深度之眼-大语言模型智能体（LLM Agents）5期

这门课到底在讲什么

市面上讲大模型的课大致分两拨：一拨停留在"提示词技巧"层面，教你怎么把问题问得更好；另一拨直接切入底层，讲 Transformer 结构、注意力机制、微调。深度之眼这期 LLM Agents 属于后者偏应用的一侧，主线是把大语言模型从"会聊天"推到"能自己完成一件事"——也就是智能体（Agent）这条路径。

它要解决的核心工作场景很明确：当你需要一个模型不只是回答，而是能拆解任务、调用工具、读取外部信息、根据中间结果调整下一步动作时，普通对话式用法就不够用了。课程围绕这个缺口展开，涉及大模型的基本原理，也涉及把它组织成智能体所需要的环节。需要说明的是，资料里同时包含 CV 和 NLP 两个方向的深度学习内容，所以它不是一门纯 Agent 技巧课，底层仍然铺了深度学习的通用基础。

学完之后你能独立做什么

按课程的组织方式，走完一遍比较现实的目标是这几件事：能看懂一篇大模型或智能体方向的论文，知道它在解决什么问题、方法大致成立在哪；能自己搭出一个具备基本工具调用能力的智能体流程，而不是只会改提示词；能判断一个任务该不该用 Agent、用哪种结构更省事。

这里要克制一点——它不承诺你学完就能做出商用产品，也不承诺达到某个岗位的招聘要求。真正能拿到手的是一种"能上手试"的状态：遇到新框架不慌，知道去查哪一部分，能把想法落成一个能跑的最小原型。如果你的期待是"学完直接接私活变现"，这门课大概率会让你失望。

资料适合什么基础的人

几个前提条件建议先自查：会写 Python，这是硬门槛，不会的话前面几节会非常吃力；对神经网络有基本概念，知道什么是训练、损失、梯度，不要求你推导；用过至少一个大模型 API，哪怕只是调过接口做个问答。

• 适合：在读研究生想把方向往大模型靠、转行者已经有一定编程和算法底子、工程岗想补齐理论侧认知。
• 不太适合：完全零编程基础、只想学"怎么用 AI 提效"的纯应用人群、指望几周速成的人。

课程里带了一部分科研方法论的内容，讲选题、文献综述这类事情。这部分对写论文的人有用，对纯工程向的学习者可以快进，不必当成必修。

怎么用这套资料效率更高

建议不要按顺序从头啃到尾。先扫一遍智能体相关的部分，建立整体框架，知道一个 Agent 由哪些模块拼起来；再回头补深度学习原理，这时候你会带着"这块是为了解决什么问题"的疑问去看，吸收率明显不同。科研方法论那几节，等你要动笔写东西时再回看即可。

动手环节别跳。看懂和跑通之间差得很远，遇到跑不通的地方恰恰是最有价值的部分。每学完一个模块，试着用它改一个自己手头的小任务，哪怕只是把一次手动查询变成自动调用。

买之前想清楚的一件事

这类课的价值不在资料本身，而在于它帮你省掉了"该先学什么、哪些可以跳过"的试错成本。如果你已经能自己规划学习路线，市面上免费的论文和文档足够用；如果你正卡在"东西太多不知道从哪下手"，这期课的结构化程度值得考虑。它不是捷径，是一张相对清晰的地图。