BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//AI聘 - ECPv5.10.0//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:AI聘
X-ORIGINAL-URL:https://aipin.io
X-WR-CALDESC:Events for AI聘
BEGIN:VTIMEZONE
TZID:America/Los_Angeles
BEGIN:DAYLIGHT
TZOFFSETFROM:-0800
TZOFFSETTO:-0700
TZNAME:PDT
DTSTART:20260308T100000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:-0700
TZOFFSETTO:-0800
TZNAME:PST
DTSTART:20261101T090000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260522T190000
DTEND;TZID=America/Los_Angeles:20260522T200000
DTSTAMP:20260625T023620
CREATED:20260519T071859Z
LAST-MODIFIED:20260519T071859Z
UID:13109-1779476400-1779480000@aipin.io
SUMMARY:大语言智能主体的设计模式
DESCRIPTION:过去两年，大语言模型彻底改变了AI的能力边界。现在AI正从会聊天的大模型，快速进化成真正能够“思考、规划、执行任务”的智能主体。 \n未来的软件不再只是 App。未来的系统将是由一个个AI Agent所组成的智能协作网络。从OpenAI Agent、AutoGPT、LangGraph，到Multi-Agent System、AI Copilot、AI Workflow Automation\,全球科技产业正在进入一个新的时代，AI不只是回答问题，而是开始替人完成工作。 \n问题来了：\n· 一个真正的AI Agent 到底是什么？\n· 为什么传统的软件架构已经无法满足AI Agent？\n· 一个Agent 如何拥有“记忆”、“工具调用”、“长期规划”与“自主决策”能力？\n· Multi-Agent为什么会成为未来企业AI系统的核心架构？\n· AI Agent如何改变金融、网络安全、电商、教育、机器人与企业自动化？\n· 为什么越来越多AI工程师开始学习LangGraph、MCP、Agent Workflow 与 Context Engineering？ \n本讲座将系统性带你进入AI Agent核心世界。 \n你将学到: \n一、什么是真正的AI Agent？ \n· LLM与Agent的根本区别\n· 从Chatbot 到 Autonomous Agent \nAgent的四大核心能力： \n· Reasoning（推理）\n· Planning（规划）\n· Memory（记忆）\n· Action（执行） \n二、主流AI Agent架构设计模式 \n深入解析当前最重要的Agent Architecture：\n· ReAct Pattern\n· Tool Calling Pattern\n· Planner-Executor Pattern\n· Reflection Pattern\n· Multi-Agent Collaboration\n· Hierarchical Agent\n· Human-in-the-loop Pattern\n· Workflow Agent vs Autonomous Agent \n你将理解，为什么不同场景，需要不同Agent Design Pattern。 \n三、Agent 的“记忆系统”如何设计？ \n· Short-term Memory\n· Long-term Memory\n· Vector Database Memory\n· Context Window 管理\n· RAG 与 Agent 的结合\n· Context Engineering \n为什么“上下文管理能力”会成为未来AI工程师最重要技能之一。 \n四、Multi-Agent System的未来 \n· 多智能主体协作架构\n· AI Team 的概念\n· AI Manager + Worker Agent\n· Agent Swarm\n· 企业级 Agent Orchestration \n你将看到，未来的软件公司，可能会由大量AI Agent共同运营。 \n五、企业级AI Agent的真实应用 \n包括： \n· AI 金融交易系统\n· AI 网络安全 Agent\n· AI Coding Agent\n· AI Research Assistant\n· AI Customer Service\n· AI Data Analyst\n· AI Workflow Automation \n以及为什么未来很多白领工作，会逐渐被AI Agent自动化。 \n六、2026 年AI Agent技术趋势 \n· OpenAI Agent\n· MCP（Model Context Protocol）\n· LangGraph\n· Agent Harness\n· AI Operating System\n· AI Native Application\n· 企业级 Agent 平台 \n帮助你理解未来 3~5 年AI行业真正的机会在哪里。 \n适合哪些人参加？\n本讲座特别适合：\n· 想进入AI / LLM行业的人\n· 软件工程师\n· AI 工程师\n· 数据科学家\n· 创业者\n· 产品经理\n· 企业技术主管\n·对AI Agent感兴趣的学生与研究人员 \n即使不是AI专家，也可以通过本次讲座建立完整的AI Agent世界观。 \n————————————- \n主办方：数据应用学院 \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home
URL:https://aipin.io/event/%e5%a4%a7%e8%af%ad%e8%a8%80%e6%99%ba%e8%83%bd%e4%b8%bb%e4%bd%93%e7%9a%84%e8%ae%be%e8%ae%a1%e6%a8%a1%e5%bc%8f/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/大语言智能主体的设计模式.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2017784984600/WN_ho7eMWOTREimIaqOJzZbWg
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260529T190000
DTEND;TZID=America/Los_Angeles:20260529T200000
DTSTAMP:20260625T023620
CREATED:20260527T100535Z
LAST-MODIFIED:20260527T100535Z
UID:13117-1780081200-1780084800@aipin.io
SUMMARY:如何在2026年拿下高薪AI工作？
DESCRIPTION:过去几年，AI已经从“热门技术”变成了真正改变世界的核心生产力。 从 ChatGPT到AI Agent，从自动化软件开发到企业级AI系统，大量公司正在重新定义自己的商业模式。与此同时\,一个现实正在发生：\n· 传统软件岗位竞争越来越激烈\n· 初级程序员正在被AI工具替代部分工作\n· 企业真正缺少的，不是“会用 AI 的人”，而是“能够构建AI系统的人”\n· 年薪$200K – $300K 的 AI 岗位正在快速增长 \n问题是：为什么很多人学了AI，却仍然找不到高薪工作？因为企业真正需要的，并不是只会“调用 ChatGPT API”的人。2026 年，最有价值的AI人才，需要同时具备：\n· AI系统设计能力\n· LLM（大语言模型）应用开发能力\n· AI Agent 架构能力\n· RAG与企业知识库能力\n· Prompt Engineering能力\n· AI安全与AI产品思维\n· 真正能够落地商业项目的经验\n这也是为什么，很多公司愿意给AI Engineer、LLM Engineer、AI Security Engineer、AI Product Architect提供极高薪资。\n本次讲座将带你了解：\n1. 2026 年最热门、最高薪的AI岗位\n你将了解：\n· LLM Engineer\n· AI Application Engineer\n· AI Agent Developer\n· AI Security Engineer\n· AI Product Architect\n· AI Infrastructure Engineer\n· AI Automation Consultant\n· 这些岗位到底在做什么？\n· 企业真正需要哪些技能？\n· 哪些方向最容易进入？ \n2. 企业到底在招聘什么样的AI人才？ \n很多人以为：“会 Python 就可以做AI。”现实并不是这样。 \n我们将深入分析：\n· 为什么企业越来越重视AI系统设计\n· 为什么RAG、Agent、Workflow Automation正在成为核心能力\n· 为什么Prompt Engineering已经不够\n· 为什么AI + Business Knowledge的复合型人才最值钱 \n3. AI 求职市场的真实变化\n· 为什么传统初级软件工程岗位正在减少\n· 为什么AI正在改变技术招聘市场\n· 为什么越来越多企业希望“一个AI工程师完成过去多个岗位的工作”\n· AI如何改变未来的工作模式 \n还会讨论：“未来什么样的人最不容易被AI替代？” \n4. 如何规划自己的AI学习路线\n本次讲座将给出：从零开始到AI工程师的完整路线图 \n包括：\n· Python\n· Machine Learning 基础\n· Transformer 与 LLM\n· Prompt Engineering\n· RAG\n· AI Agent\n· MCP / Multi-Agent Systems\n· Hugging Face\n· LangChain / LangGraph\n· Open-source LLM\n· 企业级AI Application Design \n以及：\n· 哪些技能真正能帮助你找到工作\n· 哪些内容只是“看起来很热门” \n5. 如何打造真正有竞争力的AI简历 \n很多AI学习者的问题：\n· 没有项目经验\n· 不知道如何写 AI Resume\n· 不知道如何展示自己的能力\n· 不知道企业真正想看什么 \n本次Workshop会讲解：\n· AI Resume如何写\n· GitHub项目如何包装\n· 如何做自己的AI Portfolio\n· 如何准备AI技术面试\n· 如何准备LLM System Design Interview \n谁适合参加？ \n· 软件工程师\n· 数据科学家\n· Business Analyst\n· 大学生/研究生\n· 想转行AI的职场人士\n· 想进入高科技行业的人\n· 想提高薪资竞争力的人\n· 对LLM/AI Agent感兴趣的人\n即使目前不是AI工程师也可以参加。 \n你将获得：\n✅ 2026 AI Job Market最新趋势\n✅ 高薪AI岗位技能地图\n✅ AI学习路线图\n✅ AI求职准备建议\n✅ 企业真实招聘需求分析\n✅ AI Resume 与 Portfolio建议\n✅ AI面试准备方向\n✅ AI创业与未来趋势分析 \n————————————- \n主办方：数据应用学院 \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home
URL:https://aipin.io/event/2026-ai/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/如何找到高薪AI工作.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/5017784987717/WN_H3zsc8vNQ1qogxZFs65BYA
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260611T190000
DTEND;TZID=America/Los_Angeles:20260611T200000
DTSTAMP:20260625T023620
CREATED:20260610T140519Z
LAST-MODIFIED:20260610T140519Z
UID:13128-1781204400-1781208000@aipin.io
SUMMARY:100天掌握大语言模型第十四周：LLM Agent Demo
DESCRIPTION:  \n“在过去十二周中，我们逐步构建了越来越强大的大语言模型：我们训练模型、微调模型，通过RAG赋予模型知识，并利用提示工程提升其推理能力。而第14周，则是大语言模型从‘等待提问’走向‘主动行动’的重要转折点。” \n从“回答问题”到“执行任务”的范式转变 \n到目前为止，我们所构建的所有大语言模型应用都具有一个共同特征：模型等待人类提出问题，生成答案，然后停止运行。接下来由人类阅读答案，并决定下一步该采取什么行动。 \n换句话说，模型本身并不具备自主性（Agency）——它无法主动采取行动、使用工具，也无法跨多个步骤持续完成目标。 \n而LLM Agent（大语言模型智能体）则彻底改变了这一模式。 \nAgent本质上是一种能够做到以下几点的大语言模型系统，其影响是深远的。 \n\n使用工具（如网页搜索、数据库查询、代码执行、API调用、邮件发送等）\n为实现目标制定行动计划\n根据每一步执行结果动态调整计划\n在无需人工持续干预的情况下循环执行任务直至完成\n传统RAG系统只能回答有关文档的问题；而Agent不仅能够阅读文档，还能够识别基于文档内容需要执行的操作，完成这些操作，验证执行结果，并向用户汇报结果——甚至能够自主处理执行过程中出现的异常情况。\n\n这种差异并非渐进式改进，而是本质性的变革。 \n· 约45%：根据 McKinsey 2024 年研究，知识工作者的大约45%的工作任务具备部分或完全实现Agent自动化的潜力。 \n· ReAct：当前最主流的Agent推理范式：Reason（推理）+ Act（行动） \n在每一步执行过程中交替进行。 \n· 10+：一个生产级LLM Agent通常能够访问十余种工具类型： \n\n搜索引擎\n代码执行环境\n数据库\nAPI服务\n文件系统\n日历系统\n邮件系统\n等等\n\n思维模式需要发生转变：不要再将大语言模型视为“问答机器”，而应将其理解为能够连接任意API、数据库和工具的推理引擎，并能够自主完成多步骤目标任务。 \n【45分钟内你将学到什么】 \n第14周课程将系统介绍完整的LLM Agent技术栈，从核心推理循环到生产级多智能体系统架构。 \n课程内容包含以下专题模块： \n一、什么是LLM Agent？ \n1.Agent循环：观察（Observe）、思考（Think）、行动（Act）、观察（Observe）、重复执行（Repeat） \n为什么这种循环机制与单次LLM调用存在本质区别。 \n2.工具调用（Tool Use / Function Calling）： \nLLM如何决定调用哪个工具、如何构造工具参数、如何解析并利用工具返回结果ReAct（Reasoning + Acting） \n当前Agent领域最主流的推理框架。 \n3.模型在同一个上下文中交替执行： \nThought： \n推理过程 \nAction： \n工具调用 \n这种设计使得模型推理过程更加透明、可解释，并便于调试。 \n4.工具类型 \n生产环境中Agent常见工具包括： \nWeb搜索 \n代码执行（Python Sandbox） \n数据库查询 \nREST API调用 \n文件读写（File I/O） \n日历系统 \n邮件系统 \n向量数据库检索（将RAG作为工具使用） \n5.记忆（Memory） \nAgent的记忆机制主要包括：上下文记忆（In-context Memory） 会话历史记录。外部记忆（External Memory） 向量数据库存储。情景记忆（Episodic Memory） 对历史行动进行结构化总结与存储。 \n二、多智能体系统（Multi-agent Systems） \n智能体之间如何协作、委派任务与相互验证为什么单个Agent难以完成复杂任务？ \n主要原因包括： \n\n上下文窗口限制（Context Window Limit）\n错误传播（Error Propagation）\n缺乏专业化分工（Lack of Specialization）\n缺少结果验证机制（No Verification）\n多智能体协作模式Supervisor 模式 一个主管Agent负责：\n分解任务\n分配任务\n管理多个专业Agent\nPeer-to-Peer 模式 多个Agent处于平等地位，通过相互通信完成协作。\n\nHierarchical 模式 分层组织结构： \n\n上层Agent负责管理\n下层Agent负责执行\n具备任务升级（Escalation）机制\nAutoGen（Microsoft） 当前领先的多智能体框架之一。\n核心能力包括：\nHuman-in-the-loop（人类参与监督）\n自动化Agent对话\n沙盒环境中的代码执行\nAgent角色与人格设定（Persona & Role）\nCrewAI 基于角色分工的Agent协作框架。\n\n支持： \n\n结构化任务分配\n工具共享\n串行任务执行\n并行任务执行\nAgent系统安全性：拥有工具调用能力的Agent，是当前风险最高的大语言模型部署模式之一。\n\n重点风险包括： \nPrompt Injection \n过度权限问题 \n关键安全原则： \n最小能力原则（Minimal Capability Principle） \nHuman-in-the-loop检查机制 \n对所有Agent行为进行审计记录（Audit Trail） \n【谁应该参加本次公开课】 \n\n机器学习工程师（ML Engineers）：已经构建过RAG系统（第12周课程）的学员，希望进一步升级为能够执行任务而不仅仅回答问题的Agent工作流。\n后端工程师（Backend Engineers）：正在集成LLM API，希望掌握可靠、安全的Agent架构设计方法，包括工具隔离和审计机制设计。\n数据科学家（Data Scientists）:希望利用Agent编排技术实现复杂分析流程自动化，包括：\n数据获取 \n数据处理 \n数据分析 \n自动报告生成\nAI产品经理（AI Product Managers） 需要理解Agent功能的能力边界与潜在风险，从而更好地进行需求规划并与工程团队协作。\nAI研究人员（AI Researchers）:正在构建自主智能系统，希望系统掌握当前主流Agent架构、框架及安全设计方法。\n系列课程所有学员：Agent技术是整个课程体系的重要内容\n\n  \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/llm-agent-demo/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/06/100天掌握大语言模型-14.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260618T190000
DTEND;TZID=America/Los_Angeles:20260618T200000
DTSTAMP:20260625T023620
CREATED:20260615T100603Z
LAST-MODIFIED:20260615T100603Z
UID:13133-1781809200-1781812800@aipin.io
SUMMARY:100天掌握大语言模型第十五周：LLM Deployment
DESCRIPTION:100 Days of LLM Mastery，从零基础到工程实战，系统掌握大语言模型的完整知识体系。 \n你是否有过这样的困惑？ \n大语言模型（LLM）席卷全球，ChatGPT、Claude、Gemini 改变了人机交互的方式。你看到身边越来越多的人在用 AI 解决实际问题，甚至开始构建自己的 AI 产品——而你，还在观望。 \n你也许读过不少碎片化的教程，却始终找不到一条清晰的成长路径。你知道Transformer，却说不清它的工作原理；你会调用 API，却不明白模型背后发生了什么；你想构建一个 RAG 系统，却不知从何下手。 \n那么这个系列讲座，就是为你而生。 \n课程简介 \n「100天掌握大语言模型」是一套系统化的中英双语讲座课程，历时 100 天，从机器学习基础到 LLM 工程实战，帮助你建立完整的大模型知识体系，并最终独立完成一个可展示的工程级 AI 项目。 \n课程不依赖任何单一框架，而是聚焦底层原理与工程思维，让你真正理解模型，而不只是会调用 API。 \n课程路线图： \n五大阶段 · 循序渐进 · 知行合一 \n第一阶段：基础篇 Day 1–20 机器学习回顾 · NLP 基础 · Transformer 原理\n从线性回归到神经网络，从 Word2Vec 到 BERT，用 20 天夯实你的理论地基。亲手在小规模数据上训练一个 Transformer，真正读懂《Attention Is All You Need》这篇改变 AI 世界的论文。 \n第二阶段：核心技术篇 Day 21–50 预训练 · 微调 · 评估 · 安全\n深入 LoRA、QLoRA 等参数高效微调方法，掌握 RLHF 对齐技术，理解幻觉、偏见、越狱等安全问题。动手微调 BERT，完成真实情感分析任务。 \n第三阶段：应用与系统篇 Day 51–80 Prompt 工程 · RAG · 智能体 · 部署\n构建 RAG 聊天机器人，搭建 LangChain Agent，掌握 llama.cpp 本地推理与云端部署。从原型到生产，打通 LLM 应用的全链路。 \n第四阶段：高级主题 Day 81–90 MoE · 模型蒸馏 · 多模态 · Constitutional AI\n探索混合专家模型、多模态大模型（文本+图像）以及更前沿的 AI 对齐方法，跟上行业最新进展。 \n第五阶段：毕业项目 Day 91–100 选题 · 实现 · 展示\n从客服聊天机器人、求职助手、加密资产分析到 AI 教学辅导系统，选择一个方向，完成可运行 Demo + 技术博客 + GitHub 仓库，作为你 AI 工程能力的最佳证明。 \n适合谁来学？ \n✅ 有一定 Python 基础，希望系统入门大模型的工程师或学生\n✅ 已经会用 LLM API，想深入理解原理和工程细节的开发者\n✅ 对 AI 充满热情，想在 100 天内完成一次技术跨越的学习者\n✅ 希望在简历上增加一个真实 AI 项目的求职者 \n完成课程后，你将收获： \n· 完整的 LLM 知识体系，从理论到工程缺一不可\n· 扎实的动手能力：微调模型、构建 RAG、部署应用\n· 一份展示在 GitHub 上的工程级毕业项目\n· 读懂最新 AI 论文的能力，跟上行业前沿 \n100天，从今天开始！大语言模型时代，最好的入场时机永远是现在。 \n  \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/llm-deployment/
CATEGORIES:直播讲座
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260618T190000
DTEND;TZID=America/Los_Angeles:20260618T200000
DTSTAMP:20260625T023620
CREATED:20260623T120307Z
LAST-MODIFIED:20260623T120307Z
UID:13143-1781809200-1781812800@aipin.io
SUMMARY:100天掌握大语言模型第十六周：LLM发布优化：让大模型快36倍、便宜50倍的秘密
DESCRIPTION:100名学习大语言模型的工程师，99个没有机会真正部署和优化LLM。但这个是区别低级工程师和高级全站工程的知识。所以你一定要来学习一下。 \n你是否遇到过这些问题，部署了一个大语言模型之后，GPU费用高得惊人，用户一多就开始排队，响应速度越来越慢，70B模型根本放不进显卡，A100每天都在烧钱。很多企业以为，提升性能 = 买更多GPU。实际上，世界顶级AI公司采用的是另一条路线，不换模型，不换硬件，仅通过优化技术，就能让系统性能提升36倍以上。在本次讲座中，我们将深入揭秘OpenAI、Anthropic、Meta、DeepSeek、Perplexity、Cursor 等公司是如何优化大模型推理系统的。 \n  \n为什么必须学习 LLM Optimization \n一个未经优化的70B模型，只能服务1个用户，吞吐量约100 Tokens/s，成本高达数美元每百万Token。而经过优化后： \n✅ 支持 28+ 并发用户 \n✅ 吞吐量超过 3600 Tokens/s \n✅ 成本下降到原来的几十分之一 \n✅ 同样硬件获得数十倍收益 \n这就是AI时代最被低估却最赚钱的工程能力。很多公司已经发现，未来AI工程师不仅要会Prompt、RAG和Agent，更要懂推理优化（Inference Optimization），GPU资源利用率优化，LLM Serving架构设计，大规模部署与成本控制。这些能力正在成为高薪LLM Engineer的核心竞争力。 \n本次讲座你将学到什么？ \n第一部分：Batching —— GPU性能释放的秘密 \n为什么很多GPU利用率只有30%？什么是： \n\nStatic Batching\nDynamic Batching\nContinuous Batching\n\n为什么vLLM能够比传统HuggingFace快24倍？ \n我们将深入讲解： \n\nvLLM调度器原理\nContinuous Batching架构\nGPU利用率从20%提升到95%的方法\n\n第二部分：Caching —— 延迟优化的核心技术 \n为什么有些系统响应需要2秒，而有些系统只需要几十毫秒？ \n你将学习： \nKV Cache \nTransformer推理中的核心优化技术 \n理解： \n\nAttention计算复杂度\nO(N²) 到O(N)\nKV Cache内存计算\n\nPagedAttention，vLLM最重要的创新之一 \n理解： \n\nGPU内存碎片问题\n虚拟内存思想\n为什么同样GPU可以支持10倍并发\n\nPrefix Cache & Semantic Cache \n如何： \n\n将TTFT降低18倍\n让FAQ机器人减少70%的LLM调用\n大幅降低推理成本\n\n第三部分：Quantization —— 显存与成本优化神器 \n为什么70B模型需要140GB显存。 而经过量化后只需要35GB？ \n你将深入理解INT8，INT4，GPTQ，AWQ，GGUF，以及Ollama模型量化原理，llama.cpp量化模型， vLLM部署AWQ模型， 实际质量损失评估。你将知道为什么INT4的70B模型，往往比FP16的13B模型表现更好。 \n  \n企业级部署案例 \n讲座最后，我们将演示： \n一个完整生产环境中的部署方案： \n\nvLLM\nContinuous Batching\nPrefix Cache\nAWQ Quantization\nFP8 KV Cache\n\n实现36倍吞吐量提升18倍响应速度提升，4倍显存节省，50倍以上成本优化 \n  \n适合哪些人参加？ \n✅ AI工程师 \n✅ LLM Engineer \n✅ Agent开发者 \n✅ RAG系统开发者 \n✅ 后端工程师 \n✅ MLOps工程师 \n✅ DevOps工程师 \n✅ AI创业者 \n✅ 希望进入AI行业的开发者 \n  \n讲座亮点 \n✔ 全程企业级案例 \n✔ vLLM实战讲解 \n✔ Ollama部署优化 \n✔ GPU成本分析 \n✔ 最新推理优化技术 \n✔ 大厂生产环境经验分享 \n✔ AI面试高频知识点总结 \n  \n  \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/llm-16/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/06/100天掌握大语言模型-16-1.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260626T190000
DTEND;TZID=America/Los_Angeles:20260626T200000
DTSTAMP:20260625T023620
CREATED:20260623T121003Z
LAST-MODIFIED:20260623T121003Z
UID:13146-1782500400-1782504000@aipin.io
SUMMARY:如何养龙虾OpenClaw：从AI玩家到AI主人
DESCRIPTION:当别人还在使用 AI，你已经开始“养龙虾”了吗？2026年，AI 领域正在发生一场巨大的变革。过去两年，人们热衷于讨论 ChatGPT、Claude、DeepSeek、Gemini 等大语言模型；而今天，真正改变生产力的，已经不再是模型本身，而是建立在模型之上的智能体（Agent）系统。 \n如果说ChatGPT是一只聪明的宠物，那么 OpenClaw 就是一只能够自己觅食、自己学习、自己完成任务的“AI 龙虾”。它不仅能写代码、查资料、分析数据，还能调用工具、访问网站、执行任务、规划流程，甚至像一名真正的软件工程师一样工作。 \n本次讲座，我们将带你走进当前最热门的开源 AI Agent 项目之一 —— OpenClaw。 \n什么是 OpenClaw？ \nOpenClaw 是近年来最受关注的开源 Agent 框架之一。 \n它融合了： \n· 大语言模型（LLM）\n· Agent 架构\n· 工具调用（Tool Use）\n· Browser Agent\n· Computer Use\n· 多步骤推理（Reasoning）\n· 自主任务执行（Autonomous Execution） \n很多开发者将其称为“开源版的 AI 软件工程师” \n通过 OpenClaw，你可以让 AI： \n· 自动编写代码\n· 自动调试程序\n· 自动搜索互联网\n· 自动完成复杂任务\n· 自动调用 API\n· 自动管理工作流程 \n甚至能够像一个真正的数字员工一样工作。 \n为什么叫“养龙虾”？因为 Agent 与传统软件最大的区别是，你不是在使用它，而是在“培养它”。就像养一只龙虾，你需要给它：\n· 大脑（LLM）\n· 记忆（Memory）\n· 工具（Tools）\n· 环境（Environment）\n· 任务（Goals） \n然后它会不断成长，一个训练良好的 Agent，能够为你： \n· 写代码\n· 找工作\n· 做研究\n· 运营社群\n· 生成内容\n· 管理业务流程 \n最终成为你的 AI 助理、AI 员工甚至 AI 合伙人。 \n本次讲座你将学到什么？ \n第一部分：Agent 时代已经来临 \n· ChatGPT 的局限是什么？\n· 为什么 Agent 将成为下一代 AI 产品？\n· OpenAI Operator、Claude Computer Use、OpenClaw 有什么区别？ \n第二部分：OpenClaw 架构揭秘 \n深入解析：\n· Planning Agent\n· Reasoning Agent\n· Tool Agent\n· Memory Agent\n· Multi-Agent 协作 \n理解一个 AI Agent 是如何思考和工作的。 \n第三部分：如何搭建自己的 OpenClaw \n现场演示： \n· 环境安装\n· 模型配置\n· Tool 配置\n· MCP 接入\n· Browser Agent\n· Code Agent \n从零搭建属于自己的 AI Agent。 \n第四部分：OpenClaw 实战案例 \n真实案例展示：\n· AI 软件工程师\n· 自动开发项目\n· AI 研究员\n· 自动阅读论文\n· AI 数据分析师\n· 自动分析数据\n· AI 求职顾问\n· 自动匹配职位\n· AI 创业助手\n· 自动完成商业分析 \n第五部分：Agent 的未来 \n未来三年：\n· 哪些工作会被 Agent 取代？\n· 哪些岗位薪资将快速增长？\n· 如何成为 Agent Engineer？\n· 如何抓住 AI 创业机会？ \n谁应该参加？ \n· 软件工程师： 学习下一代开发模式\n· 数据科学家： 掌握 AI Agent 技术栈\n· 产品经理： 理解未来 AI 产品形态\n· 创业者： 寻找 AI 创业机会\n· 学生与转行人士：进入 AI Agent 高薪赛道\n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/openclaw-ai/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/06/如何养龙虾-OpenClaw？.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/6117811725772/WN_9UaxfggVROe4JMNRVQhmjA
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260703T190000
DTEND;TZID=America/Los_Angeles:20260703T200000
DTSTAMP:20260625T023620
CREATED:20260623T121153Z
LAST-MODIFIED:20260623T121532Z
UID:13149-1783105200-1783108800@aipin.io
SUMMARY:用Agent炒股炒币，让AI帮你赚钱
DESCRIPTION:朋友你还在自己盯盘吗，每天早上醒来： \n· 美股发生了什么？\n· 比特币为什么暴涨暴跌？\n· 哪些新闻会影响市场？\n· 哪些板块值得关注？ \n传统投资者需要花费大量时间分析数据、阅读新闻、研究市场。而今天，AI Agent正在改变这一切。它们能24小时监控全球市场，自动阅读财经新闻，自动分析社交媒体情绪，自动寻找交易机会，自动执行买卖策略，甚至能够像专业交易员一样进行推理和决策。 \n欢迎参加本次科技讲座，带你了解AI Agent如何成为下一代数字交易员。 \n为什么AI Agent会颠覆交易行业？ \n过去十年程序化交易（Quant Trading）主导华尔街。未来十年Agent Trading将成为新的主流。 \n传统量化交易依赖： \n· 固定规则\n· 技术指标\n· 数学模型 \n而 Agent 拥有： \n· 推理能力\n· 学习能力\n· 规划能力\n· 工具调用能力\n· 多智能体协作能力 \n它不仅能看数据，还能“理解市场”，这正是大语言模型带来的革命。 \n谁应该参加我们的讲座： \n· 软件工程师：学习 Agent 开发技术\n· 数据科学家：进入 AI 金融领域\n· 量化交易员：掌握下一代交易工具\n· 加密货币投资者：了解 AI 在数字资产中的应用\n· AI 学习者：掌握最热门的 Agent 技术\n· 创业者：寻找 AI + Finance 创业机会 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-062026 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/agent-ai/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/06/用Agent炒股炒币，让AI帮你赚钱-scaled.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2617822096917/WN_fwor4TI-S3uUSJ8RXKciVA
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260710T190000
DTEND;TZID=America/Los_Angeles:20260710T200000
DTSTAMP:20260625T023620
CREATED:20260623T121444Z
LAST-MODIFIED:20260623T121444Z
UID:13152-1783710000-1783713600@aipin.io
SUMMARY:一小时学会使用Cursor
DESCRIPTION:当很多人还在讨论ChatGPT的时候，AI行业已经进入了下一个阶段，AI Coding（AI 编程）时代。近期科技圈最轰动的消息之一，就是马斯克旗下公司以高达600亿美元的估值收购了Cursor背后的公司Anysphere。很多人第一反应，Cursor不就是一个写代码的软件吗，为什么值这么多钱？ \n事实上，马斯克看中的根本不是一个编辑器，而是未来的软件开发平台。未来的软件开发模式可能是，需求 → AI Agent → 代码生成 → 自动测试 → 自动部署，而 Cursor 正是这个新时代最重要的入口之一。 \n今天，无论你是： \n· 软件工程师\n· 数据科学家\n· AI 工程师\n· 产品经理\n· 创业者\n· AI 爱好者 \n都应该掌握Cursor这个工具，因为它正在改变程序员工作的方式。甚至有人预测，不会使用AI Coding工具的程序员，将来会像不会使用Google的程序员一样缺乏竞争力。 \n为什么 Cursor 如此火爆？ \nCursor 是目前全球增长最快的 AI 编程工具之一。它将 GPT、Claude、Gemini 等先进大模型直接集成到开发环境中，让开发者可以通过自然语言完成： \n✅ 代码生成\n✅ Bug 修复\n✅ 自动重构\n✅ 文档生成\n✅ 单元测试编写\n✅ 项目理解\n✅ Agent 自动开发 \n过去需要几个小时完成的工作，现在可能几分钟就能完成。 \n适合哪些人参加？ \n· 软件工程师：快速掌握 AI Coding，提高开发效率。\n· 数据科学家：利用 Cursor 构建 AI 应用与 Agent 系统。\n· AI/LLM 工程师：学习最先进的 Agent 开发工具链。\n· 产品经理：快速验证产品创意和原型。\n· 创业者：降低技术门槛，加速产品落地。\n· 学生与转行人士：提前掌握未来 AI 工程师的核心工具。 \n讲座结束后你将获得 \n✔ Cursor 安装与配置指南\n✔ 常用 Prompt 模板\n✔ AI Coding 最佳实践\n✔ Agent 开发资源清单\n✔ AI 工程师学习路线图 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-062026 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/cursor/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/06/一小时学会使用Cursor-1.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2017822108460/WN_pU92v88GSTOngYo2734riw
END:VEVENT
END:VCALENDAR