課程簡介
課程結(jié)合開源離線大模型，全面講述并帶領(lǐng)學(xué)員搭建大模型環(huán)境，結(jié)合企業(yè)實(shí)際，通過CV、語音與NLP大模型實(shí)現(xiàn)業(yè)務(wù)需求，如智能客服，財(cái)務(wù)報(bào)表識(shí)別，合規(guī)檢查等。
目標(biāo)收益
1.理解大模型核心原理，模型訓(xùn)練和優(yōu)化策略
2.掌握設(shè)計(jì)有效提示詞，以及提示詞工程優(yōu)化實(shí)踐
3.掌握OLlama搭建方法，以及3種調(diào)用大模型方式
4.掌握常用大模型推理參數(shù)微調(diào)方法
5.掌握CV、語音和NLP 大模型在各種業(yè)務(wù)場景中的應(yīng)用
6.結(jié)合上機(jī)實(shí)踐，調(diào)用DeepSeek，llama-vision，Qwen，stable-diffusion，whisper等大模型
培訓(xùn)對(duì)象
IT項(xiàng)目管理人員：負(fù)責(zé)IT項(xiàng)目的整體規(guī)劃、協(xié)調(diào)與管理，需要了解如何利用DeepSeek等大模型技術(shù)提升項(xiàng)目效能。
軟件開發(fā)工程師：從事軟件開發(fā)工作，希望通過學(xué)習(xí)大模型技術(shù)提升開發(fā)效率和代碼質(zhì)量。
測試工程師：負(fù)責(zé)軟件測試工作，需要掌握如何利用大模型技術(shù)進(jìn)行自動(dòng)化測試和缺陷檢測。
數(shù)據(jù)分析師：從事數(shù)據(jù)分析工作，需要學(xué)習(xí)如何利用大模型技術(shù)進(jìn)行數(shù)據(jù)挖掘和趨勢分析。
運(yùn)維工程師：負(fù)責(zé)系統(tǒng)運(yùn)維工作，需要了解如何利用大模型技術(shù)實(shí)現(xiàn)智能化運(yùn)維和故障診斷。
AI工程師：從事人工智能相關(guān)工作，需要深入學(xué)習(xí)大模型的訓(xùn)練、優(yōu)化和應(yīng)用。
課程大綱
|
【大語言模型核心技術(shù)與應(yīng)用】 ~ 2.5小時(shí) 一、AI大模型與應(yīng)用典型問題分析 |
1.問題分析 2.討論 |
| 二、大語言模型技術(shù) |
1.AI技術(shù)概覽 2.AI技術(shù)的四要素 3.AI模型的研發(fā)流程 4.深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò) 5.大語言模型的定義和特點(diǎn) 6.大語言模型技術(shù)演變簡史 7.大語言模型訓(xùn)練方法和優(yōu)化技術(shù) 8.大模型面臨的挑戰(zhàn) |
| 三、大語言模型Transformer核心技術(shù) |
1.Transformer核心原理 2.Self-Attention 3.多頭注意力機(jī)制 4.位置前饋網(wǎng)絡(luò) 5.殘差連接和層歸一化 6.位置編碼 7.解碼器 8.Mask（掩碼） 9.最后的線性層和 Softmax 層 10.正則化操作 11.模型參數(shù)量 |
| 四、大模型結(jié)果優(yōu)化策略 |
1.溫度微調(diào) 2.使用top-k/top-p采樣 3.增加上下文信息 4.模型后處理 5.大模型微調(diào) 6.多模型融合 7.【案例】生產(chǎn)環(huán)境數(shù)據(jù)抽檢評(píng)測 8.【案例】badcase分析與優(yōu)化推薦 |
| 五、主流大模型介紹~文文 |
1.文生文-llamma 2.文生文-Qwen 3.文生文-Deepseek |
| 六、主流大模型介紹~文圖 |
1.圖生文-Llava 2.圖生文-llama-vision 3.文生圖-stable-diffusion 4.文生視頻- CogVideoX 5.視頻生文- VideoChat |
| 七、主流大模型介紹~文音 |
1.文生語音-chatTTS 2.語音生文- whisper |
|
【大模型部署實(shí)踐與提示詞工程】 ~ 2小時(shí) 一、OLlama部署應(yīng)用 |
1.OLlama簡介 2.模型參數(shù) 3.網(wǎng)絡(luò)安全隔離 4.部署OLlama環(huán)境 5.OLlama常用操作命令 6.離線模型CLI接口 7.模型API接口 8.API調(diào)用方式 9.UI調(diào)試界面 10.模型微調(diào) 11.【案例】實(shí)現(xiàn)離線大模型人機(jī)對(duì)話 |
| 二、上機(jī)實(shí)踐 |
1.OLlama部署 2.Qwen2.5模型部署 3.常用命令操作 4.3種方式調(diào)用大模型練習(xí) |
| 三、提示詞工程 |
1.什么是提示詞工程？ 2.提示詞原理 3.如何設(shè)計(jì)有效提示詞 4.提示詞的基本結(jié)構(gòu) 4.1.1.指令 4.1.2.上下文 4.1.3.輸入數(shù)據(jù) 4.1.4.輸出格式 4.1.5.示例 5.提示詞優(yōu)化方案 6.【案例】提示詞返回精準(zhǔn)答案 |
| 四、提示詞庫與腳本調(diào)用大模型 |
1.維護(hù)提示詞庫 2.關(guān)鍵詞匹配 3.開發(fā)腳本調(diào)用大模型 4.【案例】一鍵式調(diào)用大模型 |
| 五、上機(jī)實(shí)踐 |
1.提示詞優(yōu)化練習(xí) 2.運(yùn)行一鍵式調(diào)用大模型 |
|
【知識(shí)庫體系搭建與RAG 】~ 1小時(shí) 一、Dify概述與主要功能 |
1.Dify平臺(tái)概述 2.Dify的核心功能與優(yōu)勢 3.Dify與其他平臺(tái)對(duì)比 4.低代碼/無代碼開發(fā)模式 |
| 二、RAG概述 |
1.什么是RAG 2.RAG 架構(gòu) 3.檢索模塊 4.生成模塊 5.融合模塊 |
| 三、構(gòu)建本地知識(shí)庫 |
1.什么是知識(shí)庫 2.向量數(shù)據(jù)庫 3.使用Embedding模型將文本轉(zhuǎn)換為數(shù)值向量 4.導(dǎo)入文本 |
| 四、上機(jī)實(shí)踐 |
1.導(dǎo)入本地知識(shí)庫 2.創(chuàng)建AI agent 3.【案例】DeepSeek實(shí)現(xiàn)智能對(duì)話 |
|
【CV圖像大模型賦能效能提升應(yīng)用 】~ 2小時(shí) 一、財(cái)務(wù)報(bào)表關(guān)鍵信息提取 |
1.OCR概述 2.OCR技術(shù)原理 3.【案例】利用大模型進(jìn)行報(bào)表關(guān)鍵信息提取 |
| 二、圖像內(nèi)容理解 |
1.提示詞優(yōu)化 2.llama-vision大模型技術(shù)原理 3.【案例】圖像理解 |
| 三、異常交易行為監(jiān)測 |
1.異常交易規(guī)則設(shè)定 2.【案例】異常交易監(jiān)測 |
| 四、圖像生成 |
1.提示詞優(yōu)化 2.stable-diffusion大模型技術(shù)原理 3.【案例】利用大模型生成圖像 |
| 五、圖表生成 |
1.基于數(shù)據(jù)輸入自動(dòng)生成折線圖 2.基于輸入數(shù)據(jù)自動(dòng)生成柱狀圖 3.【案例】利用Dify工具生成圖表 |
| 六、上機(jī)實(shí)踐 |
1.使用Llava和llama-vision實(shí)現(xiàn)圖生文調(diào)用 2.使用stable-diffusion實(shí)現(xiàn)文生圖調(diào)用 |
|
【CV視頻大模型賦能效能提升應(yīng)用】 ~ 1小時(shí) 一、視頻內(nèi)容理解 |
1.視頻理解大模型技術(shù)原理 2.VideoChat應(yīng)用 3.【案例】OPEC會(huì)議/企業(yè)財(cái)報(bào)發(fā)布會(huì)的視頻理解 4.【案例】衛(wèi)星/無人機(jī)視頻分析與期貨趨勢預(yù)測 |
| 二、視頻生成 |
1.視頻生成大模型技術(shù)原理 2.CogVideoX應(yīng)用 3.【案例】大模型生成投資者教育視頻 |
| 三、上機(jī)實(shí)踐 |
1.使用VideoChat實(shí)現(xiàn)文生視頻調(diào)用 2.使用CogVideoX實(shí)現(xiàn)視頻生文調(diào)用 |
|
【NLP大模型賦能效能提升應(yīng)用】~ 4小時(shí) 一、DeepSeek概述 |
1.DeepSeek簡介 2.DeepSeek架構(gòu)與原理 3.DeepSeek優(yōu)勢 4.DeepSeek不足 5.如何部署DeepSeek 【案例】本地調(diào)用DeepSeek |
| 二、網(wǎng)頁爬蟲與摘要提取 |
1.什么是爬蟲 2.通過API工具調(diào)用爬蟲 3.AI摘要提取 【案例】實(shí)現(xiàn)信息爬取并獲取摘要 |
| 三、AI機(jī)器翻譯 |
1.AI翻譯的基本原理 2.使用大模型進(jìn)行翻譯 3.對(duì)翻譯內(nèi)容進(jìn)行優(yōu)化 【案例】實(shí)現(xiàn)信息中英文互譯 |
| 四、智能客服 |
1.基本內(nèi)容問答 2.知識(shí)庫增強(qiáng)檢索RAG 【案例】智能客服應(yīng)用搭建 |
| 五、輿情分析 |
1.輿情類型 2.【案例】文本情感分類 【案例】多模態(tài)進(jìn)行輿情分析 |
| 六、趨勢挖掘 |
1.大數(shù)據(jù)挖掘 2.趨勢分析 【案例】大模型進(jìn)行趨勢預(yù)判與挖掘 |
| 七、風(fēng)險(xiǎn)識(shí)別 |
1.風(fēng)險(xiǎn)類型定義 【案例】利用大模型進(jìn)行風(fēng)險(xiǎn)識(shí)別 |
| 八、合規(guī)檢查 |
1.敏感信息與行為庫 【案例】利用大模型進(jìn)行合規(guī)檢查 |
| 九、上機(jī)實(shí)踐 | 使用Qwen和Deepseek實(shí)現(xiàn)以上場景的文生文調(diào)用與優(yōu)化 |
|
【自定義工具與AI智能體集成】~ 0.5小時(shí) Dify自定義工具 |
1.自定義工具創(chuàng)建流程 2.Xinference概述 3.利用Xinference啟動(dòng)本地離線大模型 4.Dify集成Xinference模型服務(wù) 5.Dify創(chuàng)建自定義工具 6.Workflow調(diào)用自定義工具 7.【案例】Dify內(nèi)置常用工具 【案例】AI語音識(shí)別集成至Dify |
|
【語音大模型賦能效能提升應(yīng)用】～1小時(shí) 一、視頻中語音識(shí)別 |
1.ASR大模型技術(shù)原理 2.音頻提取方法 3.ffmpeg提取音頻 4.利用whisper進(jìn)行語音識(shí)別 5.利用Deepseek進(jìn)行識(shí)別后文字自動(dòng)修正 【案例】投資視頻提取文案整理 |
| 二、語音合成 |
1.TTS大模型技術(shù)原理 2.音色與語速選擇 3.chatTTS-ui部署與應(yīng)用 【案例】chatTTS實(shí)現(xiàn)語音合成 |
| 三、上機(jī)實(shí)踐 |
1.視頻中語音識(shí)別 2.搭建AI智能體進(jìn)行語音識(shí)別并優(yōu)化結(jié)果 |
|
【大模型在DevOps領(lǐng)域的應(yīng)用】 ~ 3.5小時(shí) 一、大模型在CICD中應(yīng)用 |
大模型在全鏈路CICD中應(yīng)用 |
| 二、代碼理解與重構(gòu)建議 |
1.代碼重構(gòu)概述 2.通過DeepSeek進(jìn)行代碼解釋 3.通過DeepSeek進(jìn)行代碼重構(gòu) 【案例】代碼重構(gòu)效果對(duì)比 |
| 三、缺陷檢測與代碼審查 |
1.Code review概述 2.Code review結(jié)果解析 3.Code review結(jié)果推送 【案例】DeepSeek進(jìn)行自動(dòng)化code review |
| 四、白盒測試代碼自動(dòng)化生成 |
1.DeepSeek生成java單元測試代碼 2.進(jìn)行自動(dòng)化單元測試執(zhí)行 3.優(yōu)化單元測試代碼 【案例】白盒測試集成至CI流水線 |
| 五、研發(fā)自測自動(dòng)化用例生成 |
1.生成自動(dòng)化測試腳本 2.【案例】DeepSeek自動(dòng)生成自動(dòng)化用例 【案例】自動(dòng)化用例集成至CI流水線 |
| 六、代碼缺陷修復(fù) |
1.常見代碼缺陷類型 2.通過DeepSeek進(jìn)行代碼缺陷修復(fù) 【案例】代碼缺陷自動(dòng)化檢查 |
| 七、UI自動(dòng)化測試用例生成 |
1.優(yōu)化提示詞 【案例】DeepSeek生成selenium自動(dòng)化測試用例腳本 |
| 八、代碼質(zhì)量評(píng)估 |
1.代碼質(zhì)量評(píng)價(jià)維度 2.開發(fā)代碼質(zhì)量評(píng)估腳本 【案例】DeepSeek實(shí)現(xiàn)提交代碼分鐘級(jí)質(zhì)量評(píng)估反饋 |
| 九、上機(jī)實(shí)踐 |
1.DeepSeek進(jìn)行代碼分析 2.DeepSeek進(jìn)行代碼自動(dòng)化生成 |
| 十、智能化運(yùn)維自動(dòng)化實(shí)踐 |
1.DeepSeek生成Jenkins groovy腳本構(gòu)建CI pipeline 2.根據(jù)歷史數(shù)據(jù)做流量預(yù)測 3.智能告警與預(yù)警 4.監(jiān)控圖像分析與理解 5.智能故障診斷 6.智能故障自愈 |
| 十一、智能化運(yùn)維降本增效實(shí)踐 |
1.Docker file掃描優(yōu)化實(shí)踐 2.動(dòng)態(tài)縮擴(kuò)容實(shí)踐 3.存儲(chǔ)優(yōu)化實(shí)踐 4.機(jī)器資源配比優(yōu)化實(shí)踐 |
| 十二、智能錯(cuò)誤定位 |
1.日志等級(jí)與規(guī)范 2.分析錯(cuò)誤日志 3.【案例】通過DeepSeek進(jìn)行錯(cuò)誤自動(dòng)化定位 【案例】通過Llama進(jìn)行監(jiān)控圖像異常分析 |
|
【大語言模型核心技術(shù)與應(yīng)用】 ~ 2.5小時(shí) 一、AI大模型與應(yīng)用典型問題分析 1.問題分析 2.討論 |
|
二、大語言模型技術(shù) 1.AI技術(shù)概覽 2.AI技術(shù)的四要素 3.AI模型的研發(fā)流程 4.深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò) 5.大語言模型的定義和特點(diǎn) 6.大語言模型技術(shù)演變簡史 7.大語言模型訓(xùn)練方法和優(yōu)化技術(shù) 8.大模型面臨的挑戰(zhàn) |
|
三、大語言模型Transformer核心技術(shù) 1.Transformer核心原理 2.Self-Attention 3.多頭注意力機(jī)制 4.位置前饋網(wǎng)絡(luò) 5.殘差連接和層歸一化 6.位置編碼 7.解碼器 8.Mask（掩碼） 9.最后的線性層和 Softmax 層 10.正則化操作 11.模型參數(shù)量 |
|
四、大模型結(jié)果優(yōu)化策略 1.溫度微調(diào) 2.使用top-k/top-p采樣 3.增加上下文信息 4.模型后處理 5.大模型微調(diào) 6.多模型融合 7.【案例】生產(chǎn)環(huán)境數(shù)據(jù)抽檢評(píng)測 8.【案例】badcase分析與優(yōu)化推薦 |
|
五、主流大模型介紹~文文 1.文生文-llamma 2.文生文-Qwen 3.文生文-Deepseek |
|
六、主流大模型介紹~文圖 1.圖生文-Llava 2.圖生文-llama-vision 3.文生圖-stable-diffusion 4.文生視頻- CogVideoX 5.視頻生文- VideoChat |
|
七、主流大模型介紹~文音 1.文生語音-chatTTS 2.語音生文- whisper |
|
【大模型部署實(shí)踐與提示詞工程】 ~ 2小時(shí) 一、OLlama部署應(yīng)用 1.OLlama簡介 2.模型參數(shù) 3.網(wǎng)絡(luò)安全隔離 4.部署OLlama環(huán)境 5.OLlama常用操作命令 6.離線模型CLI接口 7.模型API接口 8.API調(diào)用方式 9.UI調(diào)試界面 10.模型微調(diào) 11.【案例】實(shí)現(xiàn)離線大模型人機(jī)對(duì)話 |
|
二、上機(jī)實(shí)踐 1.OLlama部署 2.Qwen2.5模型部署 3.常用命令操作 4.3種方式調(diào)用大模型練習(xí) |
|
三、提示詞工程 1.什么是提示詞工程？ 2.提示詞原理 3.如何設(shè)計(jì)有效提示詞 4.提示詞的基本結(jié)構(gòu) 4.1.1.指令 4.1.2.上下文 4.1.3.輸入數(shù)據(jù) 4.1.4.輸出格式 4.1.5.示例 5.提示詞優(yōu)化方案 6.【案例】提示詞返回精準(zhǔn)答案 |
|
四、提示詞庫與腳本調(diào)用大模型 1.維護(hù)提示詞庫 2.關(guān)鍵詞匹配 3.開發(fā)腳本調(diào)用大模型 4.【案例】一鍵式調(diào)用大模型 |
|
五、上機(jī)實(shí)踐 1.提示詞優(yōu)化練習(xí) 2.運(yùn)行一鍵式調(diào)用大模型 |
|
【知識(shí)庫體系搭建與RAG 】~ 1小時(shí) 一、Dify概述與主要功能 1.Dify平臺(tái)概述 2.Dify的核心功能與優(yōu)勢 3.Dify與其他平臺(tái)對(duì)比 4.低代碼/無代碼開發(fā)模式 |
|
二、RAG概述 1.什么是RAG 2.RAG 架構(gòu) 3.檢索模塊 4.生成模塊 5.融合模塊 |
|
三、構(gòu)建本地知識(shí)庫 1.什么是知識(shí)庫 2.向量數(shù)據(jù)庫 3.使用Embedding模型將文本轉(zhuǎn)換為數(shù)值向量 4.導(dǎo)入文本 |
|
四、上機(jī)實(shí)踐 1.導(dǎo)入本地知識(shí)庫 2.創(chuàng)建AI agent 3.【案例】DeepSeek實(shí)現(xiàn)智能對(duì)話 |
|
【CV圖像大模型賦能效能提升應(yīng)用 】~ 2小時(shí) 一、財(cái)務(wù)報(bào)表關(guān)鍵信息提取 1.OCR概述 2.OCR技術(shù)原理 3.【案例】利用大模型進(jìn)行報(bào)表關(guān)鍵信息提取 |
|
二、圖像內(nèi)容理解 1.提示詞優(yōu)化 2.llama-vision大模型技術(shù)原理 3.【案例】圖像理解 |
|
三、異常交易行為監(jiān)測 1.異常交易規(guī)則設(shè)定 2.【案例】異常交易監(jiān)測 |
|
四、圖像生成 1.提示詞優(yōu)化 2.stable-diffusion大模型技術(shù)原理 3.【案例】利用大模型生成圖像 |
|
五、圖表生成 1.基于數(shù)據(jù)輸入自動(dòng)生成折線圖 2.基于輸入數(shù)據(jù)自動(dòng)生成柱狀圖 3.【案例】利用Dify工具生成圖表 |
|
六、上機(jī)實(shí)踐 1.使用Llava和llama-vision實(shí)現(xiàn)圖生文調(diào)用 2.使用stable-diffusion實(shí)現(xiàn)文生圖調(diào)用 |
|
【CV視頻大模型賦能效能提升應(yīng)用】 ~ 1小時(shí) 一、視頻內(nèi)容理解 1.視頻理解大模型技術(shù)原理 2.VideoChat應(yīng)用 3.【案例】OPEC會(huì)議/企業(yè)財(cái)報(bào)發(fā)布會(huì)的視頻理解 4.【案例】衛(wèi)星/無人機(jī)視頻分析與期貨趨勢預(yù)測 |
|
二、視頻生成 1.視頻生成大模型技術(shù)原理 2.CogVideoX應(yīng)用 3.【案例】大模型生成投資者教育視頻 |
|
三、上機(jī)實(shí)踐 1.使用VideoChat實(shí)現(xiàn)文生視頻調(diào)用 2.使用CogVideoX實(shí)現(xiàn)視頻生文調(diào)用 |
|
【NLP大模型賦能效能提升應(yīng)用】~ 4小時(shí) 一、DeepSeek概述 1.DeepSeek簡介 2.DeepSeek架構(gòu)與原理 3.DeepSeek優(yōu)勢 4.DeepSeek不足 5.如何部署DeepSeek 【案例】本地調(diào)用DeepSeek |
|
二、網(wǎng)頁爬蟲與摘要提取 1.什么是爬蟲 2.通過API工具調(diào)用爬蟲 3.AI摘要提取 【案例】實(shí)現(xiàn)信息爬取并獲取摘要 |
|
三、AI機(jī)器翻譯 1.AI翻譯的基本原理 2.使用大模型進(jìn)行翻譯 3.對(duì)翻譯內(nèi)容進(jìn)行優(yōu)化 【案例】實(shí)現(xiàn)信息中英文互譯 |
|
四、智能客服 1.基本內(nèi)容問答 2.知識(shí)庫增強(qiáng)檢索RAG 【案例】智能客服應(yīng)用搭建 |
|
五、輿情分析 1.輿情類型 2.【案例】文本情感分類 【案例】多模態(tài)進(jìn)行輿情分析 |
|
六、趨勢挖掘 1.大數(shù)據(jù)挖掘 2.趨勢分析 【案例】大模型進(jìn)行趨勢預(yù)判與挖掘 |
|
七、風(fēng)險(xiǎn)識(shí)別 1.風(fēng)險(xiǎn)類型定義 【案例】利用大模型進(jìn)行風(fēng)險(xiǎn)識(shí)別 |
|
八、合規(guī)檢查 1.敏感信息與行為庫 【案例】利用大模型進(jìn)行合規(guī)檢查 |
|
九、上機(jī)實(shí)踐 使用Qwen和Deepseek實(shí)現(xiàn)以上場景的文生文調(diào)用與優(yōu)化 |
|
【自定義工具與AI智能體集成】~ 0.5小時(shí) Dify自定義工具 1.自定義工具創(chuàng)建流程 2.Xinference概述 3.利用Xinference啟動(dòng)本地離線大模型 4.Dify集成Xinference模型服務(wù) 5.Dify創(chuàng)建自定義工具 6.Workflow調(diào)用自定義工具 7.【案例】Dify內(nèi)置常用工具 【案例】AI語音識(shí)別集成至Dify |
|
【語音大模型賦能效能提升應(yīng)用】～1小時(shí) 一、視頻中語音識(shí)別 1.ASR大模型技術(shù)原理 2.音頻提取方法 3.ffmpeg提取音頻 4.利用whisper進(jìn)行語音識(shí)別 5.利用Deepseek進(jìn)行識(shí)別后文字自動(dòng)修正 【案例】投資視頻提取文案整理 |
|
二、語音合成 1.TTS大模型技術(shù)原理 2.音色與語速選擇 3.chatTTS-ui部署與應(yīng)用 【案例】chatTTS實(shí)現(xiàn)語音合成 |
|
三、上機(jī)實(shí)踐 1.視頻中語音識(shí)別 2.搭建AI智能體進(jìn)行語音識(shí)別并優(yōu)化結(jié)果 |
|
【大模型在DevOps領(lǐng)域的應(yīng)用】 ~ 3.5小時(shí) 一、大模型在CICD中應(yīng)用 大模型在全鏈路CICD中應(yīng)用 |
|
二、代碼理解與重構(gòu)建議 1.代碼重構(gòu)概述 2.通過DeepSeek進(jìn)行代碼解釋 3.通過DeepSeek進(jìn)行代碼重構(gòu) 【案例】代碼重構(gòu)效果對(duì)比 |
|
三、缺陷檢測與代碼審查 1.Code review概述 2.Code review結(jié)果解析 3.Code review結(jié)果推送 【案例】DeepSeek進(jìn)行自動(dòng)化code review |
|
四、白盒測試代碼自動(dòng)化生成 1.DeepSeek生成java單元測試代碼 2.進(jìn)行自動(dòng)化單元測試執(zhí)行 3.優(yōu)化單元測試代碼 【案例】白盒測試集成至CI流水線 |
|
五、研發(fā)自測自動(dòng)化用例生成 1.生成自動(dòng)化測試腳本 2.【案例】DeepSeek自動(dòng)生成自動(dòng)化用例 【案例】自動(dòng)化用例集成至CI流水線 |
|
六、代碼缺陷修復(fù) 1.常見代碼缺陷類型 2.通過DeepSeek進(jìn)行代碼缺陷修復(fù) 【案例】代碼缺陷自動(dòng)化檢查 |
|
七、UI自動(dòng)化測試用例生成 1.優(yōu)化提示詞 【案例】DeepSeek生成selenium自動(dòng)化測試用例腳本 |
|
八、代碼質(zhì)量評(píng)估 1.代碼質(zhì)量評(píng)價(jià)維度 2.開發(fā)代碼質(zhì)量評(píng)估腳本 【案例】DeepSeek實(shí)現(xiàn)提交代碼分鐘級(jí)質(zhì)量評(píng)估反饋 |
|
九、上機(jī)實(shí)踐 1.DeepSeek進(jìn)行代碼分析 2.DeepSeek進(jìn)行代碼自動(dòng)化生成 |
|
十、智能化運(yùn)維自動(dòng)化實(shí)踐 1.DeepSeek生成Jenkins groovy腳本構(gòu)建CI pipeline 2.根據(jù)歷史數(shù)據(jù)做流量預(yù)測 3.智能告警與預(yù)警 4.監(jiān)控圖像分析與理解 5.智能故障診斷 6.智能故障自愈 |
|
十一、智能化運(yùn)維降本增效實(shí)踐 1.Docker file掃描優(yōu)化實(shí)踐 2.動(dòng)態(tài)縮擴(kuò)容實(shí)踐 3.存儲(chǔ)優(yōu)化實(shí)踐 4.機(jī)器資源配比優(yōu)化實(shí)踐 |
|
十二、智能錯(cuò)誤定位 1.日志等級(jí)與規(guī)范 2.分析錯(cuò)誤日志 3.【案例】通過DeepSeek進(jìn)行錯(cuò)誤自動(dòng)化定位 【案例】通過Llama進(jìn)行監(jiān)控圖像異常分析 |
近期公開課推薦
