GPT与大模型行业应用开发与落地实践

大模型前沿应用实践 / 2026-01-21 15:29:40
GPT与大模型行业应用开发与落地实践
    马上咨询


    讲师介绍

    李明宇  中科院计算所高级工程师，开源项目活跃开发者，

    • 20 余年编程与软件开发经验，10余年云端软件研发与产业化工作经历。历任国家重点实验室课题组负责人，上市公司事业群技术总监、首席技术专家。
    • 李老师项目经验丰富，为多家知名企业和单位提供过服务，包括银联、交通银行、宁波银行、上海期货交易所、国家信息中心、国防科技大学、中国电信集团、中国移动产业研究院、中石化、Intel亚太研发中心等企业和单位。
    • 荣获中国软件协会“优秀CTO”等多项荣誉，兼任中国新一代IT产业联盟分委会秘书长、全国高校人工智能与大数据创新联盟专家委员、北京开源创新委员会委员、中国开源软件创新大赛总决赛评委。


    课程概要

    • 本课程探讨GPT和大模型技术在行业中的实际应用和发展。课程将涵盖GPT的基础知识、原理、及其在行业中的应用案例，如财报分析和客服机器人。重点在于结合实际案例中的使用效果，讲解如何利用GPT的API开发企业级应用以及利用更高级的功能构造AI Agent。同时，课程还将介绍如何将GPT与企业数据结合，以及如何让GPT获取并处理外部信息。
    • 课程还包括对国产和开源大模型的介绍，涉及其部署、微调技术以及安全和合规性问题，基于GPT的应用如何在国产和开源大模型上实现。最终，课程将总结重点内容，并对大模型技术的未来趋势进行展望。


    课程收益

    • 理论与实践结合：不仅掌握GPT和大模型的理论基础，还能通过实际案例学习如何将理论运用于实践，包括在软件开发的各个阶段。
    • 解决方案创新：培养学员利用GPT和大模型创造性地解决行业问题的能力，以及创新软件开发过程。
    • 技术前沿跟进：通过学习最新的技术应用和发展趋势，让学员站在AI技术赋能行业的前沿。
    • 安全合规意识：增强学员对于技术应用中安全和合规性的重视，确保技术应用的合法性和安全性。
    • 提高生产力：掌握先进技术，提升学员和企业的工作效率和质量，增加在行业中的竞争力。


    课程时间：2天（6小时/天) 


    授课对象

    • 软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人
    • 研发管理人员，研发流程工程师
    • 软件架构师，资深研发工程师
    • 测试架构师，资深测试工程师
    • 运维架构师，资深运维工程师，DevOps工程师，SRE


    课程大纲
    一、GPT和大模型基础
    • GPT等生成式AI的概念与发展历程
      • 介绍AIGC和大模型等相关概念，以及GPT从提出到GPT-4的发展历程。
    • GPT的原理
      • 讲解生成式AI、大语言模型、GPT的原理。
    二、大模型行业落地与应用开发
    • GPT等大模型典型应用案例
      • 大模型在行业中的典型应用案例，包括数据质量提升、财报及市场动态分析、客服机器人等场景。
    • GPT的API及Prompt Engineering，function calling和assistant API
      • 如何基于GPT的API开发智能应用和机器人。
      • 介绍Prompt Engineering，结合应用探讨Prompt Engineering的方法与作用。
      • 介绍GPT的一些高级API，包括function calling和assistant API
      • 案例详解：金融政策问答
    • 让GPT利用企业自身的文档与数据
      • 通过embedding、向量数据库等技术，将企业里自身的文档与数据接入到GPT。
      • 案例详解：上市公司财报分析、售前/售后技术支持
    • 让GPT从外部世界获取信息
      • 如何将GPT对接到搜索引擎，并利用大语言模型的能力筛选和处理搜索结果
      • 案例详解：个性化的“朝闻天下”、市场情绪分析
    • 实现AI Agent让GPT从事更复杂的工作
      • 介绍如何借助GPT的一些高级API如function calling和assistant API来实现AI Agent完成复杂任务，并探讨如何在其他大模型上实现这两种API。
      • 案例详解：Code-Chat-Reviewer
    • GPT的微调
      • 澄清业界对于“微调”的一些误解，结合实际案例介绍如何微调GPT模型并进行应用。
      • 案例详解：数据结构化与数据质量提升
    • 多模态大模型及应用
      • 介绍多模态大模型的现状、发展趋势及应用案例。
    三、GPT在软件开发全生命周期的应用
    • 软件需求分析与领域建模
      • 应用GPT来辅助需求分析和领域建模，以及辅助生成相关文档。
    • 架构与设计
      • 使用GPT辅助架构决策和设计模式选择，生成和评估架构设计文档。
    • 数据库设计
      • 利用GPT来优化数据库设计，包括模式设计和查询优化。
    • 程序开发与代码重构
      • GPT在代码生成、代码审核、和代码重构中的应用。
    • 开发者测试与缺陷修复
      • 使用GPT进行测试用例生成和缺陷分析。
    • GPT赋能软件开发案例
    四、国产与开源大模型以及安全问题
    • 典型国产与开源大模型简介
      • 国产商用大模型及GLM、llama-2等开源大模型及生态。
    • 典型开源大模型的部署
      • 介绍如何运行开源大模型并将其部署为HTTP服务对外提供访问。
    • 开源大模型的微调
      • 介绍大模型微调的底层原理，并结合案例介绍如何对一个开源大模型进行LoRA微调。
    • 基于国产与开源大模型构建行业应用
      • 展示基于国产与开源大模型构建行业应用，与GPT进行比较。
    • 安全与合规
      • 介绍如何在一定范围内合法合规访问GPT，探讨使用国产和自己部署开源大模型需要注意的安全问题。
    五、总结与展望
    • 重点回顾
    • 未来展望
      • 展望未来大模型技术发展趋势，以及对企业和岗位的影响。


    最新动态

    点击阅读更多内容
    返回顶部