基于火山引擎 HiAgent 打造的 AI 创新应用平台 NK-GeniOS，已登陆南开大学智算云平台。接入了豆包大模型、DeepSeek 的 NK-GeniOS，通过低代码、可视化的编排流程，可满足师生低门槛快速构建智能体的需求，在上线短短十天内，师生们就通过 NK-GeniOS 累计创造出了8,000多个智能体应用，建立了各类知识库780个，日均访问量2,500-3,000人次。

师生们所构建的智能体，涵盖校园服务、智慧教学、智慧科研、教务服务等场景，达成了南开大学“人人会用 AI、人人爱用 AI”的目标，得到了央视新闻的点赞。

对于绝大部分师生来说，AI 应用的开发编程技术是第一道门槛。NK-GeniOS 平台以 HiAgent 为底座，可以让师生实现零/低代码开发，仅需要拖拉拽的工作流编排，就能对知识库、插件、大语言模型、代码块、条件判断等功能进行画布式的灵活编排，整个过程就如同「搭积木」一般，无需复杂的编程知识，可以快速上手并构建智能体。

AI 在校园领域的应用十分广泛，为了满足师生不同场景下的 AI 智能体开发应用需求，平台还接入了豆包大模型家族的十余个模型和部署在火山引擎上的 DeepSeek 系列大模型，保证师生在自然语言处理、图像识别、视频处理等领域的模型调用需求，让大模型各司其职、各尽其用。

文学院的师生们通过 NK - GeniOS 创建了名为“大语智慧学伴”的 AI 应用，该应用结合南开大学100多篇名师注解、300多篇优秀文献以及南开大学在语文领域多项优势训练成果，可充分解答师生们在文学上的疑问，相当于拥有了可以随身携带的语文老师。

智能体：大学语文学习助手

智能体“计算机编程实训助手”，可基于大模型对代码和上下文进行分析，为计算机通识课的同学们提供一键代码生成、一键代码注释、一键代码补全的全流程纠错答疑服务，帮助同学们更快速地编写代码或脚本，减少语法错误，缩减调试时间。

智能体：计算机编程实训助手

为了让 AI 应用更加智能化、个性化，火山引擎还提供了100+高频企业级插件，支持自定义插件扩展，涉及联网搜索、图像处理、文本处理的方方面面，师生也可以根据自身的个性化需求，自行开发和扩展，通过“长出手脚”的 AI 智能体，放飞创意灵感。

在科研和隐私数据的保护上，火山引擎通过本地化部署的方式，实现数据本地化管理，将校园的知识数据存储在本地服务器当中，通过严格的权限访问控制，防止数据外泄。

今年三月，南开大学还与火山引擎联合举办了《南开大学“火山杯”AI 应用创新大赛》，旨在鼓励师生通过 AI 探索多元场景下的技术创新应用，激发师生的创作热情和实践动手能力。未来，火山引擎还将继续与南开大学以及各高校携手，让 AI 走进校园，共筑教育智能化新范式。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】