枫影（王鸿华）：AI-LLM在MSS中的技术对接与应用

【课程背景】

AI Agent技术正在渗透到企业中的各个领域，借由目前成熟的大模型和Agent部署和基于企业本地数据的 rag技术，可以赋能企业各个岗位，诞生数字员工应用，提升人员的办公效率。

本课程分享AI大模型技术如何与企业本地数据进行对接，通过AI agent技术实现数字员工，尤其是在MSS 领域。

【课程收获】

1.了解AI agent技术的核心指导思想 2.了解其中的关键基础

3.掌握配置

4.学会使用和调优

【课程对象】

MSS领域成员

【课程时长】

1天

【课程大纲】

part1 AI agent 的指导思想和技术原理

1.1 定义与概念

1.1.1 什么是AI Agent

1.1.2 AI Agent与RPA的区别

1.1.3 AI Agent的发展历程

1.2 指导思想

1.2.1 智能决策与自主学习

1.2.2 人机协作与交互体验

1.2.3 数据驱动与知识发现

1.3 AI Agent的原理

1.3.1 AI agent

• 国内外 agent 工具介绍
• 文心智能体、智谱清言智能体、coze
• 本地化部署：ollama和LM studio

1.3.2 工作流RPA+LLM+RAG本地化知识库搭建 。

• 工作流
• 节点与参数
• LLM调用
• RAG

1.3.3 部署

• API部署
• 链接
• 云化移动端部署：公众号、企微、小程序、钉钉等 。
• 本地化端侧部署

1.3.4 数字员工的诞生

part2 AI agent应用(数字员工)的开发与部署

2.1开发

2.1.1 开发平台：文心智能体、coze、通义智能体、实在智能体、Ollama

2.1.2 开发方法：零代码开发、低代码开发和AI开发

2.1.3 部署方式：API、云化移动端部署、本地化部署

2.2.关键技术

2.2.1 AI agent开发

• 注册
• 选择开发方法
• prompt的基础设置

2.2.2 IPA 工作流

• 定义工作流
• 工作流的设计
• 流程设计器
• agent中的工作流

2.2.3 AI大模型与插件

• 插件与插件市场
• 大模型调用
• 主流大模型的区别
• 多个开发平台以对接的大模型

2.2.4 本地知识库RAG

• 知识库的构建
• 知识库的优化
• 知识库的召回

2.2.5 调优promot

• prompt的基本使用
• prompt的优化技巧

Part3 AI agent 在MSS中的应用开发部署流程

3.1 确定业务场景

3.1.问答系统

3.1.2 MSS在网络空间安全中的应用高强度防守对抗

3.1.3 KPI视角下的服务过程展示MSS的核心服务内容

3.1.4 安全事件的监控和响应