人工智能应用工程师（高级）实战进阶

人工智能应用工程师（高级）实战进阶

让每位工程师成为AI落地项目的实践者  

【培训费用】4960元/人（含午餐、发票、学员手册、培训实施、证书、茶歇）

【课程收益】

u 工程提效：把数据集处理、原型开发、方案初稿等高频研发事务固化为标准化流程，降低 AI 项目试错成本。

u 指令与工程思维：掌握大模型提示词工程、Agent 规划设计思路，输出稳定可控的模型业务结果。

u 智能辅助开发：熟练使用大模型工具完成接口开发、脚本编写、调试排错，加速从需求到代码成果的转化。

u 系统架构能力：掌握 RAG、Agent 系统整体架构，完成服务部署、并发、向量库选型等技术决策。

u 行业方案输出：具备拆解业务需求、输出完整可落地 AI 行业解决方案的能力。

u 合规风险管控：掌握生成式 AI 项目的数据安全、隐私、输出风险管控方法，建立项目合规自查意识。

【课程对象】

u 有开发基础，想转AI方向的后端／全栈工程师

u AI应用工程师（中级）想晋升高级

u 懂业务＋懂技术的复合型人才（行业AI落地）

u 大模型方向实施／解决方案工程师，想往技术侧升级 

【课程背景】

u 大模型技术正在重塑软件研发与行业解决方案落地模式，AI项目不再只停留在demo原型，更多企业需要完成从架构设计、智能体开发、数据治理到业务落地、合规上线的完整工程化交付。对于开发人员而言，真正的挑战不只是会调用大模型接口，而是完成**系统架构设计、业务 Agent 开发、数据处理、方案设计、风险合规管控**，搭建可生产可用的 AI 应用系统。

u 本课程以大模型工程化落地为主线，覆盖AI系统架构、RAG数据处理、Agent智能体开发、AI辅助编程、行业解决方案、AI伦理合规、综合项目实战等工程真实场景，帮助学员建立 “架构选型‑数据治理‑应用开发‑效果调优‑合规交付‑方案沉淀”的AI项目完整闭环。学完后能够独立承接AI应用项目，完成原型开发到落地交付，把重复的研发事务交给工具，将更多精力投入业务设计与系统创新，开启工程化AI开发新范式。

【授课方式】

       课程采取理论（线下集中授课+线上视频巩固学习）+实战演练+参访游学的方式，帮助学员理解和学习提升 

【课程特色】

u 实战演练：课程设置实战演练环节，帮助学员更好理解。

u 教练式教学：以学员为主体，关注学员需求，聆听学员问题，启发学员思考。 

【证书与认证层面】

u 通过培训学习+考试，可获得工信部教育与考试中心颁发的人工智能应用工程师（高级）证书

【课程大纲】

单元1｜AI 系统架构与项目场景判断（Day1・2 小时）

单元概述：建立AI应用系统整体认知，搭建技术选型地图，区分哪些业务适合大模型落地，哪些环节必须依靠人工介入校验。

实现目标：能够按照检索增强RAG、智能体Agent、AI辅助开发、行业业务落地四类场景完成技术选型，明确大模型系统的能力边界与风险点。

具体内容：

u 当前主流大模型应用技术栈能力分工以及适用业务场景

u 哪些业务适合AI做辅助生成、检索、分析，哪些环节必须保留人工审核

u AI项目实施前期准备：需求调研、资源评估、业务指标确认

u 大模型服务调用方式：网页调试、SDK对接、API服务部署

u 向量数据库、推理服务、业务服务组件能力对比

u 企业场景下如何做数据隔离，保障企业内部业务数据安全

单元2｜AI项目数据处理、数据集构建与可视化（Day1・2.5 小时）

单元概述：围绕RAG与AI应用项目的数据链路，掌握从原始资料到可用向量数据集全流程，学会通过数据指标评估AI项目效果。

实现目标：可以独立完成业务数据清洗、数据集构建、向量处理，输出AI项目评估指标与可视化看板。

具体内容：

u AI 项目原始业务资料上传前预处理规范

u 文档拆分、清洗、去重、质量校验实操

u 向量化处理、向量库入库策略、召回策略调优

u 数据集质量评估方法，bad case 收集与迭代优化

u 面向 RAG 业务场景的数据分析指标定义

u 使用工具完成 AI 业务指标统计、图表可视化

u 业务指标解读，根据数据定位系统问题，输出优化行动建议

u 实操：业务文档处理，构建一份可用于 RAG 的业务数据集

单元3｜WorkFlow 与 RAG 系统架构设计（Day1・2.5 小时）

单元概述：理解企业级 RAG 完整工作流，掌握分层系统架构，完成 RAG 系统从输入、检索、重排到生成输出全链路设计。

实现目标：独立完成 RAG 业务系统架构设计，完成上下文管理、检索策略配置，沉淀可复用的 RAG 配置模板。

具体内容：

u RAG 系统核心能力与典型业务使用路径

u RAG 系统模块拆解：接入层、检索层、重排层、生成层、业务层

u 任务拆解：复杂业务如何拆解为多步 RAG 工作流

u 业务文件、知识库材料、上下文的传入与管理方式

u 向量库工作空间、知识库权限、多租户业务场景设置

u 大模型、重排模型、向量模型自定义配置与 API 接入

u 高并发场景缓存、限流、资源选型方案

实操练习：搭建最简业务 RAG 工作流，测试问答输出效果

单元4｜AI 智能体 Agent 应用开发与调优（Day2・3 小时）

单元概述：掌握 Agent 智能体底层原理，学习工具调用、记忆模块、任务规划，实现业务场景下多工具编排智能体。

实现目标：能够开发业务 Agent，配置工具集、记忆策略，完成 Agent 调试，处理幻觉、工具调用失败等异常问题。

具体内容：

u Agent 智能体核心组成：角色、目标、记忆、规划、工具调用

u 主流 Agent 开发框架选型对比，适用场景

u 单 Agent 业务开发实操：工具定义、提示词设计、执行逻辑编排

u 多 Agent 协作场景设计，分工、消息流转、冲突处理

u Agent 记忆模块设计：短期记忆、长期业务记忆

u Agent 常见问题：幻觉、重复调用工具、任务跑偏，排查与调优手段

u 业务场景案例：知识库问答 Agent、工作任务执行 Agent

u 实操：开发面向真实业务的单 Agent，完成业务任务执行测试

单元5｜AI 智能编程应用与工程开发（Day2・2.5 小时）

单元概述：利用大模型提升后端服务、脚本开发效率，学习 AI 辅助编码、调试、安全校验，快速完成小型 AI 服务原型。

实现目标：借助 AI 完成业务接口、自动化脚本编写，识别代码风险，快速搭建简易 AI 原型服务。

具体内容：

u AI 辅助编程的能力边界，什么时候适合交给 AI 生成代码

u 使用大模型生成接口、数据处理脚本、测试用例

u 代码调试：借助 AI 定位报错，修复逻辑问题

u AI 生成代码的安全风险识别，漏洞、逻辑缺陷校验

u 提示词优化，减少 AI 生成代码的错误率

实操练习：基于大模型快速开发小型 AI 后端服务原型

参访游学：线下宇树具身智能产业学院参观学习（2小时）

单元6｜AI 助力数字媒体及多模态业务落地（Day3・1.75 小时）

单元概述：学习 AIGC 多模态内容在企业业务的落地方法，覆盖文案、图文、音视频业务，理解内容生产完整业务链路。

实现目标：可以完成业务内容脚本设计、素材描述，评估多模态生成结果，识别内容版权与输出风险。

具体内容：

u 企业数字媒体业务场景盘点：文案、宣传材料、培训素材

u AIGC 文本、图片、音视频生成业务流程

u 脚本编写：业务文案、短视频脚本结构设计

u 图片、视频素材提示词撰写方法

u 数字人、批量多模态内容生成业务场景

u 生成内容版权风险、内容质量评估标准

u 实操：针对业务主题输出完整多模态内容生产脚本

单元7｜AI 伦理、安全与项目合规管控（Day3・1.25 小时）

单元概述：讲解生成式 AI 相关法规要求，建立项目全流程合规意识，形成 AI 项目落地合规自查方法。

实现目标：掌握 AI 项目数据安全、隐私保护、内容风控要点，输出项目合规自查清单。

具体内容：

u 国内生成式 AI 相关法律法规核心要点解读

u 业务数据采集、存储、调用过程隐私保护要求

u 大模型输出风险：幻觉、敏感内容，风控拦截机制设计

u 训练数据、业务知识库的版权风险识别

u AI 项目上线前合规检查项

u 输出一份可复用的 AI 项目落地合规自查清单

单元8｜行业解决方案综合实战、封装复用与项目交付（Day3・3 小时）

单元概述：从真实业务需求出发，完成需求拆解、技术选型、方案撰写，把开发经验沉淀成可复用方案模板，完成项目路演评审。

实现目标：能够独立完成完整 AI 行业解决方案设计，封装业务提示词与工作流模板，完成项目汇报，定位方案短板。

具体内容：

u 政企、制造、媒体等行业 AI 项目真实案例拆解

u 业务需求拆解方法：业务目标、约束条件、风险点梳理

u 技术选型：模型、向量库、Agent 能力、部署方案、成本评估

u AI 行业解决方案文档框架：需求、架构、实施步骤、效果指标、风险与合规

u 将高频业务提示词、工作流封装为可复用业务模板

u 小组实战：自选真实业务场景，完整设计一套 AI 落地方案

u 小组成果路演展示，讲师点评优化

u 个人 AI 项目落地行动清单沉淀

【答疑总结】

u 课程最后设置答疑总结。学员将带着一个真实业务 AI 项目任务，现场完成需求拆解、架构选型、开发思路设计、风险与合规校验；讲师集中答疑，梳理 RAG、Agent 开发、多模态业务、方案设计当中的常见易错点。最终形成一份可带回岗位的个人 AI 项目行动清单、通用架构模板、合规自查清单，确保学完就能落地项目，落地之后可以沉淀复用。

 讲师简介-知衍老师

u 毕业于国防科技大学软件工程硕士，副教授

u 主要研究方向为机器学习、数据科学与软件开发

u 高等教育领域从教10年+企业培训工作经验8年

u 发表SCI、EI等国际期刊论文4篇，国内期刊论文若干，主持省市级课题若干。

u 2018年以来为三星电子、华星光电、伟创力等企业承担机器学习系列课程，包括Python、深度神经网络、统计分析、深度强化学习等。

【宇树具身智能产业学院】

【机器人实训室】

【智能机器人应用特殊领域】

【智能机器人应用工业】

用明天的科技，培养今天的学员，为未来服务

Train Today's Students with Tomorrow's Technology to Serve the Future