课程简介

系统讲授AI时代技术全链路的工程范式重构与落地实践。课程围绕八大核心主题展开：规范驱动开发（Spec-Kit SDD） 、元数据治理与异构数据融合、上下文工程与MCP运行时调度、意图识别微调与语料治理、多智能体架构、可观测性体系、智能化基座建设、企业级多智能体治理。

目标收益

1. 全链路覆盖：从规范驱动开发、元数据治理、上下文工程、意图识别微调、多智能体架构到可观测性，覆盖AI赋能技术全链路
2. 最新实践：所有案例来自2026年头部企业一线实践（Spec Kit生态、MCP协议、多智能体编排等）
3. 工程化视角：不仅讲原理，更讲工程化落地的选型、踩坑与最佳实践

培训对象

涵盖技术负责人、架构师、开发工程师、测试工程师、产品经理

课程内容

第一天：工程范式重构与智能体运行时

模块一：规范驱动开发（SDD）——从模糊意图到可验证规格（上午·2.5小时）

1.1 范式迁移：从“氛围编程”到“规范驱动”
1.2 GitHub Spec Kit深度解析
1.3 Spec-Kit实操：从零构建一个完整功能

模块二：元数据治理与异构数据融合——认知深度对齐（上午·1.5小时）
2.1 元数据治理的核心挑战
2.2 数据治理与知识融合实战
2.3 案例与实操：元数据驱动的智能查询系统
实操演示：基于语义的数据湖查询系统搭建——标签识别→实体检索→实例推理→结果融合的全链路
案例：金融行业异构数据治理实践

模块三：上下文工程与MCP运行时调度（下午·2小时）
3.1 Agent Harness：2026年AI工程的核心范式
3.2 MCP协议深度解析
3.3 运行时调度与实操
实操演示：基于MCP构建“检索→执行→复核”三Agent任务流，含完整代码与踩坑记录

第二天：模型深度应用、多智能体协作与可观测性

模块四：意图识别微调与语料治理全链路（上午·1.5小时）
4.1 意图识别工程化
4.2 参数提取与语料治理
实操演示：基于开源模型完成一个意图识别微调项目（含数据准备、训练、评估全流程）

模块五：多智能体架构——原理、设计与工程化（上午·1.5小时）
5.1 多智能体核心原理
5.2 多智能体工程化实践

模块六：可观测性体系与智能化基座（下午·2小时）
6.1 Agent可观测性——工具调用链与全栈监控
实操演示：为Agent系统接入可观测性（LLM追踪、工具调用链监控）
6.2 智能化基座建设
6.3 企业治理与总结研讨