人工精选迪哥2024Ai必会Agent应用解读项目实战
市面上讲 Agent 的内容,大多停在概念层面:什么是智能体、能做什么、未来会怎样。听完还是不知道从哪下手。这门课的不同之处在于,它把重心放在「拆开来看」和「动手搭一遍」上,适合已经能调用大模型接口、但还没真正做出过一个多步骤智能体的人。 它解决的是哪一类工作场景 如果你遇到的场景是「单次问答搞不定
会员可免费下载本篇月会员可免费领取。
开通会员 ›会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
市面上讲 Agent 的内容,大多停在概念层面:什么是智能体、能做什么、未来会怎样。听完还是不知道从哪下手。这门课的不同之处在于,它把重心放在「拆开来看」和「动手搭一遍」上,适合已经能调用大模型接口、但还没真正做出过一个多步骤智能体的人。
它解决的是哪一类工作场景
如果你遇到的场景是「单次问答搞不定」——比如需要先查资料、再判断、再调用工具、最后汇总输出,或者需要几个角色分工协作完成一个任务,那这门课讲的东西正好对得上。它讨论的是任务拆解、流程编排、角色之间怎么传递信息、外部工具和数据怎么接进来。这些不是调一次 API 就能覆盖的,需要你把整个链路想清楚。
课程里对 Agent 的组成、多角色结构、多模态输入输出都有专门梳理,也涉及框架层面的对比和架构分析。这些内容的价值在于帮你建立判断力:面对一个具体需求,知道该用单智能体还是多角色协作,哪些环节该交给模型、哪些该写死逻辑。
适合什么基础,先看哪几块
前提是你能读懂 Python,知道怎么发一次模型请求,对提示词有基本手感。完全没写过代码的话,直接进来会比较吃力,建议先把接口调用跑通再来。
如果时间有限,建议按这个顺序看:先看 Agent 组成与流程那部分,把基本概念和常见结构过一遍,这是后面所有内容的地基;再看框架相关的部分,理解不同方案在编排方式上的差别;最后进入项目实战,跟着把一条完整链路搭出来。论文解读和架构分析类的内容可以放到后面当补充,它们更多是帮你理解设计思路,不是上手必需。
学完能独立做什么,资料怎么配合练
比较现实的目标是:你能自己设计一个多步骤的智能体流程,把工具调用、数据流转、角色分工串起来,遇到问题知道从哪个环节排查。再进一步,能判断一个需求适不适合用 Agent 做,而不是什么都往上套。
练习上不要只看不写。每看完一段流程讲解,就用自己的场景复现一遍,哪怕只是把角色数量减到两个、工具换成一个。资料里的架构图和流程梳理适合当参考,对照着检查自己的设计有没有漏掉环节。项目部分建议至少完整跟做一遍,再脱离教程自己改一版,改动的地方才是真正学到的东西。
需要提醒的是,Agent 这块变化快,课程里的框架和写法可能过一阵就有新方案。把它当成建立底层认知的入口,比当成一份可以照抄的模板更合适。
课程目录
课程目录100 集
- rk0653-迪哥2024Ai必会Agent应用解读+项目实战 Agent系列 001.1-Agent要解决的问题分析.mp4
- 002.2-Agent需要具备的基本能力.mp4
- 003.3-与大模型的关系与多角色交互.mp4
- 004.4-框架的作用和能解决的问题.mp4
- 005.5-整体总结分析.mp4
- 006.6-GPTS分析一波.mp4
- 007.7-经典任务分析.mp4
- 008.1-COZE的基本使用解读与说明.mp4
- 009.2-工作流中大模型的使用方法.mp4
- 010.1-数据查找配置.mp4
- 011.2-读取新闻内容并整理报告.mp4
- 012.3-循环的配置与中间变量的作用.mp4
- 013.4-循环体注意事项更新.mp4
- 014.1-插件的基本配置方法.mp4
- 015.2-输入输出参数配置方法.mp4
- 016.3-再工作流中配置自己的插件并使用.mp4
- 017.1-发票助手插件接入.mp4
- 018.2-数据表创建方法.mp4
- 019.3-识别工作流配置与测试.mp4
- 020.4-调用模块工作流配置.mp4
- 021.1-构建自己的邮箱插件.mp4
- 022.2-插件应用与大模型流程配置.mp4
- 023.3-知识库构建方法与应用.mp4
- 024.1-DEMO演示与整体架构分析.mp4
- 025.2-后端GPT项目部署启动.mp4
- 026.3-前端助手API与流程图配置.mp4
- 027.4-接入外部API的方法与流程.mp4
- 028.5-引入API方法解读.mp4
- 029.6-指令提示构建.mp4
- 030.0-Python环境说明.mp4
- 031.1-AutoGenStudio框架安装与介绍.mp4
- 032.2-动作API配置方法.mp4
- 033.3-国内常用API配置方法.mp4
- 034.4-API接口在线测试.mp4
- 035.5-工作流配置.mp4
- 036.6-执行流程与结果.mp4
- 037.1-API生成方法.mp4
- 038.2-GroupChat模块.mp4
- 039.3-执行流程分析.mp4
- 040.4-外接本地支持库配置方法.mp4
- 041.5-加入RAG技能.mp4
- 042.6-LMStudio本地下载部署模型.mp4
- 043.7-调用本地模型方法与配置.mp4
- 044.8-AutogenStudio本地化部署流程.mp4
- 045.9-本地化部署接入应用实例.mp4
- 046.11-Ollama环境配置与安装.mp4
- 047.12-autogen接入本地模型.mp4
- 048.1-RAGFLOW介绍和特点.mp4
- 049.2-RAGFLOW接入本地模型.mp4
- 050.3-Chat与Embedding模型接入.mp4
- 051.4-知识库构建实例.mp4
- 052.5-封装成API调用.mp4
- 053.1-GPTS任务流程概述分析.mp4
- 054.2-调用API的控制方式.mp4
- 055.3-API相关配置完成.mp4
- 056.4-完成指令与脚本并生成.mp4
- 057.1-论文概述分析.mp4
- 058.2-整体框架逻辑介绍.mp4
- 059.3-项目环境配置.mp4
- 060.4-基础解读-动作定义方式.mp4
- 061.5-基础解读-角色定义.mp4
- 062.6-单动作智能体实现方法.mp4
- 063.7-多动作配置方法.mp4
- 064.8-定时器任务环境配置.mp4
- 065.9-定时器任务流程解读分析.mp4
- 066.0-基本Agent的组成.mp4
- 067.1-Agent要完成的任务和业务逻辑定义.mp4
- 068.2-问题拆解与执行流程.mp4
- 069.3-检索得到重要的URL.mp4
- 070.4-子问题生成总结结果.mp4
- 071.5-总结与结果输出.mp4
- 072.1-RAG要完成的任务解读.mp4
- 073.2-RAG整体流程解读.mp4
- 074.3-召回优化策略分析.mp4
- 075.4-召回改进方案解读.mp4
- 076.5-评估工具RAGAS.mp4
- 077.6-外接本地数据库工具.mp4
- 078.1-整体故事解读.mp4
- 079.2-要解决的问题和整体框架分析.mp4
- 080.3-论文基本框架分析.mp4
- 081.4-Agent的记忆信息.mp4
- 082.5-感知与反思模块构建流程.mp4
- 083.6-计划模块实现细节.mp4
- 084.7-整体流程框架图.mp4
- 085.8-感知模块解读.mp4
- 086.9-思考模块解读.mp4
- 087.10-项目环境配置方法解读.mp4
- 088.1-langchain框架解读.mp4
- 089.2-基本API调用方法.mp4
- 090.3-数据文档切分操作.mp4
- 091.4-样本索引与向量构建.mp4
- 092.5-数据切块方法.mp4
- 093.1-MOE概述分析.mp4
- 094.2-MOE模块实现方法解读.mp4
- 095.3-效果分析与总结.mp4
- 096.1-大模型如何做下游任务.mp4
- 097.2-LLM落地微调分析.mp4
- 098.3-LLAMA与LORA介绍.mp4
- 099.4-LORA微调的核心思想.mp4
- Agent论文解读与总结相关 Autogen与其他智能体框架 COZE智能体系列重要 大模型微调与知识库 Agent架构解读与应用分析 OPENAI-LLM模型优化总结 斯坦福AI小镇架构与项目解读 1-Agent趋势.png 2-Agent流程.png 3-Ageng包括组件.png 4-Agent组成.png 5-多模态.png 6-多角色组成.png 7-Agent游戏.png 8-多智能体.png 9-多智能体2.png Agent.png Agent思维导图.pdf
- 适合人群 AI开发者 数据科学家 技术爱好者 学习收获 掌握Agent应用开发流程 提升AI项目实战能力 构建智能助手应用 祝您学习愉快! 学有所成,前程似锦!





