4006-998-758
3000+课程任你选择
LLM时代的AI4SE和SE4AI的工程实践与行业趋势
研发学院 LLM时代的AI4SE和SE4AI的工程实践与行业趋势
Jack Miao
  • 业界知名实战派研发效能(软件工程)和软件质量双领域专家,在国内外各大技术峰会担任联席主席,技术委员成员和出品人

  • 国内第一本多模态大模型书籍的作者,国内最早的大模型应用领域的一线实践者和布道者

  • 硅谷先进研发效能理念在国内的技术布道者,互联网行业研发效能提升领域的技术先行者

  • 大语言模型LLM在软件研发领域应用与落地的先行者

  • 测试基础架构和测试中台建设的技术布道者与实践者

  • “研发效能宣言“发起人和主要起草人

● 腾讯研究院 特约研究员

● 腾讯Tech Lead

● 腾讯集团技术委员会委员

● 腾讯管理干部技术领导力建设核心讲师

● 腾讯CTO领航营特聘讲师

● 腾讯研究院AIGC行业研究专项 特聘技术专家

● 腾讯学堂AIGC和LLM行业应用进阶特聘讲师

● 腾讯投后企业技术高管技术领导力课程核心讲师

● 中国计算机学会(CCF) TF 研发效能SIG 主席

● 国务院发展研究中心AIGC应用 特约访谈专家

● 中国信息通信研究院“LLM智能化软件工程”年度贡献专家

● 中国通信标准化协会TC608云计算标准和开源推进委员会云上软件工程工作组副组长

● IEEE 智能化软件工程标准的撰写人之一

● 年度IT图书最具影响力作者(与吴军同时获奖)

● 22年23年连续两年获得 中国信通院软件工程领域年度十大突出贡献专家

● 年度IT技术领导力年度互联网行业测试领域技术专家

● 中国商业联合会 互联网应用技术委员会 智库专家

● 腾讯云架构师技术同盟入会发展主席

● 畅销书《多模态大模型:技术原理与实战》作者

● 台湾繁体图书《多模态+大模型实作精讲》作者

● 《大模型驱动的软件测试:从理论到实践》译者

● 《构建Agentic AI系统:打造能推理、可规划、自适应的AI智能体》译者

● 《智能体设计模式:构建Agentic系统实践》译者(即将出版)

● 《因果 AI》译者(即将出版)

● 《AI Agents in Action》译者(即将出版)

● 《Engineering AI System》译者(即将出版)

● 《AI赋能的数据科学:基于LLM的多模态数据分析》译者(即将出版)

● 腾讯云最具价值专家TVP,阿里云最具价值专家MVP,华为云最具价值专家MVP

● 业界第一本研发效能领域专著《软件研发效能提升之美》作者

● 畅销书《软件研发效能提升实践》作者

● 畅销书《软件研发效能权威指南》主编

● 畅销书《测试工程师全栈技术进阶与实践》作者

● 畅销书《高效自动化测试平台:设计与开发实战》作者

● 畅销书《现代软件测试技术之美》作者

● 新书《高质效交付:软件集成、测试与发布精进之道》

● 新书《软件研发行业创新实战案例解析》主编

● 新书《现代软件测试技术权威指南》

● 译作《整洁架构之道(中文新版)》

● 译作《软件设计的哲学(第2版)》

● 译作《DevOps实践指南(第2版)》

● 译作《持续架构实践:敏捷和DevOps时代下的软件架构》

● 译作《现代软件工程:如何高效构建软件》

● 译作《精益DevOps》

● 译作《基础设施即代码:模型驱动的DevOps》

● 译作《计算机科学通识:计算思维培养与多学科问题解决实践》

● 硅谷架构经典教程《软件架构实践(第4版)》技术审校

● 《软件开发中的决策:权衡与取舍》技术审校

● InfoQ极客时间《软件测试52讲-从小工到专家的实战心法》作者

● 《研发质量保障与工程效能》作者之一

● 团体标准“软件研发效能度量规范“核心编写专家

● 信通院“DevOps能力成熟度模型”核心编写专家

● 技术白皮书“研发效能实践指南“主编

● 技术白皮书“软件测试技术趋势白皮书“指导委员会委员

● 技术白皮书“数字化时代质量工程白皮书“编写委员会成员

● “2022研发效能实践案例智库集“主编

● Certified DevOps Enterprise Coach课程设计者

● “中国数字经济发展观察报告”作者之一

● 西南科技大学 计算机科学与技术学院 研究生导师

● 南京大学 软件学院 企业讲师

● 中国移动通信联合会ICT领域专家级讲师认证

查看老师详情
课程内容

课程对象

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

软件架构师,资深研发工程师

运维架构师,资深运维工程师,DevOps工程师,SRE

测试架构师,资深测试工程师

研发管理人员,研发流程工程师

课程大纲

熟练使用LLM能力的最佳实践与案例

l  大语言模型的基本原理详解

l  LLM应用能力的进阶模型(“倒三角”模型)

l  提示词工程基础知识

l  主流提示词使用技巧

l  提示的万能使用公式详解

l  提示词模板的使用

l  提示词静态链的使用

l  提示词的横向扩展

l  提示词的纵向扩展

l  Jinja2在大模型提示词工程中的应用

l  使用OpenAI API

l  ReAct的概念和落地

l  思维链和多思维链

l  RAG的基本原理与应用

l  多模态RAG的使用

l  plugin机制与使用方式

l  Function Call机制与使用方式

l  MCP机制与使用方式

l  Skills机制与使用方式

l  Agent的雏形

l  Agent开发的基本框架

l  Agent的设计模式

l  业界主流Agent的设计思路与使用

l  Multi-Agent的雏形

l  业界主流Multi-Agent的设计思路

l  多Agent任务调度策略与选型

l  Agent设计模式与选择

l  Multi-Agent的基本逻辑和应用范围

l  Manus的设计原理

l  Multi-Agent应用示例:MetaGPT

l  Multi-Agent应用示例:DevChat

l  OpenClaw的设计原理

Agent设计模式

l  顺序执行链模式与案例详解

l  路由模式与案例详解

l  并行模式与案例详解

l  反思模式与案例详解

l  工具使用模式与案例详解

l  规划模式与案例详解

l  多智能体协作模式与案例详解

l  人类参与模式与案例详解

l  短期记忆管理模式与案例详解

l  长期记忆管理模式与案例详解

Agent智能体开发

l  Agent开发的主流框架简介

l  Agent开发框架的学习方法与策略

l  基于可视化编排的Agent开发模式

l  基于代码框架的Agent开发模式

l  记忆,规划,工具,自主决策,推理详解

l  多智能体协作

l  企业级智能体应用与任务规划

l  Agent开发框架选型

l  用LangChain实现路由模式

l  用LangChain实现并行模式

l  用LangChain实现反思模式

l  用LangChain实现工具使用

l  用LangChain实现规划模式

l  用LangChain实现短期记忆管理模式

l  用LangChain实现长期记忆管理模式

AI4SE(AI能力应用与软件工程)的最佳实践

l  软件研发全流程中LLM擅长的部分

l  软件研发全流程中LLM不擅长的部分

l  上下文知识库构建的核心价值

l  企业级知识库构建的基本方法

l  竞品分析与市场调研阶段LLM的应用场景与案例

l  产品概念与产品定义阶段LLM的应用场景与案例

l  产品原型阶段LLM的应用场景与案例

l  产品体验设计阶段LLM的应用场景与案例

l  需求分析阶段LLM的应用场景与案例

l  技术选型阶段LLM的应用场景与案例

l  顶层设计阶段LLM的应用场景与案例

l  详细设计阶段LLM的应用场景与案例

l  从设计到UML,从UML到代码的完整示例

l  编码阶段LLM的应用场景与案例

l  代码评审阶段LLM的应用场景与案例

l  单元测试阶段LLM的应用场景与案例

l  接口测试阶段LLM的应用场景与案例

l  持续集成流水中LLM的应用场景与案例

l  各类软件工程文档中LLM的应用场景与案例

l  持续发布中LLM的应用场景与案例

l  性能测试阶段LLM的应用场景与案例

l  测试结果分析中LLM的应用场景与案例

SE4AI(AI原生应用开发)的最佳实践

l  AI原生应用的概念

l  Agentic设计模式

l  Agentic架构演进

l  低代码 VS 实时生成与执行

l  Palantir FDE模式

l  从Code-First到Value-First

l  从确定性到概率性:管理AI输出的不确定性

l  Ownership(对最终业务效果负责) VS  Velocity(极速迭代)

l  Palantir FDE的本体论

l  AI原生应用的质量保障(左移)

l  AI原生应用的质量保障(右移)

l  AI原生应用的评测体系

AI和Agent能力评测的最佳实践

l  LLM评测的行业现状

l  做好评测必须掌握的LLM的核心知识体系

l  如何客观看待评测的结果

l  LLM评测 vs Agent评测

l  结果评测 vs 过程评测

l  现有评测体系的人为局限性

l  评测的本质思考和软件工程的本质

l  有效评测体系建立的基本思路

l  评测体系建立的工程实践

l  大语言模型辅助软件工程的评测体系设计

Agent高级主题与应用前沿

l  Agent评测的“可验证性”理论

l  Agent评测的数据集准备

l  Agent评测的业界前沿实践

l  Agent评测的发展方向

l  AgentOps的概念

l  AgenticOps的概念

l  AgentOps的难点与挑战

l  AgentOps的异常定义

l  AgentOps的全流程体系

l  AgentOps的发展方向

课程涉及的的工程实践与行业案例(独家干货)

l  互联网大厂BAT的LLM实践(独家案例)

l  互联网金融企业的LLM实践(独家案例)

l  Google的LLM实践

l  eBay的LLM实践

l  Microsoft的LLM实践

l  …l



返回上一级