🚀 京峰教育 · AIOPS人工智能大模型全套课程就业大纲

第一章：大模型基础与Ollama实战

• 1.1 大模型核心概念与价值
• 1.2 大模型参数与技术本质
• 1.3 Transformer架构底层原理
• 1.4 大模型数据训练与算力逻辑
• 1.5 大模型为什么必须依赖GPU
• 1.6 Ollama命令行基础操作
• 1.7 Ollama模型启动与停止全流程
• 1.8 Ollama交互对话与功能测试
• 1.9 Ollama模型下载与版本管理
• 1.10 Ollama离线部署：依赖与安装步骤
• 1.11 Ollama在线部署：网络与版本配置
• 1.12 Ollama部署验证与服务状态检查
• 1.13 Ollama常见部署问题与解决方案
• 1.14 Ollama配置文件与自定义运行规则
• 1.15 Ollama CPU/GPU资源限制与管控
• 1.16 Ollama日志分析与问题排查
• 1.17 Ollama API接口实战调用
• 1.18 Ollama高可用部署方案
• 1.19 Ollama与AIOps场景适配优势

第二章：模型选型与DeepSeek实战

• 2.1 开源大模型生态与特点
• 2.2 闭源大模型生态与特点
• 2.3 企业级大模型选型核心维度
• 2.4 不同行业场景模型选型策略
• 2.5 DeepSeek模型部署与验证步骤
• 2.6 DeepSeek问答功能实战测试
• 2.7 DeepSeek服务状态查看与监控
• 2.8 DeepSeek资源不足应对方案
• 2.9 DeepSeek启动参数与性能调优
• 2.10 DeepSeek API接口实战集成
• 2.11 DeepSeek与企业知识库对接实战
• 2.12 Docker容器化部署DeepSeek方案
• 2.13 Ollama部署DeepSeek完整流程
• 2.14 模型一体化部署在AIOps中的应用

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
• 3.2 硬件选型策略
  • 需求驱动决策
  • 典型企业场景案例
• 3.3 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

第四章：大模型精调优化与企业专属模型定制

• 4.1 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
• 4.2 大模型微调工具
  • 开源微调工具
  • 商业微调/精调平台
• 4.3 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
• 4.5 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

第五章：智能Agent体系构建与自动化运维实战

• 5.1 智能体理论基础
• 5.2 Coze 智能体平台
  • 5.2.1 快速体验 Coze 智能体
  • 5.2.2 工作流实战
  • 5.2.3 对话流实战
  • 5.2.4 知识库实战
  • 5.2.5 数据库实战
• 5.3 基于 Coze 智能体平台实战落地
  • 5.3.1 创建工作流
  • 5.3.2 创建智能体
• 5.4 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
• 5.5 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
• 5.6 私有部署开源版 Coze
  • 5.6.1 准备 Linux 机器
  • 5.6.2 安装 Docker 和 Docker-compose
  • 5.6.3 克隆源码
  • 5.6.4 运行 coze
  • 5.6.5 使用 coze
• 5.7 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

第六章：RAG检索增强与企业知识库落地建设

• 6.1 RAG 基础
• 6.2 向量数据库 Milvus
  • 6.2.1 了解向量数据库
  • 6.2.2 快速入门 Milvus
• 6.3 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
• 6.4 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

第七章：大模型运维监控、性能调优与安全治理

• 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
• 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
• 7.3 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
• 7.4 大模型安全运维

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

• 8.1 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
• 8.3 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
• 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
• 8.5 基于 Coze 做运维智能体
  • 8.5.1 Coze 自定义插件
  • 8.5.1.1 基于 API 创建插件
  • 8.5.1.2 基于 IDE 创建自定义插件
  • 8.5.2 自定义 coze 插件管理阿里云机器
  • 8.5.2.1 准备工作
  • 8.5.2.2 创建 Coze 插件
  • 8.5.3 设计 Coze 工作流
  • 8.5.4 设计 aiops 智能体
• 8.6 用 Coze+Ansible 做自动化运维智能体
  • 8.6.1 准备工作
  • 8.6.1.1 准备 Ansible 环境
  • 8.6.1.2 编写 ansible api 服务脚本并开启 API
  • 8.6.1.3 编写 playbook
  • 8.6.2 创建 coze 插件
  • 8.6.3 创建 coze 工作流
  • 8.6.4 配置 coze 智能体
• 8.7 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
• 8.8 用 Dify+k8s 做运维智能体
• 8.9 用 Dify+Prometheus+Alertmanager 做运维智能体
• 8.10 用 n8n+Prometheus+Alertmanager 做运维智能体
• 8.11 用 Dify+Ansible 的 MCP 做运维智能体
• 8.12 用 n8n+Jenkins 做 Devops+AIOps 智能体
• 8.13 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
  • Hermes Agent概念剖析
  • Hermes实战
  • Hermes接入聊天工具
  • Hermes Agent 协作
  • Hermes故障排错实战
  • Hermes Agent与AIOps全场景应用

持续更新中……