（一）人工智能前沿技术与数据基座构建

1.人工智能技术极简原理与前沿趋势解析；

2.数据治理体系认知与多源异构数据融合；

3.AI驱动的数据采集、数据清洗与数据优化；

4.标准化AI数据集架构设计与规范搭建；

5.基于AI技术应用数据库架构与建设；

6.机器学习、深度学习、主动学习等AI技术实践。

（二）人工智能大模型开发与本地化部署

1.大模型本地部署的硬件要求与环境配置；

2.主流推理大模型部署框架对比与选型；

3.大模型本地部署全流程技术实战；

4.模型应用形态与本地化落地实践；

5. API调用、参数调试与微调技术实践；

6.大模型蒸馏与轻量化部署技术路径；

7.模型效果评估与上线验收；

8.部署后性能优化与常态化监控维护。

（三）AI智能体构建与开发应用技术实践

1. AI智能体技术全景与工程师认知框架；

2.大模型基础、提示词工程与工具调用机制；

3. RAG知识库构建、检索策略设计与优化技巧；

4.智能体Skills开发、MCP工具接入与工作流组合；

5.多智能体协同架构设计与主流框架实战；

6.智能体部署、渠道接入与数据安全保护；

7.典型应用案例现场解析与综合实操实训。