第一阶段:大模型全栈开发基础(105课时)
核心目标:零基础入门,打通Python全栈开发、多模态数据处理、FastAPI后端及Docker部署能力。
实战项目:PromptForge——企业级多模态AI内容生产中台。支持图文视频批量生成、构建Prompt资产库、实现高并发批处理。
对标岗位:Python后端开发、AI应用后端开发(大专学历平均薪资约11k)。
第二阶段:大模型推理服务集成(201课时)
核心目标:进阶LLMOps工程师,掌握模型推理、服务封装、vLLM/TensorRT-LLM/MindIE等推理框架、Kubernetes集群部署及性能优化。
实战项目:MindForge——企业级大模型推理服务平台。实现统一OpenAI API接口、多模型路由调度、限流熔断机制及全链路可观测性。
对标岗位:大模型部署工程师、推理优化工程师(本科起,平均薪资15k-25k+)。
第三阶段:企业级RAG系统构建(88课时)
核心目标:掌握企业知识库核心命脉,精通LangChain、LlamaIndex、GraphRAG、向量数据库及Advanced RAG优化策略。
实战项目:KnowledgeOS——多引擎RAG知识中台。支持标准RAG与GraphRAG双引擎架构,完美解决企业复杂场景下的精准问答难题。
对标岗位:RAG工程师、企业知识库工程师(中级岗位,薪资20k-40k)。
第四阶段:企业级Agent架构设计(48课时)
核心目标:驾驭多智能体协作系统,掌握LangGraph、MCP协议、A2A通信、上下文工程及产品级Agent开发。
实战项目:AgentOS——多智能体协作平台。涵盖复杂任务拆解、外部工具调用、人机协同交互及长效记忆治理。
对标岗位:智能体开发工程师、AI应用架构师(高级岗位,薪资25k-70k+)。