飞豹客 · 教程详情

2025AI大模型爆火agent(打造专属的LLM智能体）|唐YD

会员可免费下载本篇

月会员可按日额度下载（每篇扣 1 次）。

开通会员 · 按档位下载 →

体系课

0 人浏览发布 2026-10-07更新 2026-10-07

解决什么问题：从“用AI提问”到“让AI干活”的思维跨越

很多职场人已经习惯了用 ChatGPT 或文心一言来写文案、做总结，但这属于“被动接受信息”。当工作节奏变快，需要处理多步骤任务（比如先搜集资料、再清洗数据、最后生成报告）时，单纯靠提示词很难实现。这门课的核心价值在于帮你搭建“LLM智能体”。它不是教你如何和模型对话，而是教你如何利用代码或工作流，把大模型变成一个能自动执行任务的“工具人”。课程重点分析了 Agent 需要具备的自主规划能力，以及它与基础大模型的区别，让你理解为什么有些 AI 能像员工一样处理复杂流程，而有些只能做简单的问答。

适合什么基础：有代码基础，想尝试落地应用

这门课不建议完全零基础的小白直接入手。虽然它涉及 COZE（扣子）这类可视化搭建平台，降低了开发门槛，但如果你连基础的提示词工程或网页操作都不熟练，很难跟上节奏。它更适合有一定互联网工具使用经验，或者懂一点 Python 代码逻辑的上班族。课程内容从 Agent 架构底层讲到 COZE 框架的使用，这意味着你需要具备一定的逻辑思维能力，能够理解“工作流”是如何串联起大模型能力的。如果你只是想找一份保姆级教程，这门课的节奏和深度可能需要你自行调整。

建议先看哪几块：架构与实战搭建

建议先从第 1 章的 Agent 架构解读开始，重点理解 Agent 要解决的问题和具备的基本能力。这部分能帮你建立正确的认知框架，知道智能体到底能干什么。紧接着，不要停留在理论，直接进入第 2 章的 COZE 基本使用和工作流讲解。对于资料包中的目录线索，你应该优先关注“多智能体定义分析”和“经典任务分析”这两块，它们能帮你判断自己工作中是否真的需要搭建 Agent，以及 Agent 在你业务场景中的落地边界在哪里。

学完能独立做什么：拥有一个能自动工作的 AI 助手

学完这套体系，你不需要成为算法工程师，但能独立搭建一个专属的 LLM 智能体。你可以根据工作需要，定制一个专门负责资料搜集的智能体，或者一个能自动生成周报的自动化工具。这种能力可以直接转化为生产力，把原本需要手动操作几小时的重复性工作，变成一键触发的自动化流程。更重要的是，你掌握了 COZE 这类搭建框架，未来面对新的模型或平台，也能快速上手，具备持续自我进化的能力。

资料怎么配合练习：边看边搭，验证逻辑闭环

学习这门课最忌讳只看不练。资料包中提供的架构分析和案例是很好的参考，但你需要把它们作为“脚手架”。建议在看完每一章节的理论后，立刻在 COZE 平台上创建对应的节点进行复刻。比如，在理解了“工作流中大模型的使用方法”后，马上尝试搭建一个简单的两步流程。不要试图一次性做得很复杂，先从能跑通的简单 Agent 开始，逐步叠加“记忆”、“联网搜索”等高级能力，直到你能独立完成一个从输入到输出的完整闭环。

课程介绍

QQ_1760756822941.png 2025-10-18 11:08 上传手把手带你做自己的专属AI工具，Ai商业化落地必备技术课程目录：第1章Agent架构解读与应用分析(1小时8节) 1-11-Agent要解决的问题分析[09:05] 1-22-Agent需要具备的基本能力[08:19] 1-33-与大模型的关系分析[06:37] 1-44-多智能体定义分析[06:02] 1-55-框架的作用和能解决的问题[09:04] 1-66-整体总结分析[04:12] 1-77-GPTS分析一波[08:36] 1-88-经典任务分析[08:31] 第2章COZE智能体搭建框架基本使用(22分钟2节) 2-11-COZE的基本使用解读与说明[10:08] 2-22-工作流中大模型的使用方法[12:40] 第3章COZE打造资料搜集与报告整理智能体

课程目录

QQ_1760756822941.png   2025-10-18 11:08 上传 手把手带你做自己的专属AI工具，Ai商业化落地必备技术 课程目录：
第1章Agent架构解读与应用分析(1小时8节) 1-11-Agent要解决的问题分析[09:05] 1-22-Agent需要具备的基本能力[08:19] 1-33-与大模型的关系分析[06:37] 1-44-多智能体定义分析[06:02] 1-55-框架的作用和能解决的问题[09:04] 1-66-整体总结分析[04:12] 1-77-GPTS分析一波[08:36] 1-88-经典任务分析[08:31]
第2章COZE智能体搭建框架基本使用(22分钟2节) 2-11-COZE的基本使用解读与说明[10:08] 2-22-工作流中大模型的使用方法[12:40]
第3章COZE打造资料搜集与报告整理智能体(35分钟4节) 3-11-数据查找配置[09:48] 3-22-读取新闻内容并整理报告[10:43] 3-33-循环的配置与中间变量的作用[13:44] 3-44-循环体注意事项更新[01:01]
第4章COZE中配置自己的插件(34分钟3节) 4-11-插件的基本配置方法[11:00] 4-22-输入输出参数配置方法[09:09] 4-33-再工作流中配置自己的插件并使用[14:35]
第5章COZE结合飞书表格办公(56分钟6节) 5-11-DEMO演示与基本流程分析[10:14] 5-22-表格填入模块解读[10:15] 5-33-表格的输入与输出[08:51] 5-44-查找与匹配的方法[08:58] 5-55-全局变量设置方法[08:48] 5-66-智能体测试应用[09:42]
第6章 使用Coze动手做自己的Agent (42分钟 5节) 6-11-扣子开发平台实例解读[07:23] 6-22-技能测试与插件创建实例[08:40] 6-33-配置好自己的DIY技能[07:30] 6-44-工作流的基本配置流程和方法[10:19] 6-55-自己DIY的Agent测试与发布[08:59]
第7章 COZE打造自己的文案生成助手 (30分钟 3节) 7-11-产品功能与需求分析[06:45] 7-22-文案助手的工作流程设计[11:06] 7-33-配置插件与测试效果[12:44]
第8章 GPTS打造Agent实战 (33分钟 4节) 8-11-GPTS任务流程概述分析[10:07] 8-22-调用API的控制方式[06:16] 8-33-API相关配置完成[06:50] 8-44-完成指令与脚本并生成[09:52]
第9章 打造自己领域专属客服 (1小时7分钟 6节) 9-11-DEMO演示与整体架构分析[16:03] 9-22-后端GPT项目部署启动[12:27] 9-33-前端助手API与流程图配置[13:42] 9-44-接入外部API的方法与流程[10:55] 9-55-引入API方法解读[09:04] 9-66-指令提示构建[05:03]
第10章 autogen框架实战 (2小时30分钟 18节) 10-10-Python环境说明[12:14] 10-21-AutoGenStudio框架安装与介绍[08:21] 10-32-动作API配置方法[07:54] 10-43-国内常用API配置方法[07:02] 10-54-API接口在线测试[06:23] 10-65-工作流配置[07:04] 10-76-执行流程与结果[05:48] 10-8API生成方法[08:03] 10-9GroupChat模块[08:09] 10-10执行流程分析[05:35] 10-11外接本地支持库配置方法[13:25] 10-12加入RAG技能[05:32] 10-13LMStudio本地下载部署模型[09:40] 10-14调用本地模型方法与配置[09:44] 10-15AutogenStudio本地化部署流程[09:39] 10-16本地化部署接入应用实例[11:32] 10-17Ollama环境配置与安装[06:50] 10-18autogen接入本地模型[07:09]
第11章 metaGpt框架解读 (30分钟 3节) 11-11-论文概述分析[08:00] 11-22-整体框架逻辑介绍[10:47] 11-33-项目环境配置[11:38]
第12章 metaGpt应用实战-网上调研资料 (54分钟 6节) 12-10-基本Agent的组成[10:01] 12-21-Agent要完成的任务和业务逻辑定义[10:12] 12-32-问题拆解与执行流程[14:43] 12-43-检索得到重要的URL[06:37] 12-54-子问题生成总结结果[08:37] 12-65-总结与结果输出[04:13]
第13章 RAG检索架构分析与应用 (44分钟 6节) 13-11-RAG要完成的任务解读[07:12] 13-22-RAG整体流程解读[08:07] 13-33-召回优化策略分析[08:10] 13-44-召回改进方案解读[09:12] 13-55-评估工具RAGAS[09:01] 13-66-外接本地数据库工具[03:10]
第14章 斯坦福AI小镇架构与项目解读 (1小时11分钟 10节) 14-11-整体故事解读[06:27] 14-22-要解决的问题和整体框架分析[08:30] 14-33-论文基本框架分析[12:00] 14-44-Agent的记忆信息[07:26] 14-55-感知与反思模块构建流程[07:02] 14-66-计划模块实现细节[07:40] 14-77-整体流程框架图[05:30] 14-88-感知模块解读[05:12] 14-99-思考模块解读[04:33] 14-1010-项目环境配置方法解读[07:36]
第15章 langchain工具实例 (49分钟 5节) 15-11-langchain框架解读[09:18] 15-22-基本API调用方法[10:25] 15-33-数据文档切分操作[10:25] 15-44-样本索引与向量构建[10:02] 15-55-数据切块方法[09:37]
第16章 MOE多专家系统 (24分钟 3节) 16-11-MOE概述分析[06:29] 16-22-MOE模块实现方法解读[08:42] 16-33-效果分析与总结[09:20]
第17章 LLM与LORA微调策略解读 (1小时2分钟 5节) 17-11-大模型如何做下游任务[10:16] 17-22-LLM落地微调分析[14:00] 17-33-LLAMA与LORA介绍[12:20] 17-44-LORA微调的核心思想[09:13] 17-55-LORA模型实现细节[16:46]
第18章 LLM下游任务训练自己模型实战 (57分钟 5节) 18-11-提示工程的作用[14:46] 18-22-项目数据解读[09:42] 18-33-源码调用DEBUG解读[10:24] 18-44-训练流程演示[12:00] 18-55-效果演示与总结分析[10:17]
第19章 OPENAI-LLM模型优化总结 (25分钟 3节) 19-11-RAG与微调可以解决与无法解决的问题[10:05] 19-22-RAG实践策略[08:30] 19-33-微调要解决的问题[06:42]
第20章 llama3应用实战 (1小时15分钟 7节) 20-11-llama3模型下载与配置安装[10:16] 20-22-环境相关配置解读[07:57] 20-33-工具调用流程拆解[10:16] 20-44-功能调用方法实例[14:03] 20-55-RAG环境配置搭建[10:49] 20-66-LLAMA3应用-RAG搭建方法[11:33] 20-77-RAG基本流程分析[10:42]
第21章 llama3微调-量化-部署 (1小时1分钟 6节) 21-11-LORA微调方法[09:39] 21-22-指令微调所需数据与模型下载[09:55] 21-33-llama3模型微调实例[12:40] 21-44-llama3微调后进行量化[10:07] 21-55-llama.cpp量化实例[08:04] 21-66-部署应用[11:32]
第22章 计算机视觉项目实例 (46分钟 5节) 22-11-项目需求分析流程[06:15] 22-22-数据与特征库准备[10:21] 22-33-模型准备与项目分析[10:07] 22-44-模型选择方法总结[08:39] 22-55-项目经验总结与优化方法[10:43]
第23章 数据挖掘项目流程实例 (45分钟 5节) 23-11-数据挖掘要解决的问题[06:14] 23-22-数据处理与清洗分析[08:59] 23-33-特征工程的作用与流程[11:02] 23-44-机器学习算法分析[10:07] 23-55-模板到哪去找[09:22]
第24章 自然语言处理项目流程 (57分钟 5节) 24-11-知识图谱要解决的问题与流程分析[11:31] 24-22-知识图谱项目实际应用分析[13:13] 24-33-知识图谱实战应用项目解读[09:37] 24-44-大模型要解决的问题和应用分析[14:17] 24-55-工具总结分析开始学习

会员可免费下载本篇

查看价格与购买