课程简介
AI大模型正在深刻重塑企业的架构设计思维与IT架构落地范式，其发展趋势已由技术层面上升至企业战略核心。这种常态落地技术专家，协同AI工程师，让AI大模型成为了驱动企业IT架构以“基于规则的确定性系统”向“基于意图的概率性智能生态”演进。其最大价值在于，不仅是技术升级，更是商业逻辑和运营哲学的重塑。企业未来的核心竞争力，将很大程度上取决于其“将大模型的认知能力，通过先进的架构思维，转化为敏捷、智能且可进化的业务系统”的能力。这要求技术领导者同时具备前瞻的架构视野和深刻的业务洞察。
本次课程将从AI 大模型应用开发架构或者关键利益相关者进行深入访谈，帮助学员掌握架构设计技能应用到实际项目中，提升 AI 大模型架构设计/开发/工具使用能力。涵盖：AI 原生应用架构新思维、AI 架构新技术体系关键技术、AI 应用架构设计之新协作和上下文工程、经典AI架构案例解析、AgentsAI 智能体动手实践等知识，助力企业打造出一个企业级 AI 智能体应用实践能力。
课程收益
1、了解当前 AI 大模型应用落地的哲学、成功案例
2、掌握AI 大模型工具、AI 大模型开发技能、AI 大模型架构设计、AI 大模型架构思维、AI 大模型架构落地难点等。
3、学习架构设计技能应用到实际项目中，整体提升 AI 大模型架构设计/开发/工具使用能力。
1）需求调研与分析：与 AI 大模型应用开发架构或者关键利益相关者进行深入访谈，了解当前 AI 大模型应用落地的痛点、成功案例与不足之处，特别是 AI 大模型工具、AI 大模型开发技能、AI 大模型架构设计、AI 大模型架构思维、AI 大模型架构落地难点等。
2）案例筛选与整理：挑选公司内部2-3个具有代表性的技术项目案例，涵盖成功与失败经验，作为 AI 大模型应用开发/架构进阶实践的素材。
采用分组工作坊的形式，讲+练+测相辅相成；
1）建立学习社区： 创建线上微信群，鼓励学员分享架构设计经验和学习心得，促进持续学习和交流。
2）后续辅导： 提供一定期限的在线辅导，帮助学员解决实际工作中遇到的架构设计和落地难题。
3）成果应用： 鼓励学员将在培训中学到的架构设计技能应用到实际项目中，提升 AI 大模型架构设计/开发/工具使用能力。
受众人群
技术经理、架构师、开发工程师，开发技术经理，开发技术负责人 技术创新团队的工程师以及对AI原生技术应用感兴趣的人群。
课程周期
2天（12小时）
课程大纲
主题 | 学习内容 |
| 1新架构思维范式 1）微服务架构与 AI 大模型架构设计思维模式转换 2）微服务架构与 AI 大模型架构设计范式转换 3）微服务架构设计的解耦方法 4）AI 大模型架构设计的解耦方法 2新架构关键技术 1）AI 大大模型架构 = 微服务架构 + 大模型 + MCP + A2A + AG-UI 2）微服务架构与 AI 大模型架构融合转型的新关键技术设计 Prompt 设计 广义负载均衡设计 高可用设计 高性能设计 高可靠 无状态化设计 熔断设计 限流设计 降级设计 |
二、AI 应用架构设计之新架构体系与落地实践
| 1、功能侧架构设计 1）智能体应用开发整体架构设计 2）智能体流量网关层架构设计 3）智能体 API 网关层架构设计 4）智能体业务逻辑层架构设计 5）智能体事件驱动层架构设计 6）智能体 MCP 网关层架构设计 7）智能体 MCP Server 层架构设计 8）智能体 AI 网关层架构设计 9）智能体数据/知识层架构设计 10）智能体 A2A 层架构设计 11）智能体 AG-UI 层架构设计 12）智能体落地关键技术设计 2、治理层架构设计 1）智能体新注册中心架构设计 2）智能体新配置中心架构设计 3）智能体新可观测性体系架构设计 4）智能体新安全防护体系架构设计 5）智能体应用实验平台架构设计 6）智能体应用生产平台架构设计 7）智能体大模型 RunTime 架构设计 |
三、AI 应用架构设计之新技术体系与落地实践
| 1、MCP/A2A/AG-UI 新技术设计 1）为什么需要 MCP 网关？ AI 应用包含多个AI Agent，或者AI应用需要和多个业务服务接口和存储服务接口交互，开发量很大 2）从 Local MCP Server 到 Remote MCP Server 架构设计 3）MCP/A2A 架构设计 2、MCP/A2A/AG-UI 新技术落地 1）MCP 架构设计与落地实现 a.MCP 网关功能设计与落地 b 基于 Higress 的 MCP 网关分层架构设计 c基于 Wasm 的 MCP Server 架构设计扩展能力 d基于 Nacos 实现存量业务应用接口0改动适配 MCP Server 架构设计 e基于 Higress 的 MCP 网关部署与运维优势 2）MCP AI 大模型架构设计与落地实现的关键技术 a. MCP Server 动态发现 b.传统服务零代码改造为 MCP Server c.将 SSE + HTTP 转换为 Streamable HTTP d.MCP 模式下的身份认证和权限管控 e MCP Server 和 MCP Tool 的使用权限 f MCP Server 和 MCP Tool 的数据权限 g MCP Server 的可观测性 |
四、AI 应用架构设计之新协作和上下文工程与落地实践
| 1、AI 智能体关键技术设计 1）智能体应用可落地场景剖析 2）智能体应用框架核心设计理念剖析 3）智能体应用开发框架选型 4）智能体应用开发模块设计 5）智能体应用开发 RAG 数据工程关键技术剖析 6）智能体应用开发 RAG 信息抽取关键技术剖析 2、AI 智能体关键技术落地 1）智能体应用性能优化案例剖析 2）智能体应用意图识别准确度案例剖析 3）智能体应用 Planning 准确度优化与案例剖析 4）智能体应用 MCP 关键技术设计 5）智能体应用 A2A 关键技术设计 6）智能体应用 AG-UI 关键设计 7）智能体上下文工程实践 |
五、AI 应用架构设计之落地案例精细拆解剖析
| 1、企业级智能客服智能体案例精细拆解 1）智能客服 AI Agents 系统需求分析 智能客服 AI Agents 系统总体架构设计 智能客服 AI Agents 系统功能模块设计 智能客服 AI Agents 系统治理模块设计 智能客服 AI Agents 系统关键技术设计 智能客服 AI Agents 系统安全防护设计 智能客服 AI Agents 系统架构选型 智能客服 AI Agents 系统资源规划设计 智能客服 AI Agents 系统代码落地 智能客服 AI Agents 系统核心功能展示 2、企业级报告生成智能体案例精细拆解 1）报告生成 AI Agents 系统需求分析 2）报告生成 AI Agents 系统总体架构设计 3）报告生成 AI Agents 系统功能模块设计 4）报告生成 AI Agents 系统治理模块设计 5）报告生成 AI Agents 系统关键技术设计 6）报告生成 AI Agents 系统安全防护设计 7）报告生成 AI Agents 系统架构选型 8）报告生成 AI Agents 系统资源规划设计 9）报告生成 AI Agents 系统代码落地 10）报告生成 AI Agents 系统核心功能展示 3、企业级 NLP2SQL 智能体案例精细拆解 1）NLP2SQL AI Agents 系统需求分析 2）NLP2SQL AI Agents 系统总体架构设计 3）NLP2SQL AI Agents 系统功能模块设计 4）NLP2SQL AI Agents 系统治理模块设计 5）NLP2SQL AI Agents 系统关键技术设计 6）NLP2SQL AI Agents 系统安全防护设计 7）NLP2SQL AI Agents 系统架构选型 8）NLP2SQL AI Agents 系统资源规划设计 9）NLP2SQL AI Agents 系统代码落地 10）NLP2SQL AI Agents 系统核心功能展示 |
六、AI 应用架构设计之企业级 AI 智能体动手实践 （联合企业方选定一个业务场景，2天实践分组打造出一个企业级 AI 智能体应用）
| 1、企业业务场景 AI 智能体系统需求分析 功能需求 治理需求 性能需求 2、企业业务场景 AI 智能体系统总体架构设计 3、企业业务场景 AI 智能体系统功能模块设计 4、企业业务场景 AI 智能体系统治理模块设计 5、企业业务场景 AI 智能体系统关键技术设计 6、企业业务场景 AI 智能体系统安全防护设计 7、企业业务场景 AI 智能体系统架构选型 8、企业业务场景 AI 智能体系统资源规划设计 9、企业业务场景 AI 智能体系统代码落地 10企业业务场景 AI 智能体系统核心功能展示 |
Noah Sun
百林哲咨询（北京）有限公司专家团队成员
Noah Sun
百林哲咨询（北京）有限公司专家团队成员
Noah Sun
百林哲咨询（北京）有限公司专家团队成员
Noah Sun
百林哲咨询（北京）有限公司专家团队成员
Noah Sun
百林哲咨询（北京）有限公司专家团队成员
京ICP备2022035414号-1
