课程简介

现代IT系统复杂度飙升，运维团队不仅深陷于海量数据带来的“认知债”，更面临着通用大模型缺乏企业内部知识、无法有效执行具体运维任务的现实鸿沟。

面对此困境，我们的答案并非在“外挂知识(RAG)”与“模型训练(微调)”间摇摆，而是打造混合架构，兼取两者之长。企业更核心的贡献是提出了一套体系化的 Agent后训练方法论，通过监督微调(SFT)为其注入专业技能，再以专家偏好对齐(如DPO)塑造其思维，最终确保大模型在AI Ops场景中行之有效。

本次分享将系统阐述后训练为核心技术，通过后训练大幅度提高运维Agent的效率和执行成功率，将一个通用大模型，锻造成一个真正能理解并解决企业具体运维难题的“内部Ops专家”。

课程收益

1、帮助学员洞悉大模型后训练打造私有领域的Agent数字员工

2、帮助学员了解大模型后训练的在AI Ops中的常应用见场景实践

受众人群

算法工程师、运维专家、系统架构师及技术管理者等从事大模型训练、运维管理的技术人员，以及其他对智能运维感兴趣的人员

课程周期

  0.5天（3H）

课程大纲

1、 为什么Agent需要后训练微调

2、 RAG和后训练微调的区别和抉择

3、 后训练微调的基础理论

4、 后训练微调在Agent领域的应用路线

5、 本公司AI Ops Agent后训练的落地

6、 AI Ops Agent的最终目标

7、 QA