LLM / AI TRAINING
AIGC大模型应用工程师
把大模型用于真实任务，交付可复用、可核验的 AI 应用方案。
WHO IT IS FOR
先看起点，再确定学习重点
| 适合人群 | 学习基础 / 常见起点 | 建议学习重点 |
|---|---|---|
| 业务与运营人员 | 熟悉日常任务，无需算法基础 | 从提示、文档与信息处理起步 |
| 产品与项目人员 | 能描述用户需求与业务流程 | 重点学习任务拆解、原型和评测 |
| 教师、讲师与转型人员 | 具备基础电脑操作能力 | 先补模型通识，再完成综合应用 |
CURRICULUM
具体学什么，学完交付什么
按能力递进组织，每个模块都有实操任务和验收成果。
M1模型认知与任务拆解任务说明与风险清单＋
任务说明与风险清单
AI 生成概念配图 · 非真实项目现场学习内容
模型能力、上下文、幻觉与多模态；区分适合和不适合 AI 的任务。
实操任务
将一项工作拆成输入、步骤、输出和人工检查点。
交付成果
任务说明与风险清单
验收要点
能说明为何使用 AI、哪些结果必须人工复核。
M2提示工程与结构化输出可复用提示模板及对比记录＋
可复用提示模板及对比记录
AI 生成概念配图 · 非真实项目现场学习内容
角色、约束、示例、分步提示；JSON、表格和固定格式输出。
实操任务
为同一任务比较三种提示，并记录失败样例。
交付成果
可复用提示模板及对比记录
验收要点
同一组测试输入下输出格式稳定，关键字段完整。
M3信息检索与知识问答资料问答原型与测试集＋
资料问答原型与测试集
AI 生成概念配图 · 非真实项目现场学习内容
资料整理、检索增强、引用来源、回答边界与拒答。
实操任务
用一组资料搭建问答原型，测试已知、未知及冲突问题。
交付成果
资料问答原型与测试集
验收要点
答案能回溯来源；资料不足时不编造答案。
M4多模态内容与工具应用可编辑作品与核验记录＋
可编辑作品与核验记录
AI 生成概念配图 · 非真实项目现场学习内容
文本、图像和演示内容协作；工具选择、信息核验与素材使用边界。
实操任务
从需求简报完成一套图文或演示内容，并逐项核验事实。
交付成果
可编辑作品与核验记录
验收要点
作品符合任务要求，关键事实有依据。
M5应用组合与成果评测应用演示、操作说明及改进记录＋
应用演示、操作说明及改进记录
AI 生成概念配图 · 非真实项目现场学习内容
串联提示、知识和工具；质量、耗时、成本与人工接管。
实操任务
独立完成一个可重复执行的业务任务，并演示异常处理。
交付成果
应用演示、操作说明及改进记录
验收要点
他人按说明可复现，能解释效果与局限。
LEARNING PATH
学习顺序与组织方式
模型与任务 → 提示工程 → 知识与多模态 → 综合应用与评测
讲解与演示：理解方法，观察完整操作。
任务实训：跟做后更换输入，独立完成任务。
项目评价：演示成果，解释选择并复盘问题。
依据现有课程与平台能力编排；具体时长、工具版本和教学深度按学员基础确定，非所有模块均要求从零开始。
ASSESSMENT
结业不只看听课，更看独立完成
综合项目与个人答辩
提交可运行的应用原型、提示模板、测试样例和操作说明；现场完成新任务并解释失败处理。
项目完成、结果核验、过程复现与个人理解共同评价；外部证书按相应项目另行考核。
CAREER
对应岗位与工作任务
| 岗位 / 能力方向 | 能够承担的任务 |
|---|---|
| AI应用实施 | 配置工具与知识问答，支持使用与效果验证 |
| AI产品助理 | 整理需求、验证原型、维护测试样例 |
| 业务智能化专员 | 改造岗位任务并维护提示与操作规范 |
岗位方向用于说明能力应用，不构成就业、薪资或任职资格承诺。