大模型应用工程师

✅[适合人群]

📅1对1指导周期

🙋[AI人才助力]

📜[指导收费]

✅1、完整走通「提示 → RAG → 微调」的决策链，知道每一步的代价
✅2、判断什么时候不该微调——这是区分水平的地方
✅3、用 LoRA / QLoRA 做一次真正可用的领域微调
✅4、构造与清洗训练数据：标注规范、质量过滤、数据配比
✅5、做检索增强的工程优化：切分、嵌入、重排、混合检索
✅6、搭评测体系：自动评测 + 人工评测 + 盲测集
✅7、把模型服务化：推理部署、并发、显存与吞吐的基本账
✅8、控制成本：量化、批处理、缓存、分级模型
✅9、把模型接进业务系统并做灰度与回滚
✅10、项目生产部署：服务器原生部署、Docker 部署

1、Codex

2、Claude

3、HuggingFace

4、Transformers

1、把「什么时候微调」讲透：多数场景的正确答案是 RAG + 提示，技术咨询方案会给出判断依据

2、微调部分从数据构造讲到部署上线，不是只跑一个脚本

3、评测章节是重点：没有评测的模型优化都是碰运气

4、配套领域模型落地的成本账与验收口径