人工精选【51CTO】爆火AI Agent智能应用从0到1(应用解读+项目实战)
如果你已经在用大模型写代码、查资料,却发现它总是"聊得挺好、干活不行",这门课切入的正是这个落差。它不讲大模型本身怎么训练,而是讲怎么把模型包装成一个能自己拆任务、调工具、多轮迭代的 Agent,并且用一个完整项目把流程跑通。对想搞清楚"Agent 到底比普通调用强在哪"的人来说,这是一份偏工程视角
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
如果你已经在用大模型写代码、查资料,却发现它总是"聊得挺好、干活不行",这门课切入的正是这个落差。它不讲大模型本身怎么训练,而是讲怎么把模型包装成一个能自己拆任务、调工具、多轮迭代的 Agent,并且用一个完整项目把流程跑通。对想搞清楚"Agent 到底比普通调用强在哪"的人来说,这是一份偏工程视角的解读。
它解决的是哪类工作场景
日常最典型的困境是:单次提问能拿到答案,但任务一长就散架。比如让模型处理一份需要多步判断的请求,它往往第一步就开始编,中间状态记不住,工具调用格式也容易出错。这门课先花几节把问题讲透——Agent 要解决的到底是什么、它需要具备哪些基本能力、它和大模型之间是什么关系。这几节是理解后面所有内容的地基,建议不要跳。搞清楚"为什么需要 Agent"之后,再看多智能体的定义,你会更容易判断什么场景该用单个 Agent、什么场景才值得拆成多个角色协作,而不是一上来就堆架构。
适合什么基础,先看哪几块
这门课不要求你有算法背景,但需要你能读懂一段普通的接口调用代码,知道什么是请求、返回和参数。如果你完全没写过代码,前几节的概念能看懂,但到项目实战部分会卡在环境配置和调试上。建议的学习顺序是:先把 Agent 要解决的问题、基本能力、与大模型的关系这三块连起来看一遍,建立整体认知;然后重点看任务流程分析那部分,它是把抽象概念落到具体步骤的关键;最后再进项目实战,边看边自己复现一遍。多智能体那节可以放在项目跑通之后再回头细看,否则容易在还没理解单 Agent 的情况下被概念绕住。
学完能独立做什么,资料怎么配合练
走完一遍,你应该能独立搭起一个具备任务拆解和工具调用能力的 Agent 原型,能判断一个需求适不适合用 Agent 做,也能读懂别人的 Agent 项目结构。注意这是"能上手做原型"的程度,不是能直接扛生产系统——稳定性、成本控制、异常处理这些,课程覆盖有限,需要你在自己的场景里补。练习上,建议不要只看视频:每看完一个任务流程,就用自己的数据复现一次,重点观察模型在哪一步开始偏离预期,那个点往往就是你真正需要调的地方。资料里的讲解和实战是配套的,先理解再动手,比直接抄代码有效得多。如果你只是想了解 Agent 是什么,看前半部分即可;想真正做出来,项目部分必须自己跑一遍。
课程目录
课程目录65 集
- 51_3-效果分析与总结.mp4
- [42.9 MB] 32_5-评估工具RAGAS.mp4
- [40.8 MB] 1_1-Agent要解决的问题分析.mp4
- [36.5 MB] 35_2-要解决的问题和整体框架分析.mp4
- [50.1 MB] 63_2-RAG实践策略.mp4
- [17.2 MB] 39_6-计划模块实现细节.mp4
- [45.5 MB] 13_1-DEMO演示与整体架构分析.mp4
- [89.5 MB] 29_2-RAG整体流程解读.mp4
- [17.7 MB] 40_7-整体流程框架图.mp4
- [32.3 MB] 46_3-数据文档切分操作.mp4
- [44.6 MB] 25_3-检索得到重要的URL.mp4
- [38.4 MB] 7_7-GPTS分析一波.mp4
- [47.4 MB] 17_5-引入API方法解读.mp4
- [52.7 MB] 56_5-LORA模型实现细节.mp4
- [40.6 MB] 16_4-接入外部API的方法与流程.mp4
- [59.0 MB] 50_2-MOE模块实现方法解读.mp4
- [30.2 MB] 4_4-多智能体定义分析.mp4
- [45.3 MB] 34_1-整体故事解读.mp4
- [38.2 MB] 38_5-感知与反思模块构建流程.mp4
- [39.4 MB] 19_1-论文概述分析.mp4
- [41.6 MB] 33_6-外接本地数据库工具.mp4
- [17.0 MB] 14_2-后端GPT项目部署启动.mp4
- [72.7 MB] 3_3-与大模型的关系分析.mp4
- [49.8 MB] 64_3-微调要解决的问题.mp4
- [14.0 MB] 8_8-经典任务分析.mp4
- [40.2 MB] 20_2-整体框架逻辑介绍.mp4
- [59.0 MB] 12_4-完成指令与脚本并生成.mp4
- [57.2 MB] 28_1-RAG要完成的任务解读.mp4
- [15.4 MB] 15_3-前端助手API与流程图配置.mp4
- [80.8 MB] 61_5-效果演示与总结分析.mp4
- [33.1 MB] 57_1-提示工程的作用.mp4
- [37.3 MB] 11_3-API相关配置完成.mp4
- [37.4 MB] 31_4-召回改进方案解读.mp4
- [24.6 MB] 55_4-LORA微调的核心思想.mp4
- [21.9 MB] 60_4-训练流程演示.mp4
- [52.7 MB] 21_3-项目环境配置.mp4
- [67.1 MB] 24_2-问题拆解与执行流程.mp4
- [85.1 MB] 54_3-LLAMA与LORA介绍.mp4
- [29.3 MB] 36_3-论文基本框架分析.mp4
- [70.7 MB] 22_0-基本Agent的组成.mp4
- [56.4 MB] 43_10-项目环境配置方法解读.mp4
- [44.6 MB] 37_4-Agent的记忆信息.mp4
- [41.0 MB] 48_5-数据切块方法.mp4
- [49.5 MB] 2_2-Agent需要具备的基本能力.mp4
- [35.6 MB] 30_3-召回优化策略分析.mp4
- [18.1 MB] 10_2-调用API的控制方式.mp4
- [31.0 MB] 44_1-langchain框架解读.mp4
- [22.5 MB] 42_9-思考模块解读.mp4
- [27.7 MB] 52_1-大模型如何做下游任务.mp4
- [30.0 MB] 18_6-指令提示构建.mp4
- [29.3 MB] 27_5-总结与结果输出.mp4
- [25.3 MB] 49_1-MOE概述分析.mp4
- [21.1 MB] 9_1-GPTS任务流程概述分析.mp4
- [58.0 MB] 59_3-源码调用DEBUG解读.mp4
- [41.0 MB] 26_4-子问题生成总结结果.mp4
- [52.0 MB] 62_1-RAG与微调可以解决与无法解决的问题.mp4
- [21.1 MB] 47_4-样本索引与向量构建.mp4
- [41.6 MB] 45_2-基本API调用方法.mp4
- [44.7 MB] 53_2-LLM落地微调分析.mp4
- [35.1 MB] 41_8-感知模块解读.mp4
- [30.0 MB] 5_5-框架的作用和能解决的问题.mp4
- [68.2 MB] 58_2-项目数据解读.mp4
- [43.7 MB] 23_1-Agent要完成的任务和业务逻辑定义.mp4
- [59.1 MB] 6_6-整体总结分析.mp4
- [31.7 MB] 适合人群 AI爱好者 开发者 技术经理 学习收获 掌握AI Agent开发流程 提升AI应用开发能力 实现AI Agent项目实战 祝您学习愉快! 学有所成,前程似锦!





