你将获得

GPT API 编程要点 + LangChain 使用技巧

基于 LLM 的代码生成与调试实践

LLM 在研发全过程的应用案例

LLM 的云原生部署任务实践

企业应用引入 LLM 的排坑指南

课程介绍

现在以 GPT 为代表的大语言模型广受关注，许多企业都在积极探索在自身领域落地 AIGC 技术。

虽然大模型在辅助文档编写、问题回答、内容总结等特定的日常任务上表现良好，但想要把 GPT 这类自然语言模型真正应用到企业应用开发，提高系统的智能化和自动化，我们仍然面临着许多挑战。

LLM 基于历史数据训练，处理最新信息相关查询的能力有限。

与环境的交互问题处理难度大，比如通过 LLM 执行 shell 命令或调用 API 等任务，都涉及到对系统外部环境的联动。

LLM 需要结合企业内部数据训练调优，才能保障生成内容的准确性。

LLM 的代码生成能力虽然很强大，但往往针对通用功能，无法处理企业里更复杂的需求。

为了帮你解决这些问题，我们特别邀请了蔡超老师开设这门课。他将根据自己团队在云原生平台中集成大模型的实操经验，带你沉浸式体验如何把 LLM 应用到企业应用开发的整体流程中。

蔡超老师坚信，实践是检验真理的唯一标准，而可以执行的代码是掌握理论的最佳路径。因此这门课会以具体场景的代码实战演练与调试为主，课程中将使用 Python 作为编程语言。

课程配套代码你可以从这里获取。

https://github.com/chaocai2001/gpt_in_practice

https://gitee.com/chao-superman/llm-in-practice

课程设计

课程分为基础篇、企业应用篇和研发效率篇三个章节，带你循序渐进掌握 LLM 的应用落地。

基础篇

带你快速熟悉 LLM 的基本用法与应用技巧。我们会一起构建开发环境和运行环境，运行第一个大语言模型程序，学习相关提示词技巧，认识 LangChain，并给聊天机器人注入记忆。

企业应用篇

结合大量例子，带你应对企业应用融入 LLM 时面临的诸多挑战，包括与现有企业内部数据的整合、与其他程序的整合、LLM 生成部分与外部环境交互等问题。学完这一章，你就能综合应用大模型和其他工具解决实际工程问题，并结合具体需求场景定制自己的 AutoGPT。

研发效率篇

结合之前所学，探索如何将 LLM 应用到整个研发生命周期里，有效提升我们的工作效率和质量。这一章不但会为你演示 LLM 在系统设计、代码生成、测试生成、云原生部署等方面的应用方法与调优思路，还会与你探讨如何调整现有的架构思维和研发方式，更充分地发掘大模型价值。

课程目录

适合人群

希望在企业应用中落地大语言模型，并借此提升团队研发效率的软件工程师和架构师。

初中级开发者可以学到如何通过编程方式使用大模型，提高自身开发效率。

高级软件开发者和架构师，可以获得对未来软件的新思考，了解大模型带来的软件架构变革和基于大语言模型的全新开发范式。

需要了解一门编程语言，后续课程里会使用 Python 语言做演示。