAG核心逻辑与检索优化、RAG系统评估、日志系统设计、异常处理机制、外部数据源集成、大语言模型集成、生产级系统部署。

可掌握的核心能力

1. AI系统架构设计能力,包含RAG系统设计、分层架构设计、技术选型评估、模块划分等系统级设计能力
2. 大语言模型集成能力,包含通义千问API调用、Prompt工程、流式输出处理、对话历史管理等LLM应用开发能力
3. 向量数据库应用能力,包含Milvus集合管理、向量索引优化、相似度搜索、混合检索等向量数据处理能力
4. 智能检索算法实现能力,包含查询分类、策略选择、文档分块、重排序等检索增强生成核心技术
5. 全栈开发能力,包含FastAPI后端开发、WebSocket实时通信、前端接口对接、静态资源服务等Web开发技能
6. 数据处理与向量化能力,包含多格式文档解析、文本分块、嵌入模型使用、稀疏向量处理等数据预处理技能
7. 系统性能评估能力,包含RAGAS评估框架使用、多维度指标分析、自动化测试、性能优化等质量保障能力
8. 工程化开发能力,包含配置管理、日志系统、异常处理、命令行工具开发等软件工程实践能力
9. 多数据源集成能力,包含MySQL关系数据库、Redis缓存、Milvus向量数据库的协同设计与优化能力
10. 问题排查与调试能力,包含系统日志分析、性能瓶颈定位、检索效果调试、模型输出优化等故障排查技能
11. 项目管理与部署能力,包含虚拟环境管理、依赖管理、多环境配置、服务部署等运维相关技能
12. AI产品思维能力,包含用户需求分析、技术方案设计、效果评估、迭代优化等产品化思维

第八阶段企业级微服务SCA&AI

主要内容

SpringCloud Aliaba、Spring Cloud Alibaba Ai、Nacos、OpenFeign、Spring Cloud Gateway、 Sentinel、 ElasticSearch、Redis高级、微服务项目常见技术方案、常见面试题。

可掌握的核心能力

1. 掌握Spring Cloud Alibaba微服务技术栈
2. 掌握高可靠性的消息队列方案
3. 掌握分布式搜索解决方案
4. 掌握Redis高级知识及底层原理
5. 掌握微服务热点难点面试题及底层原理
6. 掌握单体项目迁移至微服务项目常见技术方案
7. 掌握Spring Cloud Alibaba AI 构建AI聊天应用方案

第九阶段互联网分布式项目集

AI云岚到家 AI四方保险 AI天机学堂 AI神领物流

主要内容

本课程以智能家政O2O平台为核心项目,基于Spring Cloud Alibaba微服务架构,完整实现用户端(小程序)、服务端(APP)、机构端(PC)、运营管理端(PC)四端协同的在线家政服务系统。课程涵盖在线下单、智能派单、实时抢单、支付结算、LBS服务追踪等核心业务场景,深度整合MySQL、Redis、RabbitMQ、ElasticSearch等分布式中间件,以及微信支付、高德地图、OSS等第三方服务。项目采用AI辅助开发模式,通过代码生成、智能日志分析、自动化测试等技术提升开发效率,让你在掌握高并发微服务设计、分布式事务处理、实时数据处理等企业级技能的同时,获得AI+研发的实战经验,具备独立架构复杂业务系统的能力。

可掌握的核心能力

1.掌握系统需求分析的流程与方法
2.掌握根据产品原型进行系统设计的方法
3.掌握基于三层架构的开发方法
4.掌握使用AI工具进行项目设计、编码、优化的开发方法
5.能够集成AI大模型开发智能预约助手。
6.掌握运营基础管理模块的设计与开发方法
7.掌握客户管理模块的的设计与开发方法
8.掌握门户模块的的设计与开发方法
9.掌握订单管理模块的设计与开发方法
10.掌握支付模块的设计与开发方法
11.掌握优惠券活动管理模块的设计与开发方法
12.掌握抢券模块的设计与开发方法
13.掌握抢单模块的设计与开发方法
14.掌握派单调度模块的设计与开发方法
15.掌握搜索附近模块的设计与开发方法
16 能够独立进行电商项目等多行业项目的设计与开发
17.掌握线上故障处理的流程与常用方法
18.熟悉项目开发的整体流程

主要内容

四方保险项目是一个金融保险销售SAAS平台,依托移动互联网项目为保险销售公司、保险产品需求人提供线上保险销售、产品发布、产品推荐、自动保费计算、收益计算、核保、承保、理赔等业务。平台包括:用户端(小程序)、保险销售管理端(PC),项目基于SpringCloud Alibaba架构,并采用前后端分离开发。项目中包括7大核心模块:保险发布,保费计算,收益试算,保司承保,合同订单,随心配服务,扣款计划。除此之外,项目抽出了:oauth2.0权限服务,统一支付平台,数据采集埋点,对象存储服务、规则引擎等微服务。项目中使用到MySQL、InfluxDB、Redis、SpringCloud-Stream、XXL-JOB、RabbitMQ、规则引擎、OSS、OCR、Nginx等组件,学完本项目将具备大型互联网金融项目经验

可掌握的核心能力

1. 掌握微服务项目业务需求分析能力
2. 掌握微服务项目模块的拆分设计能力
3. 掌握SpringCloud的企业级开发框架的应用能力
4. 掌握SpringCache+Redis的优雅的缓存处理能力
5. 掌握跨业务对象存储实现文件统一管理包括:安全、上传、分片、下载的开发能力
6. 掌握基于Oauth2.0的统一微服权限管理的开发能力
7. 掌握基于SpringCloud-Stream消息驱动使用RabbitMQ的开发能力
8. 掌握基于多种支付三方构建统一支付平台的开发能力
9. 掌握基于多种短信服务商构建统一短信服务平台的开发能力
10. 掌握基于SpringCloud-Gateway+InfluxDB数据采集分析平台的开发能力
11. 掌握使用规则引擎处理业务分析判断的开发能力
12. 掌握Seata分布式事务控制开发能力
13. 掌握基于XXL-JOB并构建统一调度微服务的设计开发能力
14. 掌握微服务项目Nginx相关的性能优化配置能力
15. 掌握周期性扣款计划的业务开发能力
16. 掌握保险的特有业务-保费计算、收益计算的业务开发能力
17. 掌握动态多维度产品发布的设计和开发能力

主要内容

天机学堂是一个生产级的在线教育项目,是一家专注于非学历职业技能培训的“网校”。项目基于SpringCloudAlibaba微服务技术栈,包含在线教育、社交、电商等热点难点问题的企业解决方案,让我们的学员真正做到举一反三。同时项目的完整度、真实度、复杂度都与真实项目非常接近,教学过程遵循企业开发流程,旨在让学生体会真实企业开发,掌握微服务开发的常用技能。

可掌握的核心能力

1. 掌握企业开发的基本模式
2. 了解企业开发环境、持续集成环境的工作模式
3. 掌握跨微服务的业务开发方式
4. 学会基于产品原型和需求做业务流程分析
5. 学会基于产品原型和需求做数据结构设计
6. 学会基于产品原型和需求做接口设计
7. 掌握在线教育项目中的学习辅助系统设计方案
8. 掌握积分、排行榜等系统设计方案
9. 掌握优惠券系统设计方案
10. 掌握常用中间件在微服务开发中的各种使用方式

主要内容

神领物流是一个基于微服务架构体系的"生产级"物流项目系统,这可能是目前你能学习到的最接近企业真实场景的项目课程,其业务完整度、真实度、复杂度会让你感到惊讶,你将学习到智能调度、运输路线规划、支付、运费计算等核心业务,同时你也将学习到在复杂的微服务架构体系下开发以及相关问题的解决。

可掌握的核心能力

1. 将复杂业务进行分解,逐步实现业务需求
2. 划分微服务边界的能力
3. 业务需求绘制系统间的流程图、时序图的能力
4. 对现有功能升级改造的能力
5. 使用微服务技术进行开发的能力
6. 多级缓存(分布式缓存)设计/使用能力
7. 封装通用组件/中台服务的能力
8. 分布式事务解决的能力
9. 分布式网关应用的能力
10. 分布式消息应用的能力
11. 分布式job应用的能力
12. 高并发的安全和幂等问题处理能力
13. 解决较高难度bug的能力
14. 全路链追踪的解决能力

第十阶段多智能体协同中台项目

多智能体

主要内容

本系统讲解基于Langchain、LangGraph框架实现智能体服务中台(AgentCenter),构建多智能体应用,业务系统与之对接实现智能化业务。内容包含Prompt工程、Tool Calling、Routing Agent、A2A协议、MCP协议等核心技术,以“天机学堂AI助手智能体”为核心项目,从零打造包含智能课程推荐、学习咨询、自动化交易的AI交易平台,推动教育服务个性化升级。

可掌握的核心能力

1. 掌握中台服务化架构的能力
2. 掌握基于LangGraph构建Routing Agent的能力
3. 掌握Python项目微服务化的能力
4. 掌握基于Spring Cloud Gateway实现统一网关的能力
5. 掌握业务系统与AgentCenter集成的能力
6. 掌握A2A协议的基本使用的能力
7. 掌握基于A2A协议构建Routing Agent的能力
8. 掌握基于MCP封装工具服务的能力
9. 掌握Agent集成MCP的能力
10. 掌握集成EduRAG系统的能力

申请免费试听

五大课程优势

打造AI时代不可复制的竞争力

覆盖最新AI前沿技术

课程紧随Al技术快速迭代

打破开发语言壁垒

“技术+业务+AI”三维培养

行业级解决方案库

解决方案可直接迁移复用

真项目,真实战

项目实战课程占比超60%

分层次教学体系

短时间内掌探更多技术点

真实业务贯通教学全过程

十大项目积累AI开发经验

在线体验项目

实力派AI名师

全程陪伴为教学质量护航

与老师一对一沟通

AI贯通教学全过程

深度融合前沿AI技术与工具

AI+课程

借助AI快速对齐高级开发

知识广度提升:40%

学习效率提升:35%

知识广度提升:40%

AI+项目

拥有AI分身 提高开发效率

全程AI工具辅助开发

训练“AI分身”帮写代码

模拟企业真实场景

AI+教学

自研AI练测平台《星斗》

真环境实战+海量题库

高质量赋能教学

班级排名激发学习热情

AI+就业

AI赋能360°就业服务体系

AI+简历更有优势

AI+面试提升面试作答能力

助力职场适应能力和竞争力

课程大纲

  1. 基础班

    1. AI应用编程基础

  2. 就业班

    1. AI应用编程进阶 2. AI应用Web开发 3. 企业级智能物联网项目 4. 大模型应用基础 5. 大模型微调基础 6. 企业级智能问答项目 7. 企业级微服务SCA&AI 8. 互联网分布式项目 9. 多智能体协同中台项目

  • AI应用编程基础基础班 1

    课时:9天 技术点:83项 测验:1次 学习方式:线下面授

    学习目标

    1.能够独立的完成JDK安装和环境变量的配置| 2.能够理解Java程序的开发流程| 3.能够掌握Java的注释,字面量,变量语法知识| 4.能够掌握定义各种满足需求的方法| 5.能够灵活运用Java的各种运算符处理实际开发的计算需求| 6.能够利用流程控制处理各种业务逻辑的编写| 7.能够掌握Java的数组完成对数组的存储和处理| 8.能够掌握并深刻理解Java面向对象编程思想| 9.能够使用JDK常用的API: 如String,ArrayList,Math,Object等| 10.能够编写精准的词汇通过AI高效编程

    主讲内容

    1. Java基础与AI辅助编程本章主要学习搭建Java开发环境、 开发工具IDEA的基本使用、AI辅助编程,学习Java基础语法。最后通过一系列的综合案例加强学习效果,为后面的学习打下坚实基础。

    1.JDK介绍安装, 环境变量配置| 2.入门案例| 3.Java程序运行原理| 4.IDEA开发工具、设置、辅助编程插件| 5.注释 6.字面量| 7.变量| 8.方法| 9.运算符| 10.健康计算器案例| 11.流程控制、顺序结构、循环结构| 12.Debug运行| 13.数组| 16.二维数组| 17.综合案例

    2. 面向对象本章主要学习面向对象、各种编程范式,以及培养学生的编程思维。结合实战案例学习封装、继承、多态、抽象类、静态, 以及工具类制作等内容,最后结合学习JDK提供的常见的API , 这些API都是JDK基于面向对象思想编写类和功能, 通过对这些类的学习, 让我们更加深刻理解面向对象思想的实际应用

    1.类和对象| 2.类定义格式| 3.封装| 4.静态变量和静态方法| 5.Math工具类| 5.继承| 6.Object类常用方法| 7.多态| 8.抽象类 9.final关键字| 10.枚举| 11.String字符串| 12.ArrayList集合| 13.综合案例

  • AI应用编程进阶就业班 1

    课时:6天 技术点:41项 测验:1次 学习方式:线下面授

    学习目标

    1.能够应用面向接口编程| 2.能够利用JDK的新特性Lambda以及方法引用完成对函数式接口的简化| 3.能够利用Java的异常机制解决和处理问题| 4.能够阅读以及定义泛型类泛型接口泛型方法解决实际应用的问题| 5.能够掌握并理解各种单列集合以及双列集合的底层原理| 6.能够利用JDK的Stream流完成对集合的简化操作| 7.能够利用Java的I/O技术处理文件以及持久化存储的问题| 8.能够利用Java的线程池技术完成对业务的并发处理| 9.能够利用Java网络编程技术实现设备和设备之间数据的交互| 10.能够掌握Java的时间相关API处理跟时间有关的业务|

    主讲内容

    1. 接口&JDK新特性本章节主要学习面向接口编程内部类以及JDK的函数式接口等新特性, 主打的是如何简化代码的书写

    1.接口定义| 2.接口的使用场景| 3.JDK对接口的增强| 4.内部类| 5.Lambda表达式| 6.方法引用| 7.异常的介绍| 8.异常的处理| 9.自定义异常| 10.泛型的介绍| 11.泛型类,泛型方法, 泛型接口| 12.泛型的限定| 13.包装类

    2. 集合框架本章主要学习泛型和各种不同的集合的用法。同时详细讲解各种常见的数据结构, 还手动实现了各种集合的简易版本,让我们对集合的底层理解的更深刻,同时还包含Stream流等内容,简化集合处理代码。

    1.泛型的介绍| 2.泛型类,泛型方法, 泛型接口| 3.泛型的限定| 4.包装类| 5.Collections体系,List,Set| 6.Map体系,HashMap,TreeMap| 7.各种集合的原理| 8.常见数据结构介绍| 9.手动实现各种常见的数据结构| 10.Stream流的介绍

    3. 聊天案例本章通过网络编程结合线程池, IO以及JDK中时间等相关API完成一个局域网群聊的小案例, 通过案例对多线程,网络编程等知识有深入的理解

    1.File类| 2.IO字节流| 3.IO字符流| 4.IO的缓冲流| 5.线程介绍| 6.实现线程的方式| 7.线程的安全问题以及解决方案| 8.线程池的介绍| 9.线程池的七大参数| 10.线程状态| 11.网络编程三要素| 12.ip,端口,协议介绍| 13.UDP协议| 14.TCP协议| 15.实现局域网群聊| 16.群聊加入时间-JDK时间介绍

  • AI应用Web开发就业班 2

    课时:20天 技术点:133项 测验:1次 学习方式:线下面授

    学习目标

    1.能够精准拆解项目需求,转化为自然语言描述,并熟练运用AI工具完成需求分析、代码生成、Bug修复等全流程开发任务| 2.具备对AI生成代码的调试、重构与优化能力,确保代码质量符合企业级项目规范,并能精准匹配业务需求| 3.熟练掌握基于SpringBoot3+Vue3的前后端分离架构,具备从系统设计、开发到容器化部署的全链路实战能力| 4.掌握用户认证、对象存储等Web项目高频业务场景的标准化实现方案| 5.能够基于Linux+Docker完成前后端项目的环境配置、容器化部署| 6.深入理解AI辅助开发模式,能通过智能工具显著提升设计、编码效率,以及故障排查速度

    主讲内容

    1. AI驱动Web开发Web开发基础,主要是学习Web前端、后端开发的基础知识,主要包括:HTML、CSS、JavaScript、Vue、Axios等前端技术,以及Maven、HTTP协议、SpringBoot、MySQL、Mybatis等后端开发的基础技术,为后面的web项目实战打开坚实的基础。

    1.Web初识| 2.HTML、CSS、JS介绍&演示| 3.前端开发工具Trae| 4.前端入门程序| 5.AI制作前端页面| 6.HTML基础标签| 7.CSS引入方式| 8.CSS选择器| 9.JS引入方式| 10.JS基础语法| 11.JS-DOM操作| 12.JS-事件监听| 13.Ajax、Axios| 14.Vue3入门| 15.Vue3常用指令| 16.Vue3生命周期| 17.Maven介绍&安装| 18.Maven与IDEA集成| 19.Maven依赖管理| 20.SpringBoot介绍| 21.SpringBootWeb入门程序| 22.SpringBootWeb案例| 23.分层解耦| 24.Spring-IOC| 25.Spring-DI| 26.MySQL数据库安装| 27.SQL简介| 28.SQL-DDL语句| 29.SQL-DML语句| 30.DQL-DQL语句| 31.Mybatis介绍| 32.Mybatis入门| 33.Mybatis实现增删改查| 34.XML映射配置文件

    2. Web后端实战-轻客管家后端实战阶段旨在掌握基于SpringBoot+SSM+MySQL+Redis等技术栈,根据页面原型和接口文档,基于AI辅助工具,开发服务端接口的能力,并掌握Web开发的核心知识。

    1.Git介绍&安装| 2.Git操作流程| 3.Git代码托管服务| 4.Git常用命令| 5.Maven分模块开发| 6.项目开发规范讲解| 7.搭建项目基础环境| 8.部门管理-分析| 9.部门管理-新增| 10.部门管理-查询| 11.部门管理-修改| 12.部门管理-删除| 13.日志技术-Logback| 14.全局异常处理| 15.角色管理| 16.课程管理| 17.多表关系| 18.多表设计| 19.多表查询| 20.用户管理-分析| 21.用户管理-查询| 22.用户管理-新增| 23.用户管理-修改| 24.用户管理-删除| 25.文件上传| 26.阿里云OSS| 27.活动管理| 28.系统登录| 29.JWT令牌| 30.令牌校验| 31.Filter| 32.Interceptor| 33.Redis| 34.SpringDataRedis| 35.线索管理-分析| 36.线索管理-列表查询| 37.线索管理-跟进| 38.数据库事务| 39.Spring事务管理| 40.伪线索| 41.转商机| 42.线索池管理| 43.商机管理| 44.客户管理

    3. Web后端进阶Web后端进阶阶段主要是来剖析框架的底层原理,并探究框架及工具的高级用法。

    1.Java反射概述| 2.Java反射操作| 3.Java反射的作用| 4.自定义注解| 5.元注解| 6.注解的解析| 7.注解的应用场景| 8.AOP概述| 9.AOP入门| 10.AOP核心概念| 11.AOP运行流程| 12.AOP通知类型| 13.AOP记录操作日志| 14.SpringBoot原理剖析

    4. Web前端实战-轻客管家前端实战阶段主要基于Vue3的生态,结合着AI工具,完成轻客管家项目的前端开发,让学员掌握Vue3前端开发的知识,并具备前端项目开发的能力。

    1.Vue工程化-概述| 2.Vue工程化-环境准备| 3.Vue工程化-API风格| 4.ElementPlus-概述| 5.ElementPlus-常见组件| 6.ElementPlus-案例| 7.前端项目-准备工作| 8.AI制作前端页面流程介绍| 9.前端项目-页面布局| 10.VueRouter| 11.部门管理-查询| 12.部门管理-新增| 13.部门管理-修改| 14.部门管理-删除| 15.部门管理-表单校验| 16.角色管理| 17.系统日志| 18.用户管理-查询| 19.用户管理-新增| 20.用户管理-修改| 21.用户管理-删除| 22.登录| 23.退出登录| 24.打包部署Nginx

    5. Web项目部署Web应用部署,主要来学习如何将开发好的应用,部署到服务器。主要学习的内容包括 linux系统的基本操作,以及如何将打包好的前端项目、后端java项目部署到linux服务器及Docker容器中。

    1.Linux-概述与安装| 2.Linux-常用命令| 3.Linux-软件安装| 4.Linux-项目部署| 5.Docker课程介绍| 6.Docker的安装| 7.Docker快速入门-部署MySQL| 8.Docker快速入门-命令解读| 9.Docker-常见命令| 10.Docker-操作案例| 11.Docker-数据卷挂载| 12.Docker-本地目录挂载| 13.Docker-Dockerfile语法| 14.Docker-自定义镜像| 15.Docker-容器网络互连| 16.Docker-项目部署| 17.DockerCompose

  • 企业级智能物联网项目就业班 3

    课时:15天学习方式:线下面授

    AI星辰WMS

    AI中州养老

    项目简介技术点:125项测验:0次

    跨境电商智能WMS是一个面向跨境电商企业的智能化仓储管理平台,依托云计算、物联网(IoT)和人工智能技术,为跨境仓储、物流及供应链管理提供全流程数字化解决方案,平台覆盖入库、库存管理、拣货、出库、智能调度、数据分析等核心业务,支持多仓库协同、多租户(SaaS)模式,并深度融合AI算法优化仓储效率。

    进入项目体验

    学习目标

    1.掌握前后端分离项目的全流程设计、开发、部署| 2.能够独立开发入库/出库/库存管理等核心模块| 3.能够设计并开发物联网监控系统| 4.能够独立分析出入库核心业务并进行项目实战| 5.能够集成AI大模型开发智能仓储助手| 6.能够设计高并发技术方案(Redis+MQ集群)| 7.能够实现多租户SaaS技术方案与数据隔离| 8.能够设计并落地用户认证授权技术方案| 9.能够设计并实现智能货位分配算法| 10.熟练掌握低代码平台的使用及优化| 11.能够实现第三方物流接口集成| 12.能够编写复杂报表 SQL 并优化查询性能| 13.应用 Redis 缓存和时间序列数据库优化性能| 14.掌握线上故障处理的流程与常用方法| 15. 掌握AI Flow应用开发方法| 16.掌握AI智能体应用开发方法

    主讲解决方案

    1.用户认证解决方案(Spring Security/Shiro)| 2.SaaS多租户技术方案| 3.Jeecg低代码开发与个性化方案| 4.Web打印技术方案| 5.任务调度技术方案| 6.Redis缓存技术方案| 7.积木报表技术方案| 8.SQL优化技术方案| 9.MQTT物联网监控方案| 10.高并发告警分析处理方案| 11.NLP AI智能助手技术方案| 12.文件存储解决方案| 13.多线程任务处理解决方案| 14.大屏监控解决方案| 15.分布式锁解决方案| 16.时序数据库解决方案| 17.单体项目自动化部署方案| 18.第三方接口对接方案| 19.AI工作流技术方案| 20.AI智能体技术开发方法

    主讲知识点

    1.在新公司如何快速熟悉新项目| 2.认证授权&SaaS| 3.入库收货模块| 4.库存管理模块| 5.智能出库管理| 6.智能库存分配模块| 7.智能拣货路径规划| 8.出入库核心业务综合实战| 9.AI智能体开发| 10.NLP智能问答助手开发| 11.IOT设备监控| 12.IOT告警分析| 13.系统优化| 14.项目部署运维| 15.项目就业指导

    项目简介技术点:108项测验:0次

    中州养老系统为养老院量身定制开发专业的养老管理软件产品;涵盖来访管理、入退管理、在住管理、服务管理、财务管理等功能模块,涉及从来访参观到退住办理的完整流程|开发技术涉及了前后端的内容,前端主要使用的Vue3+Element Plus;后端主要使用的是若依框架作为基础架构,当然后端也集成了很多其他的技术,比如有Springboot、Mybatis、Swagger、Spring cache、Spring Security、Mybatis-plus、Coze、Dify、web-flux等

    进入项目体验

    学习目标

    1.具备应用多种技术工具,提升实际项目开发中的技术应用能力| 2.具备系统设计能力,使学员具备从需求分析到系统实施的全流程开发能力| 3.具备问题解决策略和优化方法,学员能够提升在实际工作中解决问题和优化系统的能力| 4.能够使用Dify改造升级传统项目的AI能力

    主讲解决方案

    1.低代码平台快速开发方案| 2.项目中Git多分支管理方案| 3.缓存解决方案(Spring Cache)| 4.对象存储解决方案(阿里云OSS)| 5.消息提醒方案(WebSocket)| 6.第三方接口对接方案| 7.物联网数据处理方案(IOT)| 8.报警规则解决方案| 9.后台系统权限解决方案(RBAC)| 10.权限系统鉴权方案| 11.单体自动化部署方案| 12.使用Coze平台快速构建AI智能体| 13.智慧养老院智能问答系统| 14.Dify工作流调用外部API查询实时数据

    主讲知识点

    1.前端开发采用Vue3+ElementPlus完成页面开发和交互| 2.后端采用SpringBoot作为基础架构| 3.采用Redis+Spring Cache进行缓存处理| 4.基于前后端分离开发方式进行开发| 5.采用阿里云OSS对象存储来存储项目中的文件| 6.采用Nginx反向代理实现前后端通信| 7.采用Git进行代码版本控制| 8.采用Websocket完成消息推送| 9.采用Spring Task进行任务调度| 10.采用阿里云IOT平台完成项目中的智能监测| 11.AI工具协助快速完成代码开发| 12.使用大模型来解决业务问题| 13.使用若依低代码平台快速开发| 14.AI Agent核心组成| 15.RAG技术原理| 16.Dify工作流| 17.向量检索技术| 18.Dify智能体集成系统

  • 大模型应用基础就业班 4

    课时:5天 技术点:61项 测验:0次 学习方式:线下面授

    学习目标

    1.能够掌握Python语言的特点| 2.能够独立搭建Python的开发环境| 3.能够掌握Python的基础语法| 4.能够掌握Python的数据容器的特点和操作| 5.能够掌握Python的函数定义和使用| 6.能够掌握Python的面向对象的思想| 7.能够掌握Python的面向对象的特性(封装、继承、多态)| 8.能够掌握Python中异常的处理方式| 9.能够清楚大模型概念和历史发展| 10.能够理解深度学习在大模型领域的作用| 11.掌握掌握提示词工程的特征和原则| 12.掌握完成金融行业文本分类的任务| 13.掌握完成金融行业文本信息抽取的任务| 14.掌握完成金融行业文本匹配的任务| 15.理解什么是LangChain| 16.了解LangChain常见的使用场景| 17.明确LangChain主要组件的作用| 18.能够完成使用LangChain对接外部大模型| 19.能够完成使用LangChain完成RAG案例

    主讲内容

    1. Python编程该阶段系统学习Python编程语言的核心语法、函数、面向对象编程、Web开发框架FastAPI及数据库操作等内容,为后续开发AI应用、大模型集成及数据处理打下坚实基础。

    1.Python语言介绍与特点| 2.Python解析器| 3.开发环境搭建| 4.变量与数据类型| 5.输入与输出| 6.注释| 7.运算符| 8.流程控制| 9.循环结构| 10.数据容器:列表| 11.数据容器:元组| 12.数据容器:字典| 13.数据容器:集合 14.函数定义与调用| 15.函数参数| 16.变量作用域| 17.lambda表达式| 18.返回值与多返回值| 19.模块导入| 20.面向对象编程:类与对象| 21.封装与访问控制| 22.继承与重写| 23.多态与鸭子类型| 24.魔术方法| 25.属性装饰器| 26.异常处理| 27.自定义异常| 28.Web开发框架FastAPI入门| 29.FastAPI路由与请求方法| 30.Pydantic数据验证| 31.异步支持| 32.MySQL数据库操作| 33.综合案例:博客系统

    2. 提示词工程该阶段学习如何设计与优化提示词,以有效引导大语言模型完成特定任务,涵盖上下文学习、指令学习、思维链等方法,并结合金融文本处理案例进行实战应用。

    1.提示词工程概述与目标| 2.提示词设计基本原则| 3.上下文学习(In-Context Learning)| 4.Zero-shot / One-shot / Few-shot 学习| 5.指令学习(Instruction-Tuning)| 6.思维链(Chain-of-Thought, CoT)| 7.Few-shot CoT 与 Zero-shot CoT| 8.方法对比与应用场景| 9.大模型调用方式(Ollama、阿里云百炼)| 10.金融文本分类任务实战| 11.金融文本信息抽取任务实战| 12.金融文本匹配任务实战| 13.提示词模板构建与few-shot示例设计| 14.结构化输出与JSON解析| 15.置信度评估与错误处理| 16.综合案例:金融风险评估

    3. LangChain本部分内容系统介绍了 LangChain 框架的核心概念、组件及其在大语言模型(LLM)应用开发中的实践应用。重点包括 LangChain 的基本架构、Models(模型)、Prompts(提示)、Chains(链)、Agents(代理)、Memory(记忆)等核心组件的使用方法,以及如何通过 RAG(检索增强生成)技术解决大模型幻觉问题,实现基于外部知识库的智能问答系统。通过文档加载、文本分割、向量化、存储与检索等全流程实践,帮助开发者掌握构建高效、可扩展的大模型应用的关键技术。

    1.LangChain概述| 2.Models组件| 3.Prompts组件| 4.Chains组件| 5.Agents组件| 6.Memory组件| 7.RAG原理分析| 8.文档加载器| 9.文本分割器| 10.文档嵌入模型| 11.VectorStores向量库| 12.检索实现

  • 大模型微调基础就业班 5

    课时:7天 技术点:91项 测验:0次 学习方式:线下面授

    学习目标

    1.知道AI项目应用中的痛点| 2.理解什么是模型| 3.理解预训练和微调| 4.知道AE模型预训练方法| 5.知道AR模型的预训练方法| 6.完成环境安装| 7.知道数据的组成要素| 8.数据的划分方法| 9.知道什么是分词| 10.知道什么是词表| 11.知道什么是词向量| 12.知道神经元的构成| 13.常见的激活函数及其特点| 14.能够使用torch构建神经网络| 15.掌握深度学习中损失函数| 16.知道梯度下降算法| 17.知道梯度下降算法的问题| 18.知道什么是adam优化器| 19.理解模型的欠拟合、过拟合和正好拟合| 20.掌握深度学习中的正则化方法 | 21.实践手机价格区间分类任务| 22.知道huggingFace的应用| 23.知道pipeline模型和自动模型| 24.能够利用datasets加载数据集| 25.实践文本分类任务| 26.知道什么是情境学习和思维链| 27.知道PEFT微调方法| 28.理解lora微调| 29.实践大模型微调任务| 30.知道模型压缩的意义| 31.知道模型压缩的方法| 32.实践模型量化

    主讲内容

    1. 模型微调基础本系列内容系统性地讲解了AI项目从识别落地痛点、理解模型微调理论、搭建开发环境、掌握模型训练核心原理到完成完整项目实战的全流程。它旨在帮助学习者将通用的大模型转化为能解决具体业务问题的专属模型,涵盖了为解决“领域知识缺失、输出格式不符、风格偏差、私有数据应用及高昂成本”等核心痛点所必需的关键技术。

    1.领域知识缺失| 2.格式与任务不匹配| 3.价值观和风格偏差| 4.数据分布偏移| 5.部署与推理成本高| 6.模型基本概念(输入、输出、关系)| 7.GPU支持确认与NVIDIA驱动安装| 8.CUDA与CUDNN工具包安装配置| 9.Python与Anaconda环境管理| 10.PyTorch框架安装| 11.虚拟环境创建与管理| 12.环境验证与常见问题排查| 13.数据划分(训练/验证/测试集)| 14.张量表示、DataLoader| 15.文本预处理| 16.神经网络结构| 17.激活函数(ReLU, Sigmoid, Softmax, GELU)| 18.Transformer架构| 19.损失函数(交叉熵)| 20.优化器(SGD, Adam)| 21.训练循环| 22.反向传播| 23.梯度下降| 24.模型评估| 25.欠拟合| 26.过拟合及解决方案(Dropout、BN层)| 27.模型预测:推理与后处理流程| 28.数据读取与处理(Pandas)| 29.数据集划分(train_test_split)| 30.全连接神经网络构建| 31.训练循环实现与模型保存| 32.模型评估与准确率计算

    2. AE模型(BERT)微调HuggingFace技术体系与中文情感分析实战,涵盖从平台基础、核心组件、数据处理、模型训练到部署应用的全链路关键技术点。

    1.开源协作平台(Models, Datasets, Spaces)| 2.核心Python库:transformers, datasets, accelerate| 3.预训练模型库(超100万模型,覆盖NLP/CV/音频/多模态)| 4.AutoTokenizer(文本预处理)| 5.AutoModel/AutoModelForXXX(任务适配模型)| 6.pipeline(端到端推理)| 7.Trainer + TrainingArguments(训练管理)| 8.datasets库(本地/在线数据加载)| 9.BERT中文分词与批处理(collate_fn)| 10.模型架构:预训练BERT + 自定义分类层| 11.迁移学习与微调策略| 12.训练循环(损失计算、反向传播、参数更新)| 13.准确率评估与模型保存| 14.模型加载与评估模式| 15.文本编码与预测流程| 16.情感分析系统完整实现(数据→模型→部署)

    3. AR模型(大模型)微调该系列文档主要介绍大模型微调的核心策略、高效参数微调方法及实战应用流程,涵盖情境学习、思维链推理、PEFT技术(如LoRA、Prefix-Tuning等),以及使用LLaMA-Factory工具进行数据准备、模型训练与预测的全流程实操,为大模型定制化开发提供理论基础与实践指导。

    1.情境学习(In-Context Learning)| 2.思维链(Chain-of-Thought)| 3.PEFT参数高效微调概述| 4.Prefix-Tuning| 5.Adapter-Tuning| 6.LoRA(低秩适配)| 7.QLoRA(量化LoRA)| 8.AdaLoRA(动态秩分配)| 9.LLaMA-Factory工具介绍| 10.Web UI界面操作| 11.命令行训练方式| 12.多模型兼容(如Qwen、LLaMA等)| 13.数据格式(指令-输入-输出)| 14.数据清洗与增强| 15.模型选择与硬件适配| 16.LoRA训练配置| 17.权重合并与导出| 18.模型预测与推理| 19.损失函数与训练监控| 20.超参数设置(学习率、批次大小等)| 21.模型评估与验证策略| 22.实战案例:文本摘要任务| 23.微调方法对比与总结

    4. 模型压缩该阶段主要介绍模型压缩的核心目标、意义及常用方法,重点通过量化技术实践案例展示如何在保持模型性能的同时显著降低显存占用、提升推理速度,使大模型能够在消费级硬件上运行。内容涵盖模型压缩的理论基础(量化、剪枝、蒸馏)以及实际应用(使用 bitsandbytes 对 Qwen 模型进行 8-bit 和 4-bit 量化),帮助学习者在资源受限环境中高效部署大模型。

    1.模型压缩目标与意义| 2.硬件限制与显存需求分析| 3.推理延迟与能耗成本| 4.端侧部署挑战| 5.量化技术概述| 6.对称量化与非对称量化| 7.剪枝流程与微调机制| 8.知识蒸馏流程| 9.bitsandbytes 量化库使用| 10.8-bit 量化配置与实践| 11.4-bit 量化类型(NF4/FP4)| 12.双重量化技术| 13.模型显存监控与清理| 14.量化前后显存对比| 15.量化加载速度优化| 16.硬件门槛降低策略| 17.量化方法选择指南| 18.消费级显卡适配(如RTX 3060/4060)| 19.模型推理加速| 20.资源效率优化实践

  • 企业级智能问答项目就业班 6

    课时:7天技术点:87项测验:0次学习方式:线下面授

    学习目标

    1.能够掌握企业级项目环境搭建和调试| 2.能够掌握RAG系统开发全流程| 3.能够掌握RAG项目的分层架构、模块化设计| 4.能够掌握向量数据库(Milvus)的使用和优化| 5.能够掌握大语言模型(通义千问)的集成调用| 6.能够掌握对项目的缓存优化| 7.能够掌握稀疏向量和稠密向量的使用| 8.能够掌握系统性能评估方法:RAGAS评估框架、多维度指标分析| 9.能够具备生产级系统部署能力:FastAPI服务化、流式输出、会话管理

    EduRAG 是一个企业级智能问答系统,专为教育场景设计,整合了基于 MySQL 的快速 FAQ 检索和基于 RAG(Retrieval-Augmented Generation)的复杂问题处理能力。系统通过结合 MySQL 数据库的高效查询和 Milvus 向量数据库的语义检索,实现了从常见问题到专业咨询的全方位问答支持。

    主讲解决方案

    1.数据获取与预处理| 2.多向量存储方案| 3.稀疏向量和稠密向量| 4.文档重排序| 5.非结构化文本实体识别(OCR)| 6.教育问答系统| 7.意图模型分类微调| 8.RAG系统评估方案| 9.工程化部署

    主讲知识点

    1.Python虚拟环境管理| 2.依赖库管理| 3.Milvus向量数据库安装配置| 4.多模型部署(BGE-M3、BGE-Reranker)| 5.文档加载:PDF、Word、PPT、图片(OCR)、Markdown| 6.文本分割:中文递归分割、Markdown专用分割| 7.查询分类:BERT分类模型| 8.嵌入模型:BGE-M3(稠密+稀疏向量)| 9.通义千问模型集成| 10.Prompt工程与模板管理| 11.流式输出处理| 12.FastAPI框架开发| 13.会话管理与历史记录| 14.跨域处理(CORS)| 15.静态文件服务| 16.查询分类器(通用知识 vs 专业咨询)| 17.策略选择器(四种检索策略)| 18.文档处理器(父子块分层)| 19.向量存储(混合检索+重排序)| 20.RAGAS评估框架| 21.四维指标:忠实度、答案相关性、上下文相关性、上下文召回率| 22.Agents自动化评估流程| 23.测试样本生成与质量检查| 24.日志系统设计| 25.异常处理机制

  • 企业级微服务SCA&AI就业班 7

    课时:8天 技术点:44项 测验:0次 学习方式:线下面授

    学习目标

    1.掌握SpringCloud Alibaba微服务技术栈| 2.掌握高可靠性的消息队列方案| 3.掌握分布式搜索解决方案| 4.掌握Redis高级知识及底层原理| 5.掌握微服务热点难点面试题及底层原理| 6.掌握单体项目迁移至微服务项目常见技术方案| 7.掌握Spring Cloud Alibaba AI 构建AI聊天

    主讲内容

    1. Spring Cloud Alibaba & AI掌握注册中心、远程调用、熔断限流等核心技术,结合分布式事务与网关鉴权实战,实现微服务与AI应用开发。

    1.认识微服务架构| 2.使用AI构建微服务工程| 3.RestTemplate| 4.服务注册与发现| 5.OpenFeign远程调用| 6.微服务保护的方案| 7.服务熔断| 8.服务降级| 9.请求限流| 10.线程隔离| 11.分布式事务控制| 12.网关路由| 13.网关鉴权| 14.商城微服务前后端联调| 15.配置管理| 16.Spring Cloud Alibaba AI

    2. 消息队列掌握RabbitMQ核心概念与工作模型,学习消息可靠性、延迟消息及集群部署,解决异步通信与系统解耦问题。

    1.初识MQ| 2.RabbitMQ入门| 3.RabbitMQ工作模型| 4.使用RabbitMQ解决项目问题| 5.消息可靠性方案| 6.延迟消息| 7.集群部署

    3. Elasticsearch学习倒排索引原理与ES核心操作,实现搜索、聚合及高级功能,掌握海量数据高效检索与分析。

    1.认识Elasticsearch| 2.安装Elasticsearch| 3.Elasticsearch入门程序| 4.IK分词器| 5.索引操作| 6.文档操作| 7.Java Client| 8.搜索| 9.数据聚合| 10.搜索高级| 11.同义词| 12.Elasticsearch实现自动补全| 13.nested类型

    4. 微服务面试问题聚焦微服务高频考点,涵盖ES同步、Sentinel算法、Redis原理等,提升分布式系统面试应对能力。

    1.ES索引同步方案| 2.Sentinel底层算法| 3.缓存常见问题| 4.任务调度方案| 5.Redis持久化| 6.Redis部署方式| 7.Redis数据类型与原理| 8.Redis内存回收

  • 互联网分布式项目就业班 8

    课时:11天学习方式:线下面授

    AI云岚到家

    AI四方保险

    AI天机学堂

    AI神领物流

    项目简介技术点:142项测验:0次

    本课程以智能家政O2O平台为核心项目,基于Spring Cloud Alibaba微服务架构,完整实现用户端(小程序)、服务端(APP)、机构端(PC)、运营管理端(PC)四端协同的在线家政服务系统。课程涵盖在线下单、智能派单、实时抢单、支付结算、LBS服务追踪等核心业务场景,深度整合MySQL、Redis、RabbitMQ、ElasticSearch等分布式中间件,以及微信支付、高德地图、OSS等第三方服务。项目采用AI辅助开发模式,通过代码生成、智能日志分析、自动化测试等技术提升开发效率,让你在掌握高并发微服务设计、分布式事务处理、实时数据处理等企业级技能的同时,获得AI+研发的实战经验,具备独立架构复杂业务系统的能力。

    进入项目体验

    学习目标

    1.掌握系统需求分析的流程与方法 | 2.掌握根据产品原型进行系统设计的方法 | 3.掌握基于三层架构的开发方法 | 4.掌握使用AI工具进行项目设计、编码、优化的开发方法 | 5.能够集成AI大模型开发智能预约助手 | 6.掌握运营基础管理模块的设计与开发方法 | 7.掌握客户管理模块的的设计与开发方法 | 8.掌握门户模块的的设计与开发方法 | 9.掌握订单管理模块的设计与开发方法 | 10.掌握支付模块的设计与开发方法 | 11.掌握优惠券活动管理模块的设计与开发方法 | 12.掌握抢券模块的设计与开发方法 | 13.掌握抢单模块的设计与开发方法 | 14.掌握派单调度模块的设计与开发方法 | 15.掌握搜索附近模块的设计与开发方法 | 16.能够独立进行电商项目等多行业项目的设计与开发 | 17.掌握线上故障处理的流程与常用方法 | 18.熟悉项目开发的整体流程

    主讲解决方案

    1.缓存一致性解决方案| 2.异构数据同步解决方案| 3.MQ消息可靠性解决方案| 4.基于ES实现全文检索解决方案| 5.用户定位解决方案| 6.用户认证解决方案| 7.文件存储解决方案| 8.支付接口对接方案| 9.保证接口安全性解决方案| 10.基于状态机的状态管理解决方案| 11.订单快照解决方案| 12.取消订单解决方案| 13.关系数据库分库分表解决方案| 14.海量数据分页查询优化方案| 15.多线程任务处理解决方案| 16.分布式任务调度解决方案| 17.分布式锁解决方案| 18.秒杀抢购业务解决方案| 19.分布式事务控制解决方案| 20.NLP AI智能助手技术方案| 21.基于ES实现搜索附近业务解决方案| 22.撮合匹配解决方案

    主讲知识点

    1.如何熟悉新项目| 2.运营服务管理模块| 3.用户认证模块| 4.小程序首页模块| 5.优惠券模块| 6.订单模块| 7.支付模块| 8. AI在线预约助手| 9.系统优化| 10.秒杀抢购模块-抢券| 11.秒杀抢购模块-抢单| 12.派单调度模块| 13. 项目运维| 14.项目就业指导| 15.电商等多行业项目实战指导

    项目简介技术点:77项测验:0次

    四方保险项目是一个金融保险销售SaaS平台,依托移动互联网项目为保险销售公司、保险产品需求人提供线上保险销售、产品发布、产品推荐、自动保费计算、收益计算、核保、承保、理赔等业务。平台包括:用户端(小程序)、保险销售管理端(PC),项目基于SpringCloud Alibaba架构,并采用前后端分离开发。项目中包括7大核心模块:保险发布,保费计算,收益试算,保司承保,合同订单,随心配服务,扣款计划。除此之外,项目抽出了:oauth2、0权限服务,统一支付平台,数据采集埋点,对象存储服务、规则引擎等微服务。项目中使用到MySQL、InfluxDB、Redis、SpringCloud-Stream、XXL-JOB、RabbitMQ、规则引擎、OSS、OCR、Nginx等组件,学完本项目将具备大型互联网金融项目经验。

    进入项目体验

    学习目标

    1.掌握微服务项目业务需求分析能力 | 2.掌握微服务项目模块的拆分设计能力 | 3.掌握SpringCloud的企业级开发框架的应用能力 | 4.掌握SpringCache+Redis的优雅的缓存处理能力 | 5.掌握保险产品组合系数发布处理 | 6.掌握保前保费计算、收益试算业务 | 7.掌握使用规则引擎做保前初筛、产品推荐业务 | 8.掌握生成保险合同、合同分期支付计划业务 | 9.构建基于OAuth2.0的微服务权限统一管理 | 10.构建基于多个三方的对象存储微服务平台 | 11.构建基于微信、支付宝多场景的统一支付微服务平台 | 12.构建基于阿里云、百度云、腾讯云的统一短信微服务平台 | 13.构建基于Gateway+influxDB的数据采集分析平台

    主讲解决方案

    1.缓存双写一致性问题解决方案| 2.线程池异步处理大数据写入| 3.微服务用户认证授权解决方案| 4.策略模式和门面模式的投保方案| 5.合同订单快照解决方案| 6.基于延迟队列合同订单取消| 7.InfluxDB的海量采集数据存储| 8.规则引擎微服务化管理平台| 9.Xxl-Job分布式任务定时解决方案| 10.Seata分布式事务控制解决方案| 11.统一对象存储解决方案| 12.独立微服务:统一支付中心解决方案| 13.Gateway统一数据采集解决方案

    主讲知识点

    1.基于产品原型进行功能需求分析| 2.基于产品原型进行数据库表设计| 3.基于产品原型进行功能性设计| 4.基于微服务特点进行功能拆分设计| 5.基于Swagger进行接口调试| 6.SpringCache+Redisd的缓存实现| 7.Nginx的性能优化处理| 8.保险系数、保障项、分类项接口| 9.保险产品发布和组合方案接口| 10.产品详情页的数据查询优化| 11.保险投保合同、合同订单的延迟取消| 12.保险条例、规则文件的分片上传处理| 13.支付模块周期性扣款处理| 14.SpringCloud-Stream延迟存储采集数据| 15.基于规则引擎的保险初筛处理| 16.基于策略模式和门面模式的保费计算、收益计算| 17.接口幂等性处理| 18.支付结果三方推送及主动轮询处理

    项目简介技术点:82项测验:0次

    天机学堂是生产级的在线教育项目,是专注于非学历职业技能培训的“网校”。项目基于SpringCloud Alibaba微服务技术栈,包含在线教育、社交、电商等热点难点问题的企业解决方案,让学生真正做到举一反三。项目的完整度高,教学过程遵循企业开发流程,旨在让学生体会真实企业开发,掌握微服务开发的常用技能。

    进入项目体验

    学习目标

    1.掌握企业开发的基本模式 | 2.了解企业开发环境、持续集成环境的工作模式 | 3.掌握跨微服务的业务开发方式 | 4.学会基于产品原型和需求做业务流程分析 | 5.学会基于产品原型和需求做数据结构设计 | 6.学会基于产品原型和需求做接口设计 | 7.掌握在线教育项目中的学习辅助系统设计方案 | 8.掌握积分、排行榜等系统设计方案 | 9.掌握优惠券系统设计方案 | 10.掌握常用中间件在微服务开发中的各种使用方式

    主讲解决方案

    1.视频存储、加密、审核、点播解决方案| 2.基于JWT的单点登录解决方案| 3.视频网站用户播放进度记录方案| 4.在线教育学习辅助系统解决方案| 5.在线教育考试评测解决方案| 6.社交业务点赞功能解决方案| 7.用户的积分系统及排行榜解决方案| 8.电商优惠券系统设计方案| 9.高并发下写数据库的优化方案| 10.高并发下秒杀类系统解决方案| 11.分布式锁实现方案| 12.延迟队列实现方案| 13.分布式任务调度解决方案| 14.分布式缓存及数据同步方案

    主讲知识点

    1.企业开发规范和流程| 2.产品原型和需求分析| 3.Redis和DelayQueue解决高并发写问题| 4.Redis和XXL-JOB解决高并发写问题| 5.Redis的BitMap实现签到统计| 6.积分排行榜的多种解决方案| 7.学习辅助系统的设计| 8.基于设计模式实现优惠券规则设计和校验| 9.优惠券兑换码加密算法| 10.优惠券发放的并发安全问题处理| 11.基于Redisson和自定义注解的分布式锁方案| 12.基于线程池的兑换码异步生成任务| 13.微信和支付宝多平台兼容的支付系统设计| 14.退款、拆单及优惠券退还策略| 15.基于MQ的延迟队列解决订单超时问题

    项目简介技术点:87项测验:0次

    神领物流是一个基于微服务架构体系的"生产级"物流项目系统,这可能是目前你能学习到的最接近企业真实场景的项目课程,其业务完整度、真实度、复杂度会让你感到惊讶,你将学习到智能调度、运输路线规划、支付、运费计算等核心业务,同时你也将学习到在复杂的微服务架构体系下开发以及相关问题的解决。

    进入项目体验

    学习目标

    1.将复杂业务进行分解,逐步实现业务需求 | 2.划分微服务边界的能力 | 3.业务需求绘制系统间的流程图、时序图的能力 | 4.对现有功能升级改造的能力 | 5.使用微服务技术进行开发的能力 | 6.多级缓存(分布式缓存)设计/使用能力 | 7.封装通用组件/中台服务的能力 | 8.分布式事务解决的能力 | 9.分布式网关应用的能力 | 10.分布式消息应用的能力 | 11.分布式job应用的能力 | 12.流量控制、熔断降级、系统负载保护等问题解决的能力 | 13.高并发的安全和幂等问题处理能力 | 14.解决较高难度bug的能力 | 15.全路链追踪的解决能力

    主讲解决方案

    1.分布式锁解决方案| 2.多级缓存解决方案| 3.分布式网关的解决方案| 4.分布式消息的解决方案| 5.服务幂等性的设计| 6.微服务架构中的雪崩问题解决方案| 7.微服务结构中的服务熔断、降级解决方案

    主讲知识点

    1.Spring Cloud Gateway 统一认证鉴权| 2.JWT的双Token三验证的设计与实现| 3.基于Redisson实现分布式锁| 4.支付微服务的设计与实现| 5.运费微服务的设计实现| 6.基于图数据库Neo4J的路线规划的设计与实现| 7.物流业务中的智能调度系统| 8.基于MongoDB实现作业范围| 9.基于Caffeine、Redis的多级缓存的分析与实现| 10.使用Redis的缓存穿透、击穿、雪崩问题的分析与解决| 11.基于Graylog实现分布式日志的收集与分析| 12.基于Skywalking实现微服务架构中的链路追踪

  • 多智能体协同中台项目就业班 9

    课时:7天技术点:38项测验:0次学习方式:线下面授

    学习目标

    1.掌握天机学堂项目业务功能理解及Langchain、LangGraph集成能力| 2.掌握Langchain、LangGraph核心对话功能实现能力(含新建对话、流式对话、停止生成等)| 3.掌握基于PostgreSQL的checkpointer对话上下文管理与会话历史存储能力| 4.掌握Tool Calling技术实现AI课程查询及对话中课程卡片展示能力| 5.具备对接外部知识库系统(EduRAG)及AI对话中课程推荐能力| 6.掌握开发AgentCenter服务中台以及业务系统的对接能力| 7.掌握6种智能体架构模型原理及LangGraph路由工作流智能体开发能力| 8.具备基于A2A协议开发独立智能体服务的能力| 9.掌握MCP概念及MCP Client/Server实现能力

    本课程系统讲解基于Langchain、LangGraph框架实现智能体服务中台,构建智能应用,业务系统进行对接。内容覆盖Prompt工程、Tool Calling、A2A协议、MCP协议等核心技术,以“天机学堂AI助手智能体”为核心项目,从零打造含智能课程推荐、学习咨询、自动化交易的AI教育平台,推动教育服务个性化升级。

    主讲解决方案

    1.基于LangGraph实现路由智能体架构| 2.基于checkpointer机制实现对话记录管理| 3.封装智能体中台服务,实现会话管理、认证管理等基础功能| 4.基于EduRAG实现检索增强| 5.基于Spring Cloud Gateway实现统一网关| 6.基于A2A协议进行智能体间的协作与通信| 7.基于MCP协议封装通用的工具服务

    主讲知识点

    1.基于Langchain、LangGraph框架与大模型技术构建智能应用| 2.采用Spring Cloud Gateway实现统一网关服务| 3.封装通用的智能体服务中台,为业务系统提供高效的AI服务| 4.利用Tool Calling(Function Calling)将AI能力与业务系统(如课程查询、下单购买)深度集成| 5.基于PostgreSQL的checkpointer管理对话历史与上下文记忆,实现会话状态持久化| 6.支持流式对话输出与停止生成功能,优化用户交互体验| 7.构建“天机学堂AI助手智能体”项目,实现智能课程推荐、实时学习咨询、自动化交易服务等功能| 8.支持多平台大模型接入,包括阿里云百炼、OpenAI、Ollama等,实现混合部署| 9.开发基于MCP(Model Context Protocol)标准协议的服务端与客户端,扩展AI模型外部工具调用能力| 10.基于A2A协议实现智能体服务,智能体之间进行标准化的通信| 11.设计多种智能体架构模型,重点实现路由工作流智能体架构,提升扩展性| 12.集成通用文本模型接口,支持AI自动回复、续写、扩写等常见应用场景

  • AI智能应用开发 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

在线咨询
看不清,点击图片换一张