• 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排坑指南

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