AI应用工程师认证培训招生简章
为解决基于大语言模型预训练模型开展功能重建过程中遇到的技术挑战，协助学员全面学习、深入掌握大模型核心技术，推进DeepSeek应用从基础操作迈向高级开发阶段，充分释放在办公、创作、数据分析等领域的人工智能应用潜力。工业和信息化部电子工业标准化研究院计划于2026年6月下旬在广州举办“人工智能（AI）应用工程师”认证培训项目。具体安排如下：
一、培训对象
各类相关单位中从事人工智能及大模型技术相关工作的技术开发负责人、AI技术负责人、技术总监、项目经理、产品经理、AI工程师、机器学习工程师、数据科学家、软件开发工程师、测试工程师；各企业内部负责AI战略规划、研发、部署及维护的专业技术人员等，包括对大模型与工具链结合开发多种应用场景等领域有深入兴趣或需求的单位和个人。
二、培训形式、时间和地点
培训形式：线下
培训时间：2026年6月22—26日 （22日全天报到，23—25日三天培训，26日返程）
培训地点：广州
三、培训内容
（一）LLM大语言模型概述
A、大语言模型及其发展趋势
1.开发工程师的AI思维转变
2.大厂对“含AI率”的指标要求
3.AI行业的主要分类：使用者、设计者、开发者与底层
4.人与AI的三种协作模式：Embedding模式、Copilot模式、Agent模式
5.人工智能未来发展的五个层次：
6.大语言模型的三次大的演进：
B、AI将重构所有的应用产品
1.所有的应用都值得被大模型重构
2.大模型不是产品，而是场景
3.让用户感觉不到大模型，但用着就是爽
4.用AI进行数据分析
C、AI大模型产品的应用方向
1.AI应用的四个方向：对上、对下、对内、对外
2.AI应用的四个“十倍”原则
（二）大语言模型的应用开发
A、国内外主流大语言模型
1.OpenAI与ChatGPT的发展历程
2.DeepSeek 的发展历程和对行业的影响
3.其它大语言模型及其技术选型
B、搭建本地大语言模型
1.安装与配置Ollama及其DeepSeek模型
2.不同版本的DeepSeek大语言模型
C、用API进行大语言模型的开发
1.提示词工程：
2.DeepSeek 的API应用开发
D、基于FunctionCall的大模型开发
1.FunctionCall：大模型调用外部API的能力
E、多模态大模型的开发
1.多模态大模型：可以输入文字、视频、图片、音频
2.让AI运行多模态：本地文件、网络文件
F、基于LangChain的开发：大模型的开发平台
1.大语言模型应用开发的几大设计难题：
2. LangChain的诞生与发展：LangChain的6大模块：
（三）RAG与知识库的应用开发
A、大模型为什么需要知识库
1.大语言模型会受到时间限制、空间限制、隐含上下文等方面的限制
2.如何喂给大语言模型特点领域知识
3. RAG知识增强检索：用户提问→知识检索→回答问题
B、RAG知识增强检索的原理
1.RAG进行知识检索的过程
2.文本语言的向量化设计与向量模型（Embedding Model）
3.向量数据库（Vector Database）及其知识检索的原理
4.最近邻进算法、聚类算法、分类数量及其知识库调优
C、搭建大语言模型的知识库（在Dify中建立知识库）
1.如何安装Dify、准备知识库所需的文档
2.安装向量模型与向量数据库
3.检查与调优知识库对文档的切片与检索
4.准备测试数据集
（四）制作AI智能体Agent
A、什么是AI智能体Agent
1.理想的AI与人协作的流程
2.AI智能体Agent的定义及系统架构
B、演练用豆包制作智能体（通知撰写智能助手、小红书爆款专家智能助手、会议纪要智能助手）
C、用Dify搭建AI智能体Agent（实战演练：用dify制作智能体agent、在dify中搭建知识库、在dify中建立工作流workflow）
1.对智能体产品的需求分析
2.选择应用类型：聊天机器人、智能体、工作流、Chatflow
（五）大语言模型的微调
A、如何让大语言模型更有效地工作
1.向提示词中添加示例文档：少量样本学习
2.RAG：给大模型提供知识库（变化比较快的知识，如新闻）
3.模型微调：让通用大模型（基座模型）进行特定领域知识的学习（知识比较稳定，变化缓慢）
B、模型微调的真正难点是高质量的数据
1.模型微调（LoRA）：针对特定领域的数据集重新训练现有数据
2.模型微调需要高质量的数据：高质量、真实性、针对性、多样性
3.为模型微调进行标注数据（真正的难点）
4.模型微调的数据准备：单轮对话的数据、多轮对话的数据
5.准备训练数据与验证数据
四、证书颁发
考试合格者，由工业和信息化部电子工业标准化研究院统一颁发《人工智能（AI）应用工程师》专业人员培训证书。证书查询网址：www.cesi.cn。