迪哥全套智能Agent与大模型实战|PART1

这门课围绕智能 Agent 与大模型落地展开，第一部分的重心不在原理推导，而在把 Agent 的架构讲清楚，再带着你把它跑成一个能对话、能查资料、能调工具的客服型应用。如果你之前看过一些大模型科普，却始终不知道一个 Agent 从需求到上线中间要经过哪些环节，这份资料的价值就在这里。

它解决的是哪类工作场景

日常工作中最容易被卡住的，往往不是模型调用本身，而是三件事：怎么让模型按固定角色和流程回答、怎么让它去查外部知识而不是凭空编、怎么把多个动作串起来完成一次完整任务。课程里 Agent 架构解读、RAG 检索架构分析、Action 动作实例这几块，对应的正是这三个问题。它不承诺让你变成算法工程师，但能让你在面对「做一个内部知识问答」「做一个能自动查单的客服」这类需求时，知道该从哪一层下手，而不是只会写一句提示词。

适合什么基础，先看哪几块

有 Python 基础、能看懂接口调用和基本的数据结构，学起来会比较顺；完全没写过代码的话，前面架构部分能听懂，但到动手环节会吃力。建议的顺序是：先看 Agent 架构解读与应用分析，建立整体框架；再进入 RAG 检索架构分析与应用，理解知识库是怎么被检索并喂给模型的；然后看 Action 动作实例和专属客服的搭建过程，把前两块串成一条链路。斯坦福 AI 小镇那部分偏架构思路和项目解读，可以放在后面当拓展，用来理解多智能体协作是怎么设计的，不必一上来就啃。多专家系统和相关模型部署的内容，属于进阶参考，等主线跑通再回头看更合适。

学完能独立做什么，资料怎么配合练

按主线走完，你应该能独立搭出一个带知识库的问答型 Agent，能配置它的角色与回复边界，能接入检索让回答有依据，也能把查询、回复等动作编排成一次完整交互。练习时不要只看视频，每看完一块就自己复现一遍最小版本：先用少量文档跑通检索，再替换成自己的业务语料，最后再考虑加动作和多人协作。资料里的示例更适合当参照，重点是你自己动手改参数、换数据、看结果差异。判断要不要学，可以问自己一句：手上是否真有一个想让模型自动处理的流程。如果有，这门课能给你一条可执行的路径；如果只是想泛泛了解，先把架构那部分看完再决定也不迟。