1月20-22日杭州，TsingtaoAI专家团队为高校教师量身定制的AI编程实训课程正式交付，直击当前AI教育“教不会、学不会”的行业痛点。
课程以“真用、速成、零门槛”为核心，将AI开发全流程拆解为四大实战模块：AI工具入门（通义千问生成可运行代码）、辅助编程（AI自动修复报错、数据统计）、Web开发（一键生成AI聊天页面）、智能体开发（零代码搭建文档问答+计算器智能体）。所有环节彻底隐藏技术原理，仅需“复制-粘贴-运行”三步操作，配套预置工具链（在线编辑器、通义灵码插件、Dify专属平台）实现开箱即用。2026年初，随着AI技术深度融入教育、金融、医疗等领域，高校亟需将AI从“概念科普”转向“实战落地”。该方案已在多所院校试点，教师反馈“3天内学生可独立开发实用AI应用”，真正解决“教学内容与产业需求脱节”的核心问题，为AI教育转型提供了可复制的高效路径。
实训方案
实训技术专家
代老师 AI技术专家 | 能源领域AI Agent专家
30岁博士，拥有3年AI技术经验，专注于大语言模型在能源领域的应用。主导AI大模型落地项目，精通提示词工程、RAG、Multi Agent调度等技术，成功将大语言模型与业务流程结合，实现生产级应用。具备扎实的数学优化基础和系统工程能力，擅长复杂系统建模与算法开发。
西安交通大学 | 博士 | 控制科学与工程（系统工程）
· 国家重点实验室，管晓宏院士团队，导师高峰教授
· 26岁获得工学博士学位
· 博士期间聚焦企业能源管理，发表ESI高被引论文1篇
西安交通大学 | 本科 | 钱学森实验班（自动化）
· 高考全省507名，专业前10%，本科直博
· 学习所有工科专业基础课程，适应高强度淘汰机制
图迹信息科技有限公司 | AI技术专家
· 担任数据分析部副部长，主导公司AI大模型落地应用，负责技术框架设计
· 设计能源领域AI Agent智能体，完成技术调研、框架设计、效果测试、优化、本地部署及上线演示全流程
· 应用AI 2.0技术栈：
✅ Prompt Engineering
✅ RAG）
✅ Multi Agent调度系统
✅ 工作流设计与优化
· 核心技术突破：解决大语言模型与细分业务流程精准匹配难题，项目满足生产落地要求
· 基于Agent成果，制定公司多Agent架构产品规划，推动复杂业务场景的AI化转型
宁波工程学院机器人学院 | 高校讲师
· 教授《工业互联网》《微机原理》等课程，具备技术培训能力
· 科研项目：人工智能—大语言模型研究、电动交通工具储能化V2G研究
· 指导学生获浙江省智能机器大赛、全国大学生节能减排比赛奖项
核心项目经历
图迹AI智能体项目 | 主要负责人
· 设计能源领域AI Agent智能体，实现细分业务自动化
· 关键技术细节：
· 构建RAG+Multi Agent调度框架，提升业务流程处理效率
· 通过提示词工程优化大语言模型输出准确性
· 设计多阶段工作流，解决能源业务场景的动态决策问题
· 成果：项目成功上线，支持公司能源大数据分析与调度业务落地
绿色制造企业能源与生产协调随机优化调度
· 国家自然基金项目，依托大型钢铁集团
· 创新性将员工电动汽车V2G接入企业电网，建立两阶段整数鲁棒优化模型
· 设计算法提升求解效率10倍，降低企业能源成本70万元/天
· 发表4篇论文
发表论文
1. Dai S, Gao F, Guan X, et al. Robust Energy Management for a Corporate Energy System With Shift-Working V2G [J]. IEEE Transactions on Automation Science and Engineering, 2020. （ESI高被引）
2. Dai S, Gao F, Liu K, et al. A Time-domain Decoupling Policy for Multi-stage Robust Scheduling in a Corporate Energy System with V2G [C]. IEEE CASE, 2019.
3. Dai S, Gao F, Guan X, et al. A Two-stage Robust Scheduling Model for Energy Intensive Corporation with Shift-work System and V2G Integrated Microgrid [C]. IEEE PES General Meeting, 2018.
4. Dai S, Gao F, Cheng X, et al. Basis Invariancy Sensitivity Analysis for Robust Linear Optimization [C]. CCC, 2018.
5. 代世豪, 高峰, 董皎皎, 等. 一种采购运输统一优化模型及多变量灵敏度分析 [C]. 中国控制会议, 2015.
李老师 TsingtaoAI AI大模型研发经理
TsingtaoAI大模型研发经理，是一位深耕后端架构并成功转型 AI 尖端领域的复合型专家。他拥有深厚的工程架构底座，擅长将复杂的 LLM 技术转化为具备高商业价值的 AI 应用。
在加入 TsingtaoAI 之前，李老师曾先后任职于亚信科技、美的集团及金蝶等知名领军企业 。这种从大型系统开发到大模型应用的跨界履历，赋予了他独特的“技术+产品”双向思维 。在后端开发阶段，他曾主导过复杂供应链系统的重构与大规模并发处理，通过 Redis+Lua 脚本解决分布式锁难题，利用 EasyExcel+线程池 优化百万级物料数据入库 。这些极具挑战性的工程实践，为他后续在处理大模型预训练数据清洗、向量数据库检索性能优化方面奠定了坚实的底层基础。
作为 TsingtaoAI 的核心技术带头人，李老师专注于 Generative AI技术的工程化落地：
模型精调与优化： 负责基于 Transformer 架构的大模型微调工作，精通 LoRA、P-Tuning 等轻量化参数微调策略，成功将垂域知识注入通用大模型，显著提升了模型在工业、供应链场景下的任务达成率。
RAG 架构专家： 结合其在美的及金蝶期间处理海量业务数据的经验 ，他主导设计了 TsingtaoAI 的企业级知识库 RAG系统，解决了大模型在实际应用中的“幻觉”问题，实现了业务数据与生成式 AI 的深度耦合。
工程化协同： 凭借敏锐的敏捷开发经验（DevOps/YApi/Git） ，他搭建了一套高效的 LLMOps（大模型运维）体系，缩短了从模型实验到 API 部署的周期，极大提升了 AI 产品的迭代效率。
关于TsingtaoAI
TsingtaoAI企业实训业务线专注于提供LLM、具身智能、AIGC、智算和数据科学领域的企业实训服务，通过深入业务场景的案例实战和项目式实训，帮助企业应对AI转型中的技术挑战。其实训内容涵盖AI大模型开发、Prompt工程、数据分析与模型优化等最新前沿技术，并结合实际应用场景，如智能制造、医药健康、金融科技和智能驾驶等。通过案例式学习和PBL项目训练，TsingtaoAI能够精准满足企业技术团队的学习需求，提升员工的业务能力和实战水平，实现AI技术的高效落地，为企业创新和生产力提升提供强有力的支持。
同时，TsingtaoAI公司并不是一家单纯的实训机构，我们同样是一家AI产品开发公司，公司核心团队主要也都是由技术和产品人才构成，公司团队大部分成员在大模型时代之前就在从事AI产品相关的工作。公司在过去一年里，为10余家客户开发了AI相关的产品，涵盖医疗、教育、智能制造、人力资源等领域。相信我们在AI产品开发和客户服务的过程所形成的认知和方法论，能对贵司的需求有更深更细的洞察和理解，也能提供更深入业务肌理的“AI能力获得”。
