适合人群：
AI方向的同学们
你将会学到：
AI领域爆火的Agent，利用GPT打造各场景应用实例
课程简介：
3年前：All in Ai
1年前：All in LLM
现在：All in Agent
课程规划：100+节课程内容，持续更新
配套资料：提供全部课件与案例资料
智能体是什么：做一个Ai替你干活
01.PNG
为什么不需要学任何Ai工具
02.PNG
角色如何定义(光靠提示词它就是个XXX专家了？)
03.PNG
如何给智能体设计业务流程
04.PNG
智能体只有一个吗？
05.PNG
一、学习收益
1.每个人的人工智能=自己的需求+业务场景+工具使用+标准化流程
2.课程教大家集成：以大模型为大脑让它根据流程来使用各种工具
3.可以任意DIY，结合自己的需求，场景，流程，做自己的Ai产品
4.提供全部案例模板，先把流程跑通，再去替换完成自己的任务
5.课程持续更新，24年会给大家持续加入更多前沿技术与案例
6.不会过时的技术，工具软件会被替换，Agent可以随意配技能
06.png
二、章节内容
第 1 章 Agent架构解读与应用分析
【本章主题】通俗讲解智能体的原理与架构
1-Agent要解决的问题分析 2-Agent需要具备的基本能力
3-与大模型的关系分析 4-多智能体定义分析
5-框架的作用和能解决的问题 6-整体总结分析
7-GPTS分析一波 8-经典任务分析
第 2 章 GPTS打造Agent实战
【本章主题】使用GPTS来构建智能体模块并集成相应的动作
1-GPTS任务流程概述分析 2-调用API的控制方式
3-API相关配置完成 4-完成指令与脚本并生成
第 3 章 打造自己领域专属客服
【本章主题】从零开始集成大模型与各路api完成客服功能
1-DEMO演示与整体架构分析 2-后端GPT项目部署启动
3-前端助手API与流程图配置 4-接入外部API的方法与流程
5-引入API方法解读 6-指令提示构建
7-GPTS分析一波 8-经典任务分析
第 4 章 AutogenStudio智能体框架实战
【本章主题】使用可本地化部署的框架来构建自己的Agent任务
1-AutoGenStudio框架安装与介绍 2-动作API配置方法
3-国内常用API配置方法 4-API接口在线测试
5-工作流配置 6-执行流程与结果
7-Ollama环境配置与安装 8-autogen接入本地模型
9-API生成方法 10-GroupChat模块
11-执行流程分析 12-外接本地支持库配置方法
13-加入RAG技能 14-LMStudio本地下载部署模型
15-调用本地模型方法与配置
第 5 章 MetaGpt智能体框架解读
【本章主题】通俗解读生成代码/游戏框架MetaGpt
1-论文概述分析 2-整体框架逻辑介绍
3-项目环境配置 4-基础解读-动作定义方式
5-基础解读-角色定义 6-单动作智能体实现方法
7-多动作配置方法 8-定时器任务环境配置
9-定时器任务流程解读分析
第 6 章 MetaGpt应用实战应用
【本章主题】使用MetaGpt进行角色和动作定义并完成相应功能
1-基本Agent的组成 2-Agent要完成的任务和业务逻辑定义
3-问题拆解与执行流程 4-检索得到重要的URL
5-子问题生成总结结果 6-总结与结果输出
第 7 章 RAG检索架构分析与应用
【本章主题】RAG的作用与效果解读及其优化方法
1-RAG要完成的任务解读 2-RAG整体流程解读
3-召回优化策略分析 4-召回改进方案解读
5-评估工具RAGAS 6-外接本地数据库工具
第 8 章 斯坦福AI小镇架构与项目解读
【本章主题】论文解读及其功能架构分析并结合源码分析
1-整体故事解读 2-要解决的问题和整体框架分析
3-论文基本框架分析 4-Agent的记忆信息
5-感知与反思模块构建流程 6-计划模块实现细节
7-整体流程框架图 8-感知模块解读
9-思考模块解读 10-项目环境配置方法解读
第 9 章 MOE多专家系统
【本章主题】多专家系统的作用与效果结合mistrialAi分析
1-MOE概述分析 2-MOE模块实现方法解读
3-效果分析与总结
第 10 章 LLM与LORA微调策略解读
【本章主题】大模型微调方法与微调的策略分析
1-大模型如何做下游任务 2-LLM落地微调分析
3-LLAMA与LORA介绍 4-LORA微调的核心思想
5-LORA模型实现细节
第 11 章 LLM下游任务训练自己模型实战
【本章主题】基于实际任务与数据集来微调大模型
1-提示工程的作用 2-项目数据解读
3-源码调用DEBUG解读 4-训练流程演示
5-效果演示与总结分析
第 12 章 OPENAI-LLM模型优化总结
【本章主题】大模型优化分析及其常用策略解读
1-RAG与微调可以解决与无法解决的问题 2-RAG实践策略
3-微调要解决的问题
第 13 章 补充：计算机视觉项目全流程解读
【本章主题】全流程解读视觉项目如何做，每一步如何落地
1-项目需求分析流程 2-数据与特征库准备
3-模型准备与项目分析 4-模型选择方法总结
5-项目经验总结与优化方法
第 14 章 补充：知识图谱项目全流程解读
【本章主题】全流程解读知识图谱项目如何做，每一步如何落地
1-知识图谱要解决的问题与流程分析 2-知识图谱项目实际应用分析
3-知识图谱实战应用项目解读 4-大模型要解决的问题和应用分析
5-工具总结分析
第 15章 补充：数据挖掘项目全流程解读
【本章主题】全流程解读数据挖掘项目如何做，每一步如何落地
1-数据挖掘要解决的问题 2-数据处理与清洗分析
3-特征工程的作用与流程 4-机器学习算法分析
5-模板到哪去找
