飞豹客 · 课能看,资料也能带走
飞豹客AI 会员免费

51CTO - 爆火AI Agent智能应用从0到1(应用解读+项目实战)

这门课在解决什么问题 很多人对 AI Agent 的印象停留在演示视频里:能自动查资料、调工具、跑流程。但真到自己动手,问题就来了——Agent 和大模型到底是什么关系?它需要哪些基本能力才算跑通?多智能体是不是噱头?框架在其中承担什么角色?这门课就是冲着这些具体困惑去的,它不急着让你敲代码,而是先

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
109 人关注 更新于 2026-05-28 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

会员可免费下载本篇月会员可免费领取。

开通会员 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90

会员 · 按档位

永久免费可领
年免费可领
月免费可领

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

正版保障 极速发货 售后无忧

这门课在解决什么问题

很多人对 AI Agent 的印象停留在演示视频里:能自动查资料、调工具、跑流程。但真到自己动手,问题就来了——Agent 和大模型到底是什么关系?它需要哪些基本能力才算跑通?多智能体是不是噱头?框架在其中承担什么角色?这门课就是冲着这些具体困惑去的,它不急着让你敲代码,而是先把 Agent 要解决的问题、能力边界和与大模型的分工讲清楚,再进入任务拆解和项目实战。

换句话说,它处理的不是「怎么调用一个 API」这种单点问题,而是「一个能自己完成多步任务的智能应用,内部到底怎么组织」。如果你之前只写过简单的提示词调用,或者用过现成的对话工具,但对任务规划、工具调用、多智能体协作这些概念只有模糊印象,这门课能帮你把认知补齐。

适合什么基础,先看哪几块

它更适合已经会一门编程语言、能看懂基本接口调用的人。完全零编程基础的话,实战部分会比较吃力,建议先补上 Python 和 HTTP 请求的基本操作再来。如果你已经做过 RAG 或简单的 LLM 应用,前半部分的概念讲解可以快速过,重点放在多智能体和任务分析上。

建议的观看顺序是先看 Agent 要解决的问题和它需要具备的基本能力这两块,建立整体框架;接着看它与大模型的关系、多智能体的定义,理解边界和协作方式;最后再进入框架作用和经典任务分析。这样安排的好处是,你不会一上来就陷进某个工具的细节里,而是先知道每一步在整条链路中的位置。

学完能独立做什么,资料怎么配合练

学完之后,你应该能独立判断一个需求适不适合用 Agent 来做,能拆出一个多步任务的执行流程,能说清楚哪些环节交给大模型、哪些交给框架和工具,并且能跟着实战部分搭出一个可运行的智能应用原型。这不是让你变成调参专家,而是让你具备从需求到落地的完整判断力。

练习上,建议每看完一个概念模块,就用自己的话把「这个能力解决什么场景」写下来,再对照实战项目去验证。不要只跟着视频敲一遍,试着换一个自己的小任务重新拆解,比如把「自动整理会议纪要并生成待办」拆成几步,看看哪些步骤需要 Agent 决策、哪些可以固定流程。资料里的项目部分建议反复跑两遍,第一遍跟着走通,第二遍关掉视频自己复现,卡住的地方才是真正需要补的知识点。

课程目录

课程目录65 集
  • 53_2-LLM落地微调分析.mp4
  • [35.1 MB] 50_2-MOE模块实现方法解读.mp4
  • [30.2 MB] 1_1-Agent要解决的问题分析.mp4
  • [36.5 MB] 64_3-微调要解决的问题.mp4
  • [14.0 MB] 55_4-LORA微调的核心思想.mp4
  • [21.9 MB] 12_4-完成指令与脚本并生成.mp4
  • [57.2 MB] 36_3-论文基本框架分析.mp4
  • [70.7 MB] 61_5-效果演示与总结分析.mp4
  • [33.1 MB] 28_1-RAG要完成的任务解读.mp4
  • [15.4 MB] 58_2-项目数据解读.mp4
  • [43.7 MB] 34_1-整体故事解读.mp4
  • [38.2 MB] 4_4-多智能体定义分析.mp4
  • [45.3 MB] 63_2-RAG实践策略.mp4
  • [17.2 MB] 29_2-RAG整体流程解读.mp4
  • [17.7 MB] 18_6-指令提示构建.mp4
  • [29.3 MB] 35_2-要解决的问题和整体框架分析.mp4
  • [50.1 MB] 57_1-提示工程的作用.mp4
  • [37.3 MB] 59_3-源码调用DEBUG解读.mp4
  • [41.0 MB] 6_6-整体总结分析.mp4
  • [31.7 MB] 19_1-论文概述分析.mp4
  • [41.6 MB] 13_1-DEMO演示与整体架构分析.mp4
  • [89.5 MB] 27_5-总结与结果输出.mp4
  • [25.3 MB] 31_4-召回改进方案解读.mp4
  • [24.6 MB] 32_5-评估工具RAGAS.mp4
  • [40.8 MB] 33_6-外接本地数据库工具.mp4
  • [17.0 MB] 48_5-数据切块方法.mp4
  • [49.5 MB] 47_4-样本索引与向量构建.mp4
  • [41.6 MB] 5_5-框架的作用和能解决的问题.mp4
  • [68.2 MB] 54_3-LLAMA与LORA介绍.mp4
  • [29.3 MB] 40_7-整体流程框架图.mp4
  • [32.3 MB] 49_1-MOE概述分析.mp4
  • [21.1 MB] 39_6-计划模块实现细节.mp4
  • [45.5 MB] 3_3-与大模型的关系分析.mp4
  • [49.8 MB] 46_3-数据文档切分操作.mp4
  • [44.6 MB] 20_2-整体框架逻辑介绍.mp4
  • [59.0 MB] 15_3-前端助手API与流程图配置.mp4
  • [80.8 MB] 30_3-召回优化策略分析.mp4
  • [18.1 MB] 21_3-项目环境配置.mp4
  • [67.1 MB] 14_2-后端GPT项目部署启动.mp4
  • [72.7 MB] 60_4-训练流程演示.mp4
  • [52.7 MB] 26_4-子问题生成总结结果.mp4
  • [52.0 MB] 45_2-基本API调用方法.mp4
  • [44.7 MB] 23_1-Agent要完成的任务和业务逻辑定义.mp4
  • [59.1 MB] 2_2-Agent需要具备的基本能力.mp4
  • [35.6 MB] 37_4-Agent的记忆信息.mp4
  • [41.0 MB] 43_10-项目环境配置方法解读.mp4
  • [44.6 MB] 24_2-问题拆解与执行流程.mp4
  • [85.1 MB] 11_3-API相关配置完成.mp4
  • [37.4 MB] 41_8-感知模块解读.mp4
  • [30.0 MB] 25_3-检索得到重要的URL.mp4
  • [38.4 MB] 52_1-大模型如何做下游任务.mp4
  • [30.0 MB] 38_5-感知与反思模块构建流程.mp4
  • [39.4 MB] 62_1-RAG与微调可以解决与无法解决的问题.mp4
  • [21.1 MB] 16_4-接入外部API的方法与流程.mp4
  • [59.0 MB] 42_9-思考模块解读.mp4
  • [27.7 MB] 56_5-LORA模型实现细节.mp4
  • [40.6 MB] 17_5-引入API方法解读.mp4
  • [52.7 MB] 8_8-经典任务分析.mp4
  • [40.2 MB] 22_0-基本Agent的组成.mp4
  • [56.4 MB] 10_2-调用API的控制方式.mp4
  • [31.0 MB] 9_1-GPTS任务流程概述分析.mp4
  • [58.0 MB] 7_7-GPTS分析一波.mp4
  • [47.4 MB] 51_3-效果分析与总结.mp4
  • [42.9 MB] 44_1-langchain框架解读.mp4
  • [22.5 MB] 适合人群 AI爱好者 软件开发者 数据科学家 学习收获 掌握AI Agent技术 独立开发智能应用 提升项目实战能力 祝您学习愉快! 学有所成,前程似锦!