课程背景
AI技艺栈复杂多样，大模型、智能体、RAG、向量资料库等等新技艺层出不穷。怎样选项适合公司的技艺路线？怎样规划可扩展的AI技艺架构？怎样防止技艺选型失误？本课基于TOGAF技艺架构办法论，支援技艺管人者掌握AI技艺架构规划和选型的系统办法。
课程收益
【课程标的】
• 领会AI技艺栈全貌和各组件关系
• 掌握大模型技艺路线选型办法
• 掌握智能体、RAG等等核心技艺的架构规划
• 领会AI技艺隐患和安全合规要求
【课程获益】
• 系统掌握对应领域的AI技艺办法和抓手，专精本领显著拉升
• 获得可直接落地的技艺轮廓和操作流程，减少从零摸索的时间
• 借助实战上手掌握核心本领，结业即可独立开展相关事务
• 积累业界最 佳实践心得，防止常见技艺坑和弯路
• 获得可复用的技艺模板和代码轮廓，拉升后续事务效率
课程大纲
• TOGAF技艺架构办法论：基础设施、平台、运用、资料
• "资料+算力+模型+运用"四层AI技艺栈拆解
• AI技艺架构演进：从单体运用到微服务到智能体
• 技艺选型要则：业务驱动、成熟度优先、成本效益，可扩展性
• 通用大模型vs业界大模型vs私有化部署：优劣势对比
• 主流大模型深度对比：GPT，Claude、文心、通义、DeepSeek，Kimi
• 大模型部署模式：SaaS、API，私有化部署、混合部署
• 大模型选型评核轮廓：本领、成本、安全、合规、生态
• 大模型成本精进：Token成本、推理成本，微调成本
• 智能体基础架构：感知-规划-行动（SPA）模型
• ReAct模式：推理+行动+观察的循环制度
• 单智能体vs多智能体：适用情境和协同模式
• 主流智能体平台对比：Coze，Dify、LangChain等等
• 智能体技艺成熟度评核：从实验到生产的距离
• RAG（检索增强生成）原理和架构
• 学识库构筑：文档处理、分块、向量化、索引
• 向量资料库选型：Pinecone、Milvus、Chroma等等对比
• 检索打法精进：要害词检索、向量检索、混合检索
• RAG成效评核和持续精进办法
• DAMA资料架构办法论：从传统MDM到AI资料资产
• 资料集成架构：ETL、ELT、资料联邦、资料编织
• 资料湖vs资料仓库vs湖仓一体
• 特征平台和模型管控：MLOps基础
• AI技艺隐患识别：模型隐患、资料隐患、安全隐患、合规隐患
• AI安全轮廓：从模型安全到运用安全
• 资料隐私保护：联邦研习、差分隐私、同态加密
• OECD AI五大要则和欧盟AI法案合规要求
• AI架构治理：准则拟定、选型评审、架构合规
适合谁听
• CIO、CTO、技艺总监• 架构师和技艺负责人• IT部门经理• AI项目负责人。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。