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:20260611T190000
DTEND;TZID=America/Los_Angeles:20260611T200000
DTSTAMP:20260703T104615
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:20260703T104615
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:20260703T104615
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:20260703T104615
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
END:VCALENDAR