为促进公司技术团队拥抱大模型方面的技术，整体了解大模型的基本情况，对外开拓应用大模型新客户促进业务增长，对内应用大模型赋能技术团队降本增效，2024年6月28日公司举行了技术沙龙--解锁大模型之力，探寻智能新境界，共有17名员工线上线下参加此次沙龙进行相互交流。

本次培训内容丰富，主要有五大部分构成：大模型主题演讲、大模型智能体平台应用、大模型资源规划及部署、大模型开发方面、探讨大模型应用场景。

第一部分大模型主题演讲：围绕《解锁大模型之力，探寻智能新境界》进行，对大语言模型LLM、大模型应用核心技术、大模型开发范式、RAG架构、Agent架构这几个方面进行了介绍。

第二部分大模型智能体平台应用，聚焦于大模型智能体平台的实际应用，介绍了基于 Fast GPT 智能体在舆情监控领域的应用，通过高级编排后其能够有效地处理和分析大量网络数据，为企事业单位提供实时的舆情洞察和自动化响应策略。通过实际演示，展示了智能体如何通过自动化流程，对舆情事件进行快速识别、分类和反应。

第三部分大模型资源规划及部署，介绍CUDA的优势与应用领域， 对TensorFLOW及PyTorch机器学习平台要求以及计算加速能力，大模型训练分类场景与模型的推荐配置进行了介绍。

第四部分大模型开发方面，围绕模型框架的选择展开了详细讨论，并介绍了几种先进的框架和工具。首先，介绍了模型框架选择的重要性，并深入讲解了四种流行的框架及其优势：AutoGPT用于自动化任务生成，LangChain适合构建复杂的链式语言处理应用，MetaGpt支持大规模并行训练和推理，AutoGen能自动生成代码和文档。接着，重点介绍了LangChain框架的使用步骤，包括安装与配置、构建链式任务、调试与优化。随后，讨论了几种流行的向量数据库选项及其功能点，如Qdrant、Pinecone和Weaviate，比较了它们在不同应用场景中的优势。最后，沙龙演示了一个基于LangChain的本地知识库智能回答系统，从系统构建到功能演示，展示了其在本地知识库中的问答能力和响应速度。通过本次沙龙，与会者深入了解了不同模型框架的特点和使用方法，对向量数据库的选择和功能有了更清晰的认识，并体验了基于LangChain构建智能回答系统的实用价值。

第五部分探讨大模型应用场景，详述 AI 大模型工具于日常场景的运用以及大模型本地化运行的部署方式。

技术沙龙是今年新开展的一种技术培训方式，通过员工之间的交流讨论，相互学习，进行广泛的思想交流。将在日常工作中对大模型运用的经验进行分享，实现共同成长。