拒绝概念炒作，聚焦 Agent 落地实战的避坑指南
市面上充斥着大量关于"AI 大模型”的泛泛而谈，往往只讲原理不教代码。本课程《打造专属的 LLM 智能体》直击当前职场最迫切的痛点：如何让大模型从“只会聊天”变成能真正干活的任务执行者。课程并未堆砌宏大的理论架构，而是从 Agent 要解决的具体任务切入，详细拆解了智能体与基础大模型的区别，以及多智能体协作在复杂场景下的定义与边界。对于担心学完无法落地的你，这里没有空洞的“行业前景”画饼，只有针对 GPTs 工具、经典任务拆解以及 LangChain 框架的实操分析，帮你厘清技术边界，明确什么能做成、什么必须自己造轮子。
零基础友好，通过“框架解读 + 实战微调”掌握核心能力
课程对学员基础要求不高，无需深厚的数学或底层代码背景，但建议先观看“整体总结”与"Agent 架构解读”部分，快速建立对智能体运行逻辑的认知。内容设计遵循“先理解后用”的原则：先通过视频掌握 Agent 与 LLM 的关系及多智能体定义，再进入 LangChain 框架学习，通过解读 API 调用、数据切分与向量构建，手把手教你搭建本地知识库。若需进阶，课程专门设置了"LLM 下游任务训练自己模型实战”板块，结合项目数据演示如何从提示工程到训练流程，甚至提供特定领域的微调模型源码。学完这套内容，你不仅能独立开发具备记忆与检索能力的智能体应用，还能根据业务需求对开源模型进行针对性微调，实现从“使用者”到“开发者”的能力跃迁。
资料配合策略：视频看逻辑，源码跑通再优化
课程配套的资料来源包并非为了收藏，而是为了验证与复现。建议在学习"LangChain 工具实例”章节时，直接对照视频中的“数据文档切分”与“向量构建”步骤，在本地环境运行提供的代码库，观察不同数据切块方法对检索效果的影响。若对模型微调感兴趣，可重点下载包含特定领域数据的压缩包，复现其中的训练流程演示，重点调试“源码调用 debug"环节，排查模型在实际任务中的幻觉问题。资料中的优化总结部分，专门梳理了 RAG 与微调各自适用的场景，请你在动手前先自我评估：当前业务是缺上下文记忆还是缺专业领域知识，以此决定是优先配置检索增强策略，还是动手进行模型微调，避免做无用功。
课程目录
1-Agent架构解读与应用分析 1-Agent要解决的问题分析.mp4 16.39M 2-Agent需要具备的基本能力.mp4 16.19M 3-与大模型的关系分析.mp4 14.12M 4-多智能体定义分析.mp4 13.26M 5-框架的作用和能解决的问题.mp4 20.32M 6-整体总结分析.mp4 9.79M 7-GPTS分析一波.mp4 24.34M 8-经典任务分析.mp4 21.12M Agent思维导图.pdf 78.27kb 课程介绍.mp4 110.72M 10-langchain工具实例 1-langchain框架解读.mp4 15.87M 2-基本API调用方法.mp4 32.59M 3-数据文档切分操作.mp4 29.30M 4-样本索引与向量构建.mp4 35.13M 5-数据切块方法.mp4 32.15M 基本使用.rar 12.29M 11-LLM与LORA微调策略解读 1-大模型如何做下游任务.mp4 23.10M 2-LLM落地微调分析.mp4 28.27M 3-LLAMA与Lora介绍.mp4 22.19M 4-Lora与微调的核心思想.mp4 16.97M 5-Lora模型实现细节.mp4 30.26M 大模型.pdf 1.37M 12-LLM下游任务训练自己模型实战 1-提示工程的作用.mp4 32.02M 2-项目数据解读.mp4 33.13M 3-源码调用debug解读.mp4 29.31M 4-训练流程演示.mp4 36.44M 5-效果演示与总结分析.mp4 25.65M Huatuo-Llama-Med-Chinese-main.zip 44.74M 13-OPENAI-LLM模型优化总结 1-RAG与微调可以解决和无法解决的问题.mp4 16.26M 2-RAG实践策略.mp4 13.52M 3-微调要解决的问题.mp4 12.21M 2-新增GPTS打造Agent实战 1-GPTS任务流程概述分析.mp4 39.00M 2-调用API的控制方式.mp4 17.15M 3-API相关配置完成.mp4 23.28M 4-完成指令与脚本并生成.mp4 39.52M 3-Agent打造专属客服 1-Demo演示与整体架构分析.mp4 49.59M 2-后端GPT项目部署启动.mp4 41.39M 3-前端助手API与流程图配置.mp4 45.90M 4-接入外部API的方法与流程.mp4 33.60M 5-引入API的方法解读.mp4 38.00M 6-指令提示构建.mp4 20.19M Agent客服.rar 5.16M 4，5-autogen与部署模块 1-AutoGenStudio框架安装与介绍.mp4 22.50M 2-动作API配置方法.mp4 21.71M 3-国内常用API配置方法.mp4 19.05M 4-API接口在线测试.mp4 16.95M 5-工作流配置.mp4 22.90M 6-执行流程与结果.mp4 22.69M 7-Ollama环境配置与安装.mp4 18.75M 8-autogen接入本地模型.mp4 25.65M rag_skill.rar 48.36kb 6，7-metagpt 1-论文概述分析.mp4 30.63M 2-整体框架逻辑介绍.mp4 42.85M 3-项目环境配置.mp4 49.85M 4-基础解读，动作定义方式.mp4 12.34M 5-基础解读，角色定义.mp4 10.28M 6-单动作智能体实现方法.mp4 15.85M 7-多动作配置方法.mp4 14.43M 8-定时器任务环境配置.mp4 29.24M 9-定时器任务流程解读分析.mp4 35.36M 0-基本Agent的组成.mp4 34.68M 1-Agent要完成的任务和业务逻辑定义.mp4 37.66M 2-问题拆解与执行流程.mp4 50.40M 3-检索得到重要的URL.mp4 24.69M 4-子问题生成总结结果.mp4 38.70M 5-总结与结果输出.mp4 18.15M examples.rar 243.35kb MetaGPT-main.zip 6.97M metaGpt.pdf 15.91M 8-RAG检索架构分析与应用 0-RAG要完成的任务解读.mp4 11.56M 1-RAG整体流程解读.mp4 14.34M 2-RAG整体流程解读.mp4 13.87M 3-召回优化策略分析.mp4 13.87M 4-召回改进方案解读.mp4 17.49M 5-评估工具RAGAS.mp4 25.33M 6-外接本地数据库工具.mp4 14.83M RAG.pdf 106.13kb 9-斯坦福AI小镇架构与项目解读 1-整体故事解读.mp4 29.06M 10-项目环境配置方法解读.mp4 31.47M 2-要解决的问题和整体框架分析.mp4 40.91M 3-论文基本框架分析.mp4 69.51M 4-Agent的记忆信息.mp4 52.95M 5-感知与反思模块构建流程.mp4 16.43M 6-计划模块实现细节.mp4 24.10M 7-整体流程框架图.mp4 15.47M 8-感知模块解读.mp4 32.00M 9-思考模块解读.mp4 35.81M 斯坦福AI小镇.pdf 84.83kb 斯坦福小镇论文.pdf 11.37M Action动作实例 1-项目介绍与配置.mp4 32.29M 2-源码实现流程解读.mp4 32.57M 3-结果返回流程.mp4 20.98M AutoGen部署应用RAG等实战 1-API生成方法.mp4 20.94M 10-Ollama环境配置与安装.mp4 18.66M 11-Autogen接入本地模型.mp4 25.67M 2-GroupChat模块.mp4 21.16M 3-执行流程分析.mp4 21.60M 4-外接本地支持库配置方法.mp4 38.74M 5-加入RAG技能.mp4 21.45M 6-LMStudio本地下载部署模型.mp4 24.87M 7-调用本地模型方法与配置.mp4 27.67M 8-AutoGenStudio本地化部署流程.mp4 28.19M 9-本地化部署接入应用实例.mp4 43.93M llama3相关 1-Lora微调方法.mp4 19.27M 2-指令微调所需数据与模型下载.mp4 38.31M 3-llama3模型微调实例.mp4 47.39M 4-llama3微调后进行量化.mp4 30.93M 5-llama.cpp量化实例.mp4 33.35M 6-部署应用.mp4 44.59M 1-LLama3模型下载与配置安装.mp4 33.55M 2-环境相关配置解读.mp4 40.30M 3-工具调用流程拆解.mp4 57.98M 4-功能调用方法实例.mp4 85.46M 5-RAG环境配置搭建.mp4 42.90M 6-LLAMA3应用RAG搭建方法.mp4 41.91M 7-RAG基本流程分析.mp4 51.66M llama3.rar 79.74M MOE多专家系统 1-MOE概述分析.mp4 15.77M 2-MOE模块实现方法解读.mp4 24.82M 3-效果分析与总结.mp4 34.45M 补充
