各企事业单位:

当前，大模型(LLM)为代表的人工智能技术正从“技术验证”迈向“产业落地”的关键转折点。然而，企业在应用通用大模型解决自身业务问题时，普遍面临“最后一公里”的落地难题。一方面领域知识匮乏与幻觉频发(Hallucination)，另一方面通用大模型缺乏特定行业的深度知识，在回答专业问题时极易产生事实性错误，导致决策风险。复杂逻辑推理与关联缺失(Reasoning Gap)，传统向量检索(Naive RAG)主要依赖语义相似度，难以处理涉及多实体关联、复杂逻辑的查询。与此同时，随着“数据要素X”行动计划的推进，《“数据要素X”三年行动计划(2024一2026年)》的实施，企业不再仅满足于数据的存储，更强调数据的“知识化”转化与复用，这恰恰是通用大模型的短板所在。破局的关键，在于推动RAG技术与知识工程的深度融合。这一组合正从“可选”走向“必选”，成为企业跨越认知智能落地鸿沟、实现知识资产化复用的核心引擎。

为积极响应科研及工程技术人员需求，落实人工智能战略部署，加快培育数字技术人才，中国人工智能培训网(http://www.chinaai.org.cn)、北京龙腾亚太教育咨询有限公司、北京龙腾智元信息技术有限公司特举办“检索增强(RAG)与知识工程研修班”暨工业和信息化部教育与考试中心《人工智能应用工程师》高级人才培养。

二、时间安排

2026年8月28日 — 2026年8月31日 天津（同时转线上直播）

（8月28日发放上课所需材料，8月29日-8月31日上课））

三、参会对象

各省市、自治区从事人工智能、大模型、具身智能、智能体、数据库、知识库、无人机、无人车、无人艇、智慧城市、智能装备等领域相关工作和研究的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及检索增强及知识工程感兴趣的广大爱好者

四、培训目标

1.了解知识工程概述。

3.掌握知识获取与数据管理方法。

5.掌握大模型中的检索增强技术。

2.掌握知识表示方法。

4.掌握大模型幻觉缓解方法。

6.掌握大模型智能体增强技术。

五、费用标准

A类、5180元/人(含培训费、场地费、资料费、午餐费、平台费、云服务器、发票)。

B类、另加3000元(B类证书费)。

注:费用含培训期间的午餐，交通及住宿费用自理，住宿可统一安排执行团队价格。

1.培训费由承办单位负责收取并提供培训发票，住宿费由酒店收取并开具发票。

2.5人以上享9折优惠。

3.B类证书费不享受优惠。

4.参加线上、线下培训学员均可享受视频录播回放权益，以及本人再次免费参加线下同主题课程学习

权益。

六、颁发证书

A类、参加相关培训并通过考核的学员，由北京龙腾亚太教育咨询有限公司颁发培训结业证书。

B类、参加相关培训并通过考核的学员，由工业和信息化部教育与考试中心颁发《人工智能应用工程

师》(高级)职业技能证书，可通过工业和信息化部教育与考试中心官方网站查询，并纳入工信部教育与

考试中心人才库，该证书可作为有关单位职称评定、专业技术人员能力评价、考核和任职的重要依据。

注:选报B类证书的学员报到时请提交电子版彩照(大于20KB，红蓝底皆可)、身份证复印件和学

历证明复印件各一份。

七、注意事项

1.指定报名邮箱：2044115758@qq.com。

2.报名成功后，会务组在报到前一周发具体报到通知及行车路线。

3.学员需自备电脑一台。

八、联系方式

联系人：张 杰

手 机：13401149170（微信同号）

电 话：010-81311930

报名邮箱：2044115758@qq.com

具体课程安排

第一天

9:00-12:00

一、知识工程概述

1. 知识工程发展历程

2. 知识类型与代表性知识库

3. 知识工程生命周期

4. 知识工程与大模型

二、知识表示方法

1. 知识表示经典理论

2. 知识表示：知识图谱

3. 知识表示：参数化表示

4. 知识表示：大模型知识探测

14:00-17:00

三、知识获取与数据管理

1. 基于大模型的实体知识抽取

2. 基于大模型的关系知识抽取

3. 基于大模型的事件知识抽取

4. 知识图谱构建实战

5. 知识图谱数据管理

6. 知识建模与融合

第二天

9:00-12:00

四、知识增强大模型（一）

1. 大模型知识存储机理分析

2. 大模型知识表达机理分析

3. 基于定位的知识编辑方法

4. 基于记忆的知识编辑方法

5. 基于元学习的知识编辑方法

6. 大模型幻觉问题概述

7. 大模型幻觉缓解方法

14:00-17:00

五、知识增强大模型（二）

1. 检索增强技术起源

2. 传统模型中的检索增强技术

3. 大模型中的检索增强技术

4. 检索增强知识冲突问题

5. 大模型智能体增强技术

6. 知识工程实践系统工程观

7. 大模型知识工程应用实战

第三天

9:00-12:00

实操解析与训练一：图谱构建

1. 本体构建

2. 信息抽取（实体、属性、关系）

3. 多源异构数据融合

高频问题：如何将海量的非结构化数据转变为结构化知识

实操解析与训练二：基于图谱数据的知识查询

1. 图数据库搭建

2. 图数据库常用操作

3. 智能检索

高频问题：如何利用图谱数据完成知识的精确查询

14:00-17:00

实操解析与训练三：基于图谱数据的大模型检索增强

1. 基于传统向量检索的知识增强

2. 基于实体链接与子图检索的知识增强

3. 基于社区摘要的全局推理

高频问题：如何利用图谱数据中包含的节点和节点间的连接信息实现大模型推理能力的增强

实操解析与训练四：问答系统与交互式Agent

1. 基于大模型的结构化数据问答

2. 知识驱动的推理Agent

高频问题：如何利用图谱和大模型搭建智能问答系统