一、AI大模型的能力边界

1. 大模型能力利用：意图识别、ICL（上下文学习）、COT（思维链）、IF（指令遵循）

2. 大模型能力局限：缺乏领域知识，缺乏复杂多步推理

二、Agent的产品落地过程

1. 新交互体验设计：什么时候应该LUI，什么时候应该GUI？

2. 新应用形态：Prompt、RAG、Agent

3. 新场景PMF：场景拆解四步法

4. AI大模型产品的系统方法论：三层、五阶和八步（华为大模型落地系统方法论）

5. 落地案例：微软麦当劳AI产品开发

三、Agent开发过程和技术架构

1. AI开发新技术

(1) AI大模型训练

① AI大模型训练过程，微调和局限性，数据处理，微调案例

② 互动：微调数据格式一般是什么样的？

2. AI开发新过程

(1) AI部署五步法

① 互动：AIGC开发最核心的步骤是什么？

3. AI开发新范式

(1) 软件3.0

① 微软如何做大模型重构，微软与麦当劳的案例

四、Agent应用难点及解决方案、案例

1. 规划能力薄弱，研发级提示词解决

(1) 结构化提示词

(2) React提示词

(3) Agent研发级提示词案例

① 案例1：用结构化提问法准备 TMS 用户需求分析

② 案例2：用React提示词做复杂任务规划

2. 领域知识缺乏，挂载RAG

(1) 基础RAG

(2) 高级RAG

(3) 模块化RAG

(4) RAG落地案例

① 案例1：微软合作方领域知识库

② 案例2：河北住建厅客服

③ 案例3：某上市公司招投标大模型

④ 案例4：某上市公司HR问答

⑤ 案例5：AI培训评分

⑥ 案例6：某运营商省公司的智能客服演进

⑦ 案例7：激活死的知识库

⑧ 案例8：同花顺的智能问答

3. 4.3 Function call解决工具和执行准确型的问题

(1) 案例1：通过调用外部工具（例如 ChatGPT 插件）创建回答问题的聊天机器人

(2) 案例2：将自然语言转换为 API 调用或数据库查询

(3) 案例3：从文本中提取结构化数据

五、ChatBI应用及案例

1. ChatBI技术趋势

(1) 技术趋势：BI的各功能模块跟GAI（生成式AI）的结合点

(2) 技术趋势：增强分析市场创新点时间线

(3) 技术趋势：智能BI时代开启，更普及、更强大

(4) 数据分析：2024年AIGC最多落地的应用场景

(5) 对话式分析功能场景一：智能问数

(6) 对话式分析功能场景二：归因分析

(7) 对话式分析功能更多场景

2. ChatBI功能及演示

(1) ChatBI产品架构

(2) ChatBI实现原理

(3) ChatBI应用价值

(4) 数据接入：快速对接企业私有化数据

(5) 数据模型：提供一致可信的全域数据

(6) 构建AI图谱：全面RAG持续增强，持续提升准确性

(7) 多端融合：支持PC/移动端/pad等多种设备

(8) 常用对话式分析技术路线对比

3. ChatBI应用案例

(1) 案例1：某头部上市证券公司-智能BI项目

(2) 案例2：某大型国企集成商城市大脑项目

六、Coze案例实操

1. 基于coze搭建人生第一个Agent（提供场景、步骤和工具）