第一天：LLM原理、平台与应用基础

1. LLM概述与最新进展

· 1.1 LLM的定义与发展历程

· 1.2 典型模型（GPT、LLaMA、GLM、PaLM 等）简述

· 1.3 LLM产业趋势与应用价值

2. LLM基础原理剖析

· 2.1 Transformer架构原理

· 2.2 训练方式：预训练、微调与指令微调

· 2.3 模型能力边界与局限

3. 主流LLM平台和生态了解

· 3.1 开源LLM（LLaMA、ChatGLM、Mistral等）

· 3.2 商业平台（OpenAI、百度、阿里、讯飞等）

· 3.3 LLM应用接入流程：API与本地部署

4. LLM典型应用体验

· 4.1 问答系统、文档摘要

· 4.2 长文本处理与对话生成

· 4.3 代码生成等垂直领域应用

5. LLM提示词工程（Prompt Engineering）基础

· 5.1 有效提示词设计要点

· 5.2 不同任务的Prompt示例

· 5.3 Prompt调优与产出优化实践

第二天：LLM开发、微调与项目实战

6. LLM开发与微调实操

· 6.1 LLM开发技术栈、开发环境搭建

· 6.2 Hugging Face Transformers等主流框架入门

· 6.3 LoRA等主流微调方法

· 6.4 微调实战流程：数据准备、训练、评估

7. LLM高效推理与服务部署

· 7.1 推理优化与加速方法

· 7.2 API封装与在线推理服务

· 7.3 本地化部署与开源方案介绍

8. LLM在企业实际落地案例

· 8.1 智能客服/知识库

· 8.2 行业文档自动处理

· 8.3 私有化大模型与行业定制

9. LLM内容安全与合规

· 9.1 生成内容风险与防护

· 9.2 数据安全、隐私保护及合规策略

10. 项目实战与经验交流