为什么现在的职场人需要关注 AI Agent?

现在的职场环境里,单纯会提问已经不够用了。大家都在用 ChatGPT 写周报、做摘要,但如果你只是把 AI 当成一个“高级搜索引擎”,很快就会遇到瓶颈:指令复杂一点它就卡壳,或者它只会给出零散的信息,无法直接落地成可用的工具。这就是 AI Agent(智能体)要解决的问题。

这门课的核心价值,在于帮你跨越从“使用 AI”到“构建 AI”的门槛。它不讲虚无缥缈的理论,而是先让你搞清楚 Agent 到底要解决什么工作场景,再手把手教你如何构建一个能自动执行任务的智能应用。对于想利用 AI 提升效率的上班族来说,学会 Agent 的逻辑,意味着你不仅能用工具,还能定制工具,解决那些通用 AI 无法处理的具体业务问题。

学完这门课,你能独立做什么?

课程采用“原理+实战”的模式,学完之后你不需要写代码,但能具备搭建智能应用的能力。具体来说,你将掌握以下三个维度的实战技能:

  • 理解 Agent 的底层逻辑: 能够清晰地拆解一个 Agent 任务需要具备哪些基本能力(如记忆、规划、工具调用),理解它和大语言模型(LLM)之间的配合关系。这能让你在面对复杂的 AI 项目时,不会迷失在技术细节里,而是知道该从哪里入手。
  • 构建多智能体协作系统: 现在的 AI 应用越来越复杂,往往需要多个 Agent 协同工作。通过课程对多智能体定义的分析,你将学会如何设计不同角色的 Agent,让它们像团队一样分工合作,去完成一个单一的 AI 无法独立完成的复杂任务。
  • 落地真实业务场景: 课程会通过经典任务分析,带你走完从需求分析到系统搭建的全流程。学完你不仅能看懂别人的 Agent 项目,还能结合自己的工作痛点,尝试搭建出能自动处理报表、自动检索资料或自动生成方案的智能应用雏形。

这门课适合什么样的基础?资料怎么用?

这门课不需要你有深厚的编程背景,也不要求你是算法工程师。它更适合两类人:

  • 想系统掌握 AI 应用开发的职场人: 你可能已经接触过 ChatGPT 或其他 AI 工具,但缺乏系统性的认知。通过这门课,你可以补齐 Agent 技术这块短板,把碎片化的经验转化为可复用的技能。
  • 需要快速落地项目的小团队/转行者: 课程强调实战驱动,如果你是正在做项目落地,或者准备转行进入 AI 应用开发领域,这套资料能帮你快速理解行业内的标准做法和核心考点。

在使用这套资料时,建议按照“先听原理,再拆解任务,最后复盘总结”的顺序进行。重点在于理解每个实战环节背后的逻辑,而不是死记硬背。特别是关于 GPTS 任务流程和经典任务分析的部分,建议反复推敲,这对于后续自己动手搭建应用至关重要。

课程目录

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