课程目录

• 001-课程介绍_
• 002-1-Agent要解决的问题分析_
• 003-2-Agent需要具备的基本能力_
• 004-3-与大模型的关系分析_
• 005-4-多智能体定义分析_
• 006-5-框架的作用和能解决的问题
• 007-6-整体总结分析
• 008-7-GPTS分析一波
• 009-8-经典任务分析
• 010-1-GPTS任务流程概述分析
• 011-2-调用API的控制方式
• 012-3-API相关配置完成
• 013-4-完成指令与脚本并生成
• 014-1-DEMO演示与整体架构分析
• 015-2-后端GPT项目部署启动
• 016-3-前端助手API与流程图配置
• 017-4-接入外部API的方法与流程
• 018-5-GPT中加入外部API调用方法
• 019-6-指令提示构建
• 020-1-论文概述分析
• 021-2-整体框架逻辑介绍
• 022-3-项目环境配置
• 023-4-基础解读-动作定义方式
• 024-5-基础解读-角色定义
• 025-6-单动作智能体实现方法
• 026-7-多动作配置方法
• 027-8-定时器任务环境配置
• 028-9-定时器任务流程解读分析
• 029-0-基本Agent的组成
• 030-1-Agent要完成的任务和业务逻辑定义
• 031-2-问题拆解与执行流程
• 032-3-检索得到重要的URL
• 033-4-子问题生成总结结果
• 034-5-总结与结果输出
• 035-1-RAG要完成的任务解读
• 036-2-RAG整体流程解读
• 037-3-召回优化策略分析
• 038-4-召回改进方案解读
• 039-5-评估工具RAGAS
• 040-6-外接本地数据库工具
• 041-1-整体故事解读
• 042-2-要解决的问题和整体框架分析
• 043-3-论文基本框架分析
• 044-4-Agent的记忆信息
• 045-5-感知与反思模块构建流程
• 046-6-计划模块实现细节
• 047-7-整体流程框架图
• 048-8-感知模块解读
• 049-9-思考模块解读
• 050-10-项目环境配置方法解读
• 051-1-langchain框架解读
• 052-2-基本API调用方法
• 053-3-数据文档切分操作
• 054-4-样本索引与向量构建
• 055-5-数据切块方法
• 056-1-MOE概述分析
• 057-2-MOE模块实现方法解读
• 058-3-效果分析与总结
• 059-1-大模型如何做下游任务
• 060-2-LLM落地微调分析
• 061-3-LLAMA与LORA介绍
• 062-4-LORA微调的核心思想
• 063-5-LORA模型实现细节
• 064-1-提示工程的作用
• 065-2-项目数据解读
• 066-3-源码调用DEBUG解读
• 067-4-训练流程演示
• 068-5-效果演示与总结分析
• 069-1-RAG与微调可以解决与无法解决的问题
• 070-2-RAG实践策略
• 071-3-微调要解决的问题