第一周：筑基算力与模型认知 (Day 1-7)
核心目标：搭建无后顾之忧的开发环境，建立大模型底层认知。
1
环境安装与配置 Day 1-2
-
一次性搞定 LLaMA Factory 的环境依赖
-
解决 Python 版本冲突与包管理问题
-
完成服务器或本地算力环境的初始化
-
确保后续训练/微调不报错
2
大模型基础理论 Day 3-4
-
精读 "大模型基础及定制" 章节
-
重点攻克微调参数详解（Batch Size、Learning Rate 设置）
-
理解"企业微调经验汇总"中的实战逻辑
3
工具熟练度 Day 5-7
-
实战演练 LLaMA Factory 基础平台搭建
-
学习 Dify 基本操作
-
为后续快速搭建智能体做准备
第二周：快速造舰，从0到1做产品 (Day 8-14)
核心目标：掌握多框架开发，完成三个高价值项目的原型搭建。
1
技术栈攻坚 Day 8-10
-
必修：Python核心基础 + LangChain开发库 入门
-
选学：Coze平台 应用，快速上手低代码智能体搭建
2
三大项目实战 Day 11-14
-
项目一（FastGPT）：搭建专业的RAG资料库，打造【AI行政助理】
-
项目二（Chatflow）：构建【美宝春服】智能客服，应用于真实工作场景
-
项目三（LangBot）：部署【百事通机器人】平台，实现即时通信接入
3
拓展学习
-
观看拓展录播 "Core智能体开发实战"
-
构思基于Core的面试助手等创意应用
第三周：业务耦合，构建轻量级系统 (Day 15-21)
核心目标：将AI能力嵌入具体业务流，解决实际业务问题。
1
前置知识补充
-
重点掌握 SpringAI + DeepSeek 的集成原理（必学）
-
理解Java体系架构与微服务体系
-
调研汽车行业现有AI应用案例
2
实战项目
-
汽车销售智能问答系统：基于所学开发面向4S店场景的智能顾问
-
车型推荐系统：搭建车辆推荐逻辑，深化RAG在汽车行业的应用
3
深度集成
-
深入学习 SpringAI 框架
-
将大模型应用正式集成到Spring生态下
-
完成企业正式版 1.1.x 的版本适配
第四周：深度重构与项目收尾 (Day 22-30)
核心目标：完成高耦合度业务系统的设计与实现，复盘成果。
1
重度业务系统开发 Day 22-26
-
以 "汽车AI顾问" 或 "智能购车助手" 为目标
-
完整设计一个系统的需求分析、架构设计与数据库表结构
-
实现核心功能代码编写，完成与汽车业务数据库的深度耦合
2
全链路复盘与优化 Day 27-30
-
回顾四周的项目代码与文档
-
针对 "汽车AI结合" 等商业构想，梳理出最小可行方案（MVP）的技术路径
-
整理所有汽车AI项目的Demo、源码与使用文档，形成可复用的知识资产