一、为什么需要垂类模型

1. 从通用大模型到垂类大模型

2. 垂类大模型训练技术

3. 垂类大模型评测方法

4. 垂类大模型应用实践

5. 目标1：掌握垂类模型训练、评估与推理能力

6. 案例实例：

(1) 行业类（如金融 等）术语或指令知识注入

(2) 细分场景模型工厂打造（训推一体化）

二、大语言模型前沿业界产品

1. 大模型应用行业地图

2. 大模型前沿产品介绍与拆解

3. 多模态发展趋势与展望

4. 多模态云端实操

5. 目标2：掌握多模态理解与生成（图/音频/视频）

6. 案例实例：

(1) 视觉类：SD/SVD基础模型搭建与ComfyUI使用

(2) 音频类：cosy/chatTTS音色模仿与输出

(3) 虚拟人：数字分身、互动唱歌、直播

三、Agent平台落地实操

1. 简介：Workflow工作流与调试 介绍；

2. 初试：快速创建与标准创建，单Aegnt、MultiAgent、AutoAgent；

3. 验证：打造带Function Call能力的Agent（创建Bot与使用插件）；

4. 多模态：Coze 卡片、图像流 操作手册；

5. 场景实践：

(1) Multi-Agent RAG实操落地

(2) ChatBI实操落地（Chat2SQL、Chat2API）

(3) 测试Agent实操落地

6. 同学可选实践场景（指导材料细节完备），如：

(1) 日常办公场景（基于Agent打造企业信息助理 等）

(2) 运营物料场景（利用Agent打造客户身份闪卡+电影海报）

(3) Demo设计场景（结合AI Coder+Cursor快速创建产品原型）

(4) 业务战略场景（全网综合AI搜索引擎多Agent聚合）

(5) 技术提效场景（多Agent 测试用例生成器 等）

7. 目标3：掌握Agent平台操作与场景实践

四、AI落地应用工作坊

1. 目标4：输出内部业务可落地 Agent Demo

2. 需求挖掘：自有行业痛点、其他行业智能化爆点

3. 能力准备：创意、思想实验、用户视角、智能化专家+行业专家

4. 计划书交付：背景+联接+创意+探索＋突破→结果展望

5. 业务场景讨论与QA：行业洞察+AI最佳实践

(1) 列举企业或行业痛点或待解决的问题点；

(2) 初步定位近似行业或企业AI价值点；

(3) 引导讨论组团队构思解决办法；

6. 落地路线规划与方法总结：尝试拆解刚刚构思的场景该如何落地

(1) 解读：业务与数字化战略、场景解读；

(2) 关键要素分析：数据、算力、成本、用户体验；

(3) 技术整体蓝图：

① AI应用模式（提示词、RAG、微调 等差异）

② 能力获取模式（开源/闭源；公网/私有化）

③ 成本收益、价值、风险点、实施建议

(4) 落地路径：

① 落地项目时间规划、资源投入、风险验证

② 最小POC尝试并展示