01
第一章
大模型基础与Ollama实战
- 🤖 AI1.1 大模型核心概念与价值
- 🤖 AI1.2 大模型参数与技术本质
- 1.3 Transformer架构底层原理
- 🤖 AI1.4 大模型数据训练与算力逻辑
- 🤖 AI1.5 大模型为什么必须依赖GPU
- 🤖 AI1.6 Ollama命令行基础操作
- 🤖 AI1.7 Ollama模型启动与停止全流程
- 🤖 AI1.8 Ollama交互对话与功能测试
- 🤖 AI1.9 Ollama模型下载与版本管理
- 🔥 实战🤖 AI1.10 Ollama离线部署：依赖与安装步骤
- 🔥 实战🤖 AI1.11 Ollama在线部署：网络与版本配置
- 🔥 实战🤖 AI1.12 Ollama部署验证与服务状态检查
- 🔥 实战🤖 AI1.13 Ollama常见部署问题与解决方案
- 🤖 AI1.14 Ollama配置文件与自定义运行规则
- 🤖 AI1.15 Ollama CPU/GPU资源限制与管控
- 🤖 AI📊 监控1.16 Ollama日志分析与问题排查
- 🔥 实战🤖 AI1.17 Ollama API接口实战调用
- 🔥 实战🤖 AI1.18 Ollama高可用部署方案
- 🤖 AI1.19 Ollama与AIOps场景适配优势
02
第二章
模型选型与DeepSeek实战
- 🤖 AI2.1 开源大模型生态与特点
- 🤖 AI2.2 闭源大模型生态与特点
- 🤖 AI2.3 企业级大模型选型核心维度
- 🤖 AI2.4 不同行业场景模型选型策略
- 🔥 实战🤖 AI2.5 DeepSeek模型部署与验证步骤
- 🔥 实战🤖 AI2.6 DeepSeek问答功能实战测试
- 🤖 AI📊 监控2.7 DeepSeek服务状态查看与监控
- 🤖 AI2.8 DeepSeek资源不足应对方案
- 🤖 AI2.9 DeepSeek启动参数与性能调优
- 🔥 实战🤖 AI2.10 DeepSeek API接口实战集成
- 🔥 实战🤖 AI2.11 DeepSeek与企业知识库对接实战
- 🔥 实战🤖 AI2.12 Docker容器化部署DeepSeek方案
- 🔥 实战🤖 AI2.13 Ollama部署DeepSeek完整流程
- 🔥 实战🤖 AI2.14 模型一体化部署在AIOps中的应用
03
第三章
企业级大模型私有实战与硬件架构设计
- 3.1 硬件配置估算
- 硬件核心配置逻辑
- 量化技术与显存优化
- 典型预算方案
- 显存估算公式
- 🔥 实战3.2 硬件选型策略
- 需求驱动决策
- 典型企业场景案例
- 🔥 实战🤖 AI3.3 开源大模型部署实战
- 部署思路以及方案
- 阿里云 PAI 一键部署
- 腾讯云 HAI 体验
- ollama 方式部署
- VLLM 方式部署
- 集群模式部署
04
第四章
大模型精调优化与企业专属模型定制
- 🤖 AI4.1 搞懂大模型微调
- 为什么需要微调
- 微调技术分类
- 技术选项指南
- 微调策略
- 🤖 AI4.2 大模型微调工具
- 开源微调工具
- 商业微调/精调平台
- 🤖 AI4.3 大模型微调数据集
- 微调数据集分类
- 数据集格式
- 获取公共数据集
- 制作自己的数据集
- 4.4 微调超参数
- 🔥 实战🤖 AI4.5 大模型微调实战
- 讯飞星火微调实战
- LLaMA-Factory 微调 Qwen3 大模型
- Unsloth 微调 Qwen3 大模型
05
第五章
智能Agent体系构建与自动化运维实战
- 🤖 AI5.1 智能体理论基础
- 🔥 实战🤖 AI5.4 基于开源平台 Dify 搭建智能体
- 5.4.1 认识 Dify
- 5.4.2 本地部署 Dify
- 5.4.3 在 Dify 配置模型
- 5.4.4 在 Dify 配置插件
- 5.4.5 创建 Chatfow 应用
- 5.4.6 创建工作流
- 5.4.7 创建知识库
- 5.4.8 Dify 智能体实战
- 🔥 实战🤖 AI5.5 基于 MCP(阿里云百炼)的智能体实战
- 5.5.1 MCP 基础
- 5.5.2 快速体验阿里云百炼 MCP
- 5.5.3 基于阿里云百炼 MCP 做一个旅游规划
- 🔥 实战🤖 AI5.7 基于 n8n 的智能体实战
- 5.7.1 N8n 介绍
- 5.7.2 N8n 部署
- 5.7.2.1 准备工作
- 5.7.2.2 安装 n8n
- 5.7.3 体验 n8n
- 5.7.3.1 基于模板创建工作流
- 5.7.3.2 自定义工作流
- 5.7.3.3 n8n 节点介绍
- 5.7.3.3.1 触发器节点
- 5.7.3.3.2 文件操作节点
- 5.7.3.3.3 控制节点
- 5.7.3.3.4 循环与迭代
- 5.7.3.3.5 合并
- 5.7.3.3.6 流程控制
- 5.7.3.3.7 code 节点
- 5.7.3.3.8 数据节点
- 5.7.3.3.9 存储节点
- 5.7.3.3.10 三方存储
- 5.7.4 用 n8n 搭建智能体
06
第六章
RAG检索增强与企业知识库落地建设
- 🤖 AI6.1 RAG 基础
- 🤖 AI6.2 向量数据库 Milvus
- 6.2.1 了解向量数据库
- 6.2.2 快速入门 Milvus
- 🔥 实战🤖 AI6.3 基于 FastGPT 实现 RAG 落地
- 6.3.1 FastGPT 介绍与安装
- 6.3.2 快速上手 FastGPT
- 6.3.3 项目实战
- 🔥 实战🤖 AI6.4 基于 RAGFlow 实现 RAG 落地
- 6.4.1 认识 RAGFlow
- 6.4.2 在 Linux 机器上部署 RAGFlow
- 6.4.3 快速体验 RAGFlow
- 6.4.4 项目实战
07
第七章
大模型运维监控、性能调优与安全治理
- 🤖 AI📊 监控7.1 大模型平台监控
- 7.1.1 基础命令行工具
- 7.1.2 专业监控工具 Prometheus+Grafana
- 🤖 AI☁️ 云7.2 大模型优化
- 7.2.1 优化策略
- 7.2.2 大模型量化
- 7.2.3 大模型知识蒸馏
- 7.2.3.1 知识蒸馏的核心机制
- 7.2.3.2 知识蒸馏的技术方法分类
- 7.2.3.3 百度智能云千帆大模型平台做大模型蒸馏
- 7.2.3.4 用 DistillKit 做大模型蒸馏
- 🔥 实战🤖 AI7.3 大模型压测
- 7.3.1 压测指标
- 7.3.2 压测工具
- 7.3.2.1 阿里云 PAI 模型在线服务(EAS)
- 7.3.2.2 百度智能云千帆 ModelBuilder
- 7.3.2.3 EvalScope
- 7.3.2.4 Locust
- 7.3.3 压测实战
- 🤖 AI🛡️ 安全7.4 大模型安全运维
08
第八章
AIOps智能运维平台与企业级AI中枢实战
🔥 AIOps 是本课程重点章节，占篇幅最多，未完，更新中
持续更新中……
- 🤖 AI8.1 AI 辅助编程
- 8.1.1 GLM4.6 全栈开发
- 8.1.2 通义零码
- 8.1.3 Trae
- 8.1.4 claude code
- 8.2 产品需求文档设计
- 🔥 实战🤖 AI8.3 项目开发
- 8.3.1 用通义灵码落地需求
- 8.3.2 用 Codex/Claude Code 落地需求
- 8.3.3 用 AI 克隆一个网站
- 🔥 实战8.4 项目测试和部署上线
- 8.4.1 注册账号
- 8.4.2 将代码推送到 github
- 8.4.3 在 Vercel 部署项目
- 8.4.4 绑定域名
- 🔥 实战🤖 AI8.7 用 Dify+jumpserver 做运维智能体
- 8.7.1 部署 Jumpserver
- 8.7.1.1 部署 jumpserver
- 8.7.1.2 快速体验 Jumpserver
- 8.7.2 部署 Jumpserver MCP
- 8.7.2.1 获取用户 Token
- 8.7.2.2 部署 jumpserver MCP
- 8.7.2.3 到 Dify 上添加 Jumpserver MCP
- 8.7.3 实现一个简单的需求
- 8.7.3.1 创建 Dify 应用
- 8.7.3.2 测试 Dify 应用
- 8.7.4 做一个综合性应用智能体
- 🤖 AI8.8 用 Dify+k8s 做运维智能体
- 🤖 AI📊 监控8.9 用 Dify+Prometheus+Alertmanager 做运维智能体
- 🤖 AI📊 监控8.10 用 n8n+Prometheus+Alertmanager 做运维智能体
- 🤖 AI8.11 用 Dify+Ansible 的 MCP 做运维智能体
- 🤖 AI8.12 用 n8n+Jenkins 做 Devops+AIOps 智能体
- 🔥 实战🤖 AI8.13 AI智能体企业级运维中枢实战
- OpenClaw 介绍
- OpenClaw 部署
- OpenClaw 接入聊天工具
- OpenClaw 多 Agent 协作
- OpenClaw 实战
- OpenClaw 与 AIOps 全场景应用
- WorkBuddy 智能体概念与定位
- WorkBuddy 环境部署与工具接入
- WorkBuddy 接入聊天与协作工具
- WorkBuddy 多 Agent 协作
- WorkBuddy 实战：自动化运维与文档生成
- WorkBuddy 与 AIOps 全场景应用
- Codex 智能体概念与定位
- Codex 接入开发工作流
- Codex 多 Agent 协作
- Codex 实战：用智能体编写运维脚本与落地需求
- Codex 与 AIOps 全场景应用
- 🔥 实战🤖 AI8.14 AI Agent 驱动运维项目实战（综合）
- 8.14.1 AI Agent 开发运维堡垒机（类 JumpServer）
- 需求拆解：资产纳管、账号托管、权限模型、审计回放、工单审批
- 用 WorkBuddy / Codex 生成后端（Go/Python）+ 数据库 Schema + 前端 Web 终端
- 接入企业微信/钉钉审批与告警，容器化部署与压测验收
- 8.14.2 AI Agent 开发运维小程序（微信/企业微信）
- 服务器状态推送、告警确认、一键重启/回滚、资产查询
- 用 Agent 生成小程序前端 + 云函数/后端 API
- 消息卡片、审批流、值班排班接入
- 8.14.3 AI Agent 开发运维门户网站 / 工单系统
- CMDB 资产台账、工单流转、知识库、值班排班
- 用 Agent 全流程生成前端 + 后端 + 数据库
- SSO 登录、权限分级、与监控/堡垒机联动
- 8.14.4 AI Agent 开发智能监控告警平台
- 指标采集（Prometheus Exporter）、规则引擎、告警收敛
- 可视化大盘（Grafana）、根因分析、自然语言查询
- 用 Agent 辅助编写采集器与调参
- 8.14.5 AI Agent 开发自动化部署平台（类 Jenkins/ArgoCD）
- 流水线编排、GitOps、灰度发布、回滚
- 用 Agent 编写 Runner / Controller 与制品库
- 与 K8s / 堡垒机 / 监控联动
- 8.14.6 AI Agent 开发 AIOps 日志分析与根因定位系统
- 日志采集（ELK/Loki）、异常检测、智能根因
- “为什么昨晚 502” 自然语言查询与定位
- 用 Agent 写采集器 + 分析服务 + 知识库检索
- 8.14.1 AI Agent 开发运维堡垒机（类 JumpServer）
