课程简介
随着大模型技术的爆发，企业级AI应用普遍面临“交付难、成本黑洞、效果不可控”的三大痛点。据Gartner预测，到2027年，40%的智能体项目可能烂尾。造成这一困局的核心原因在于，传统的瀑布式或慢敏捷开发模式，已无法适应AI项目“需求涌现化”、“输出概率性”和“技术迭代快”的特征。传统的职能分工导致产品、研发与交付之间存在“职能墙”，在AI项目中难以形成合力。与此同时，Palantir等成功的AI公司通过设置对最终业务效果负责的新型人才—— FDE（Forward Deployed Engineer，特遣工程师），并设计相应的敏捷组织架构和流程，打破边界、成功破局。
本课程正是为了解决AI落地中的“剪刀差”现状，由具有大规模人工智能项目成功落地经验的实战派讲师亲自授课，通过讲解+实战培养具备全链路闭环能力的FDE，帮企业将大模型技术真正转化为可落地的业务价值。
目标收益
帮助团队设置和培养FDE（ForwardDeployed Engineer），并引入智能体系统敏捷开发方法论，重塑组织能力和开发流程，解决AI项目“落地难、交付慢、效果不可控”的痛点。具体目标如下：
1、思维范式重塑：帮助学员打破“产品-研发-交付”的传统职能墙，从关注“产出代码”转向关注“交付智能能力与业务价值” 。建立“Value-First”思维，学会利用现有资产快速构建MVP，并掌握管理AI输出不确定性的核心方法。
2、核心技能构建：构建FDE的“T型”技能树，掌握从RAG进阶工程、Agentic AI架构、多智能体协同到评估驱动开发（EDD）的全栈技术体系。使学员具备独立完成“业务意图转化为工程实现”的全链路闭环能力。
3、敏捷组织落地：掌握智能体敏捷小组的组建方法，学习如何与AI业务伙伴（AIBP）高效协同。熟悉智能体系统敏捷开发生命周期，通过周度迭代和Demo机制，解决反馈不及时、项目交付难的问题。
4、实战痛点解决：通过真实案例演练，让团队具备解决AI项目“落地难、效果不可控”的具体战术能力，确保项目能从PoC阶段顺利推向生产环境并实现持续自主运营。
培训对象
技术/管理/产品人员共同学习，推动AI落地、打造Palantir式FDE人才的最佳组合
课程大纲
| 掌握Palantir FDE必须具备的AI体系化知识（上） |
1.大语言模型的基本原理详解 2.LLM应用能力的进阶模型（“倒三角”模型） 3.提示词工程基础知识 4.主流提示词使用技巧 5.提示的万能使用公式详解 6.提示词模板的使用 7.提示词静态链的使用 8.提示词的横向扩展 9.提示词的纵向扩展 10.使用API访问大模型 11.ReAct的概念和落地 12.思维链和多思维链 13.RAG的基本原理与应用 14.多模态RAG的使用 15.plugin机制与使用方式 16.Function Call机制与使用方式 17.MCP机制与使用方式 18.Skill机制与使用方式 |
| 掌握Palantir FDE必须具备的AI体系化知识（下） |
1.Agent的雏形 2.Agent智能体的定义与特点 3.Agent与传统软件的关系 4.Agent与LLM的关系 5.Agent的能力图谱 6.Agent的错误累积特性 7.Agent开发的基本框架 8.业界主流Agent的设计思路与使用 9.Multi-Agent的雏形 10.业界主流Multi-Agent的设计思路 11.多Agent任务调度策略与选型 12.Agent设计模式与选择 13.Multi-Agent的基本逻辑和应用范围 14.Multi-Agent应用示例：MetaGPT 15.Multi-Agent应用示例：DevChat |
| 从中台技术视角理解Palantir FDE的核心模式 |
1.当我们在谈论“中台”的时候，我们到底在谈什么 2.中台技术的核心思想 3.中台技术发展的前世今生 4.常见的中台种类 5.业务中台 VS 数据中台 6.质量中台的兴起与发展 7.中台的精准定义 8.平台和中台的异同 9.从技术架构的演进看中台技术的发展 10.中台视角下的业务本体论 11.LLM和FDE的关系 |
| Palantir FDE的核心概念与最佳实践 |
1.概念重构：理解FDE的内涵 2.从Code-First到Value-First 3.从确定性到概率性：管理AI输出的不确定性 4.内涵关键词：Ownership（对最终业务效果负责）与Velocity（极速迭代） 5.FDE的四个核心角色 6.业务咨询师：识别业务痛点，并转化为AI可处理的问题。并向业务人员进行AI赋能。 7.架构操盘手：设计AI系统架构、RAG管道与Agent逻辑，快速编写胶水代码实现MVP。 8.AI驯化师：掌握Context Engineering、Few-shot Learning及微调等技术，持续优化AI能力。 9.监控运维官：监控算力成本、响应延迟(Latency)及回答质量等指标，负责系统升级。 |
| 解构Palantir范式：从数据到知识图谱 |
1.Palantir 的核心理念与 FDE 心智模型 2.核心命题：Palantir 不是工具集，而是一个用于构建“企业认知系统”的操作系统。 3.FDE 的角色演变：从“数据管道工”到“解决方案架构师”与“数字孪生构建师”。 4.与传统数据平台的范式对比： 从“数据集”中心到“业务对象”中心。 5.从“报表驱动”到“行动驱动”。 6.从“孤立的流水线”到“互联的知识网络”。 7.三大支柱理论：一切皆对象、本体驱动、动态协作。 |
| Foundry/AIP核心架构理论 |
1.分层架构深度解析 数据集成与计算层 2.本体层（核心） 3.应用与协作层 4.“代码仓库”的哲学意义 |
| 核心抽象：本体与对象模型 |
1.本体论——构建业务的数字语言 2.本体的定义与价值：为何它是解开数据孤岛、实现语义统一的唯一路径。 3.核心要素理论： 对象类型：对核心业务实体（如客户、设备、交易）的抽象定义，是分析的原子单位。 4.属性：对象的静态描述，其类型系统如何强制数据质量。 5.关联：对象间的一阶关系定义，是构建知识图谱的边。 6.函数：附着于对象类型的动态行为（计算、聚合、模型推断） 7.本体映射理论：如何将原始数据通过“映射”或“转换”提升为有业务意义的对象实例——从“行与列”到“实体与关系”的跃迁。 8.Contour 的理论角色：不仅仅是可视化，而是基于本体的交互式数据探索与发现环境。 9.Workspace/Quiver 应用理论：如何将静态仪表板演进为包含工作流、上下文、行动按钮的“操作化应用”。 10.模型集成理论：将机器学习模型作为“函数”无缝嵌入本体和决策流程，实现感知-决策-行动的自动化闭环。 |
|
掌握Palantir FDE必须具备的AI体系化知识（上） 1.大语言模型的基本原理详解 2.LLM应用能力的进阶模型（“倒三角”模型） 3.提示词工程基础知识 4.主流提示词使用技巧 5.提示的万能使用公式详解 6.提示词模板的使用 7.提示词静态链的使用 8.提示词的横向扩展 9.提示词的纵向扩展 10.使用API访问大模型 11.ReAct的概念和落地 12.思维链和多思维链 13.RAG的基本原理与应用 14.多模态RAG的使用 15.plugin机制与使用方式 16.Function Call机制与使用方式 17.MCP机制与使用方式 18.Skill机制与使用方式 |
|
掌握Palantir FDE必须具备的AI体系化知识（下） 1.Agent的雏形 2.Agent智能体的定义与特点 3.Agent与传统软件的关系 4.Agent与LLM的关系 5.Agent的能力图谱 6.Agent的错误累积特性 7.Agent开发的基本框架 8.业界主流Agent的设计思路与使用 9.Multi-Agent的雏形 10.业界主流Multi-Agent的设计思路 11.多Agent任务调度策略与选型 12.Agent设计模式与选择 13.Multi-Agent的基本逻辑和应用范围 14.Multi-Agent应用示例：MetaGPT 15.Multi-Agent应用示例：DevChat |
|
从中台技术视角理解Palantir FDE的核心模式 1.当我们在谈论“中台”的时候，我们到底在谈什么 2.中台技术的核心思想 3.中台技术发展的前世今生 4.常见的中台种类 5.业务中台 VS 数据中台 6.质量中台的兴起与发展 7.中台的精准定义 8.平台和中台的异同 9.从技术架构的演进看中台技术的发展 10.中台视角下的业务本体论 11.LLM和FDE的关系 |
|
Palantir FDE的核心概念与最佳实践 1.概念重构：理解FDE的内涵 2.从Code-First到Value-First 3.从确定性到概率性：管理AI输出的不确定性 4.内涵关键词：Ownership（对最终业务效果负责）与Velocity（极速迭代） 5.FDE的四个核心角色 6.业务咨询师：识别业务痛点，并转化为AI可处理的问题。并向业务人员进行AI赋能。 7.架构操盘手：设计AI系统架构、RAG管道与Agent逻辑，快速编写胶水代码实现MVP。 8.AI驯化师：掌握Context Engineering、Few-shot Learning及微调等技术，持续优化AI能力。 9.监控运维官：监控算力成本、响应延迟(Latency)及回答质量等指标，负责系统升级。 |
|
解构Palantir范式：从数据到知识图谱 1.Palantir 的核心理念与 FDE 心智模型 2.核心命题：Palantir 不是工具集，而是一个用于构建“企业认知系统”的操作系统。 3.FDE 的角色演变：从“数据管道工”到“解决方案架构师”与“数字孪生构建师”。 4.与传统数据平台的范式对比： 从“数据集”中心到“业务对象”中心。 5.从“报表驱动”到“行动驱动”。 6.从“孤立的流水线”到“互联的知识网络”。 7.三大支柱理论：一切皆对象、本体驱动、动态协作。 |
|
Foundry/AIP核心架构理论 1.分层架构深度解析 数据集成与计算层 2.本体层（核心） 3.应用与协作层 4.“代码仓库”的哲学意义 |
|
核心抽象：本体与对象模型 1.本体论——构建业务的数字语言 2.本体的定义与价值：为何它是解开数据孤岛、实现语义统一的唯一路径。 3.核心要素理论： 对象类型：对核心业务实体（如客户、设备、交易）的抽象定义，是分析的原子单位。 4.属性：对象的静态描述，其类型系统如何强制数据质量。 5.关联：对象间的一阶关系定义，是构建知识图谱的边。 6.函数：附着于对象类型的动态行为（计算、聚合、模型推断） 7.本体映射理论：如何将原始数据通过“映射”或“转换”提升为有业务意义的对象实例——从“行与列”到“实体与关系”的跃迁。 8.Contour 的理论角色：不仅仅是可视化，而是基于本体的交互式数据探索与发现环境。 9.Workspace/Quiver 应用理论：如何将静态仪表板演进为包含工作流、上下文、行动按钮的“操作化应用”。 10.模型集成理论：将机器学习模型作为“函数”无缝嵌入本体和决策流程，实现感知-决策-行动的自动化闭环。 |
近期公开课推荐
