课程背景
北京长虹佳华作为ICT分销领域的领军公司，其数智中心正面临从“资讯化支撑”向“智能化驱动”转型的要害期。
技艺层面
，ERP系统复杂度高、供给链资料碎片化，传统开发模式难以迅速响应业务变化；
英才层面
，前端、后端、测试以及海量资料队伍虽具备扎实的工程本领，但缺乏对大模型（LLM）以及智能体（Agent）技艺的系统性认知和落地手段；
业务层面
，亟需借助AI技艺破解代码复用率低、测试覆盖率不足、资料查询效率低等等实际痛点，以支撑公司“十五五”期间的数智化供给链方略。
本课摒弃空泛理论，采用
“技艺原理—架构规划—代码实操—情境落地”
的四层递进推演。
1.
基础夯实
：锁住研发视角，拆解大模型技艺演进和主流轮廓（GLM/豆包）特性，消除技艺盲区。
2.
单体重构
：纵深RAG（检索增强生成）和提示词工程，掌握智能体核心组件（感知-规划-记忆-行动）的开发和调试。
3.
系统升维
：进阶至多智能体（Multi-Agent）协同架构，执行层面，利用LangGraph等等抓手破解复杂业务流的编排问题。
4.
价值闭环
：结合长虹佳华供给链和ERP真实情境，借助沙盘推演输出可落地的公司级智能体原型。
长期收益和价值：
对个人
：完成从“功能开发者”到“AI架构师”的本领跃迁，掌握LangChain/LangGraph等等前沿开发本领，拉升职场核心竞争力。
对队伍
：构筑统一的AI研发准则和抓手链，沉淀可复用的智能体组件库，拉升跨部门协同效率。
对公司
：借助AI赋能研发全流程，预期达成代码生成效率拉升40%、测试人力成本降低30%，加速长虹佳华在信创和数智化供给链领域的布局。
课程收益
1.
掌握大模型技艺选型本领
，能够根据ERP开发和供给链业务情境，精准匹配GLM、豆包等等主流模型的API调用打法。
2.
精通单智能体全生命周期开发
，能够独立完成从诉求拆解、提示词工程、学识库构筑到插件集成的全流程落地。
3.
具备多智能体架构规划本领
，能够运用LangGraph规划层次式或者并行式的多智能体协同方案，破解复杂业务链路自动化问题。
4.
构筑公司级RAG运用
，掌握文档切片、向量化处理以及召回精进技艺，达成基于内部脱敏资料的智能问答系统。
5.
规避AI落地技艺隐患
，领会私有化部署路径、资料安全隔离制度以及Token成本将控打法，保障项目合规上线。
6.
产出实战级智能体原型
，每位参训者将带走在供给链智能问数或者ERP自动化测试情境下的可运行代码和配置方案。
课程大纲
课程导入
• 现况诊断：长虹佳华研发痛点拆解（ERP迭代慢、测试资源怯场、资料查询门槛高）。
• 全景规划：从Copilot到Agent，从单点抓手到研发智能体集群的技艺演进路线。
• 分组立项：组建跨职能战队（含前端、后端、测试、海量资料定位），发布“供给链智能助手”实战课题。
学识模块（技艺原理）：
• 大模型核心制度：Transformer架构简析，Token经济学、上下文窗口和推理成本。
• 模型选型指南：GLM（推演推理强）、豆包（中文领会优）在代码生成、文本处理上的优劣势对比。
• 研发情境映射：AI在诉求拆解、代码补全、单元测试、SQL编写中的成熟度评核。
实例研讨（实战）：
• 实例：某大型ICT公司利用AI将ERP单据开发周期缩短50%的实践。
• 剖析：怎样借助Prompt约束大模型输出符合公司规范的Java/Python代码。
沙盘上手/小组碰头：
• 主题：识别本岗位AI赋能高价值情境。
• 产出：各组输出《岗位AI机会清单》，明晰未来两天的开发标的。
学识模块（技艺原理）：
• 智能体架构拆解：纵深拆解感知（Perception）、规划（Planning），记忆（Memory），行动（Action）四大模块。
• RAG核心技艺：Embedding模型选型、文档切片打法（Chunking）、向量库构筑和相似度检索。
• 提示词工程：结构化提示词规划（ICIO轮廓、思路链CoT），拉升代码和推演输出的准确性。
实例研讨（实战）：
• 实例：基于内部ERP技艺指引构筑智能问答助手，破解新员工培训和查询效率问题。
沙盘上手/小组碰头：
• 实操：采用Dify/Coze平台，上传脱敏的ERP API文档，换个角度看，搭建具备上下文记忆的问答智能体。
• 调试：针对“幻觉”问题开展Prompt调优和学识库召回精进。
学识模块（技艺原理）：
• 插件（Tools）制度：OpenAPI/Swagger规范拆解，怎样让智能体调用外部API。
• 鉴权和安全：API Key管控和公司内部权限系统的对接推演。
• 代码解释器：让智能体具备执行Python/SQL代码的本领。
沙盘上手/小组碰头：
• 实操：开发一个“供给链库存查询”插件，让智能体实时访问资料库并返回JSON资料。
• 集成：将插件集成至智能体事务流，完成端到端的资料查询和可视化。
学识模块（技艺原理）：
• 协同模式规划：层次式（Supervisor Worker），并行式（Swarm），流式（Pipeline）架构对比。
• LangGraph 核心制度：State（状态管控）、Node（计算节点）、Edge（条件路由）。
• 通信和冲突破解：智能体间的消息协议规划和差事仲裁制度。
实例研讨（实战）：
• 实例：自动化代码审查流水线（Agent1: Lint查验 -> Agent2: Bug修复 -> Agent3: 生成单元测试）。
沙盘上手/小组碰头：
• 实操：采用LangGraph搭建一个简单的双智能体协同系统（如：诉求拆解Agent + 代码生成Agent）。
学识模块（技艺原理）：
• 复杂业务流编排：怎样处理ERP系统中的长链条、多分支业务链路。
• 私有化部署基础：Ollama/Qwen等等开源模型的本地化部署和量化技艺（GPTQ/AWQ）。
• 落地避坑指南：资料安全隔离、敏感资讯脱敏、Token成本将控打法。
沙盘上手/小组碰头（120分钟核心实战）：
• 课题A（海量资料/后端）：供给链智能问数系统。用户输入自然语言 -> Agent生成SQL -> 执行查询 -> 返回可视化图表。
• 课题B（测试/ERP）：自动化测试脚本生成器。基于用户故事（User Story）自动生成Playwright/Cypress测试脚本。
• 要求：各组基于第 一天的基础，从实践看，完成智能体的代码编写、联调和演示准备。
• 结晶路演：各小组演示智能体原型，讲师团从技艺架构、业务价值、革新性三个维度点评。
• 复盘收束：回顾两天要害技艺点，构筑个人AI技艺学识图谱。
• 迁移规划：拟定《岗位AI落地行动规划书》，明晰回到事务岗位后的首个AI落地项目。
七、课程收束和行动规划
• 学识回顾：AI智能体技艺栈全景图（从Prompt到LangGraph）。
• 结晶交付：确认各组输出的智能体代码库和配置文件。
• 后续支持：提供进阶研习路径和疑难问题解答通道。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
北京长虹佳华数智中心全体研发人员（40-50人） • 后端/ERP开发工程师：关注代码生成、业务推演自动化和系统集成。 • 前端开发工程师：关注UI组件生成、前后端接口联调效率拉升。 • 测试工程师：关注自动化测试脚本生成、异常用例挖掘和智能回归测试。 • 海量资料开发工程师：关注自然语言转SQL（Text-to-SQL）、资料清洗和可视化。。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。