关于本阶段
杨老师新课重磅上新|大模型智能体全 580 集上线!
完整课程目录
第1章 大模型 Agent 开发基础
第2章 大模型私有化部署方案(上)
第3章 大模型私有化部署方案(下)
第4章 LangChain 应用开发快速实践
第5章 深入浅出 LangGraph(上)
第6章 深入浅出 LangGraph(中)
第7章 深入浅出 LangGraph(下)
第8章 Agent MCP 深度剖析(上)
第9章 Agent MCP 深度剖析(下)
第10章 SKills 从入门到精通
第11章 Agent A2A 快速实践
第12章 Context Engineering 应用实践
第13章 Harness Engineering 应用实践
第14章 Loop Engineering 应用实践
第15章 Agent 长短记忆管理
第16章 GraphRAG 深度剖析(上)
第17章 GraphRAG 深度剖析(下)
第18章 AI 大模型智能客服项目(上)
第19章 AI 大模型智能客服项目(中)
第20章 AI 大模型智能客服项目(下)
第21章 Agent 智能体评估
第22章 Vibe Coding 之 Cursor 快速实践
第23章 Vibe Coding 之 ChatBI 平台项目
第24章 Vibe Coding 之小龙虾二次开发项目
第25章 Vibe Coding 之 Claude Code 快速实践
第26章 Vibe Coding 之多模态知识库项目
第27章 Vibe Coding 之智能文档审核平台项目
第28章 AI 大模型智能问数 Agent 平台项目(上)
第29章 AI 大模型智能问数 Agent 平台项目(下)
学习
-
1-1 agent课程介绍 试看
-
1-2 Deepseek 模型是如何打造出来的? 试看
-
1-3 大模型预训练流程解读
-
1-4 大模型微调流程解读
-
1-5 大模型强化学习流程解读
-
1-6 Ai 顶级大模型特性解读
-
1-7 大模型 Api 应用实践(1)
-
1-8 大模型 Api 应用实践(2)
-
1-9 大模型 Api 应用实践(3)
-
1-10 大模型 Api 应用实践(4)
-
1-11 Function Calling应用实践(1)
-
1-12 Function Calling应用实践(2)
-
1-13 Function Calling应用实践(3)
-
1-14 Function Calling应用实践(4)
-
1-15 大模型应用产业落地发展趋势
-
1-16 Ai Agent 的本质原理
-
1-17 Ai Agent 流程工作方式总结
-
1-18 手写 React Agent 之提示词设计
-
1-19 手写 React Agent 之工具定义
-
1-20 手写 React Agent 之代码设计和逻辑验证
-
1-21 React Agent 智能客服之提示词设计
-
1-22 React Agent 智能客服之代码设计
-
1-23 React Agent 智能客服之云服务器测试
练习
学习
-
2-1 企业大模型私有化部署方案选型
-
2-2 Ollama 工具介绍与部署
-
2-3 Ollama核心参数配置
-
2-4 Ollama模型实现gpu负载均衡
-
2-5 基于ollama部署的模型api实践
-
2-6 企业级vllm推理框架优势
-
2-7 企业级vllm推理框架安装部署
-
2-8 企业级vllm推理框架离线推理核心参数
-
2-9 企业级vllm推理框架离线推理开发参数
-
2-10 企业级vllm推理框架在线推理核心参数
-
2-11 企业级vllm推理框架在线推理开发参数
-
2-12 企业级vllm推理框架在线推理生产实践(上)
-
2-13 企业级vllm推理框架在线推理生产实践(中)(1)
-
2-14 企业级vllm推理框架在线推理生产实践(下)
-
2-15 企业级vllm推理框架推理类模型支持
练习
学习
-
4-1 Langchain开发基础之生态介绍(上)
-
4-2 Langchain开发基础之生态介绍(下)
-
4-3 Langchain开发基础之接入大模型
-
4-4 Langchain开发基础之构建最简单的chain
-
4-5 Langchain开发基础之构建复杂chain
-
4-6 Langchain开发基础之构建复合chain
-
4-7 Langchain开发基础之lcel语言
-
4-8 Langchain开发基础之智能问答系统案例实践
-
4-9 Langchain智能体agent之function Call流程回顾
-
4-10 Langchain智能体agent之agent智能体构建
-
4-11 Langchain智能体agent之多工具并联串联调用
-
4-12 Langchain智能体agent之浏览器机器人
-
4-13 Langchain大模型协议mcp之mcp原理
-
4-14 Langchain大模型协议mcp之mcp快速入门
-
4-15 Langchain大模型协议mcp之智能天气系统案例实践
-
4-16 Langchain知识库rag之rag流程回顾
-
4-17 Langchain知识库rag之本地知识库综合案例实践
练习
学习
-
6-1 Langgraph进阶之state核心-State状态模式
-
6-2 Langgraph进阶之state核心-Graph可视化
-
6-3 Langgraph进阶之state核心-Reducer函数机制
-
6-4 Langgraph进阶之state核心-基于state构建消息传递机制
-
6-5 Langgraph进阶之state核心-Messagegraph实践
-
6-6 Langgraph进阶之state核心-Langsmith监控神器
-
6-7 Langgraph进阶之state核心-Langgraph与langsmith整合
-
6-8 Langgraph进阶之单代理-Router Agent-Langgraph四大代理
-
6-9 Langgraph进阶之单代理-Router Agent-逻辑初探
-
6-10 Langgraph进阶之单代理-Router Agent-应用程序构建
-
6-11 Langgraph进阶之单代理-Router Agent-结构化输出-提示词工程
-
6-12 Langgraph进阶之单代理-Router Agent-结构化输出-基于内置工具
-
6-13 Langgraph进阶之单代理-Router Agent-基于结构化输出构建route
-
6-14 Langgraph进阶之单代理-Tool Calling Agent-核心原理
-
6-15 Langgraph进阶之单代理-Tool Calling Agent-完整案例演示
-
6-16 Langgraph进阶之单代理-Tool Calling Agent-手动构建tool
-
6-17 Langgraph进阶之单代理-React Agent-运行流程回顾
-
6-18 Langgraph进阶之单代理-React Agent-Langchain实现方式
-
6-19 Langgraph进阶之单代理-React Agent-Langgraph实现方式
-
6-20 Langgraph进阶之单代理-React Agent-实操-工具准备(1)
-
6-21 Langgraph进阶之单代理-React Agent-实操-原理剖析(2)
-
6-22 Langgraph进阶之单代理-React Agent-实操-效果测试(3)
-
6-23 Langgraph进阶之事件任务-流输出模式
-
6-24 Langgraph进阶之事件任务-流输出模式测试
-
6-25 Langgraph进阶之事件任务-事件流应用
-
6-26 Langgraph进阶之长短期记忆-目前应用程序存在的问题?
-
6-27 Langgraph进阶之长短期记忆-长短期记忆的区别
-
6-28 Langgraph进阶之长短期记忆-短期记忆实现原理
-
6-29 Langgraph进阶之长短期记忆-基于memorysaver实现短期记忆
-
6-30 Langgraph进阶之长短期记忆-基于sqlitesaver实现短期记忆
-
6-31 Langgraph进阶之长短期记忆-实现带有记忆的智能天气助手
-
6-32 Langgraph进阶之长短期记忆-基于store实现长期记忆
-
6-33 Langgraph进阶之人机交互-Agent中为什么需要人机交互?
-
6-34 Langgraph进阶之人机交互-Langgraph的人机交互实现原理
-
6-35 Langgraph进阶之人机交互-Graph中添加断点实践
-
6-36 Langgraph进阶之人机交互-Graph中添加动态断点实践
-
6-37 Langgraph进阶之人机交互-Graph中添加动态断点代码编写
-
6-38 Langgraph进阶之人机交互-Graph中添加动态断点测试
练习
学习
-
7-1 Langgraph实战之多代理-Openai定义的5个ai阶段
-
7-2 Langgraph实战之多代理-单代理架构缺陷
-
7-3 Langgraph实战之多代理-Multi Agent架构类型
-
7-4 Langgraph实战之多代理-父子图之间的消息传递(上)
-
7-5 Langgraph实战之多代理-父子图之间的消息传递(下)
-
7-6 Langgraph实战之多代理-Network多代理需求分析
-
7-7 Langgraph实战之多代理-Network多代理代码编写
-
7-8 Langgraph实战之多代理-Network多代理功能测试
-
7-9 Langgraph实战之多代理-Magentic One原理剖析
-
7-10 Langgraph实战之多代理-Supervisor原理剖析与代码实践
-
7-12 Langgraph实战之多代理-Multi Agent混合知识库-Graphrag
-
7-13 Langgraph实战之多代理-Multi Agent混合知识库-Neo4j入库
-
7-14 Langgraph实战之多代理-Multi Agent混合知识库-数据库效果测试
-
7-15 Langgraph实战之多代理-Multi Agent混合知识库-向量数据库入库
-
7-16 Langgraph实战之多代理-Multi Agent混合知识库-最终效果验证
练习
学习
-
8-1 Mcp实践之agent的原理剖析
-
8-2 Mcp实践之function Call 缺点分析
-
8-3 Mcp实践之mcp的本质是什么?
-
8-4 Mcp实践之mcp的环境构建
-
8-5 Mcp实践之mcp的简易client构建
-
8-6 Mcp实践之mcp的client接入大模型
-
8-7 Mcp实践之mcp的server端构建
-
8-8 Mcp实践之基于mcp的client和server通信
-
8-9 Mcp实践之server端debug工具实践
-
8-10 Mcp实践之mcp Server推荐
-
8-11 Mcp复杂智能体之引出复杂智能体难点
-
8-12 Mcp复杂智能体之function Call流程回顾
-
8-13 Mcp复杂智能体之实现function Call的并行调用
-
8-14 Mcp复杂智能体之实现function Call的串行调用
-
8-15 Mcp复杂智能体之基础依赖准备
-
8-16 Mcp复杂智能体之数据库准备和数据准备
-
8-17 Mcp复杂智能体之开发sql Server服务
-
8-18 Mcp复杂智能体之开发python Server服务
-
8-19 Mcp复杂智能体之mcp客户端开发
-
8-20 Mcp复杂智能体之效果验证
练习
学习
-
10-1 基础之什么是agent Skills?
-
10-2 基础之skills的本质是什么?
-
10-3 基础之skills文件结构初探?
-
10-4 基础之skills 如何运行?
-
10-5 基础之skills 内部结构
-
10-6 基础之skills 生态
-
10-7 基础之基于原生api实现skills完整逻辑
-
10-8 基础之skills 设计反事实对比
-
10-9 基础之mcp与skills的本质区别
-
10-10 进阶之构建具备skills调用能力的agent
-
10-11 进阶之skills 反面案例1
-
10-12 进阶之skills 反面案例2
-
10-13 进阶之skills 反面案例3
-
10-14 进阶之skills 设计原则1
-
10-15 进阶之skills 设计原则2
-
10-16 进阶之skills 设计原则3
练习
学习
-
11-1 A2a基础之为什么会出现a2a协议?
-
11-2 A2a基础之a2a协议解决了什么问题?
-
11-3 A2a基础之a2a协议设计的关键原则
-
11-4 A2a基础之a2a协议核心概念-参与者
-
11-5 A2a基础之a2a协议核心概念-基本通信要素
-
11-6 A2a基础之a2a协议核心概念-交互机制
-
11-7 A2a代码实践之开发环境部署
-
11-8 A2a代码实践之agent端代码设计
-
11-9 A2a代码实践之server端代码设计
-
11-10 A2a基础之a2a协议是如何解决问题的?
-
11-11 A2a基础之a2a协议和mcp协议如何配合?
-
11-12 A2a代码实践之client端代码设计
-
11-13 A2a代码实践之基于langgraph的agent设计
-
11-14 A2a代码实践之基于langgraph的server端设计
-
11-15 A2a代码实践之基于langgraph的client端设计
练习
学习
-
12-1 为什么要进行上下文工程管理?
-
12-2 上下文窗口全景图
-
12-3 Context之系统提示层
-
12-4 Context之对话历史管理层
-
12-5 Context之记忆检索注入层
-
12-6 Context之工具上下文管理层
-
12-7 Context之任务状态层
-
12-8 Context之外部知识层
-
12-9 五大策略全景图
-
12-10 五大策略之write策略(1)
-
12-11 五大策略之write策略(2)
-
12-12 五大策略之write策略(3)
-
12-13 五大策略之select策略(1)
-
12-14 五大策略之select策略(2)
-
12-15 五大策略之select策略(3)
-
12-16 五大策略之select策略(4)
-
12-17 五大策略之compress策略(1)
-
12-18 五大策略之compress策略(2)
-
12-19 五大策略之compress策略(3)
-
12-20 五大策略之compress策略(4)
-
12-21 五大策略之isolate策略
-
12-22 五大策略之cache策略
-
12-23 上下文工程总结
练习
学习
-
13-1 什么是harness Engineering?
-
13-2 三代工程的迭代演进
-
13-3 Naive Agent的八种失效方式
-
13-4 驾驭工程之agent Loop 四相循环
-
13-5 驾驭工程之tool Use工具编排
-
13-6 驾驭工程之progress Tracking进度追踪
-
13-7 驾驭工程之context Management上下文管理
-
13-8 驾驭工程之feature List任务拆解
-
13-9 驾驭工程之verification Loop验证闭环
-
13-10 驾驭工程之subagents子代理分治
-
13-11 驾驭工程之generator-Evaluator
-
13-12 驾驭工程之故障与解决方案总结
-
13-13 驾驭工程的三大工程维度
-
13-14 主流的基于驾驭工程落地的产品
-
13-15 驾驭工程落地的官方建议
-
13-16 更高维度去理解驾驭工程
-
13-17 驾驭工程实操之配置环境构建(1)
-
13-18 驾驭工程实操之四相循环(1)
-
13-19 驾驭工程实操之工具编排
-
13-20 驾驭工程实操之进度追踪
-
13-21 驾驭工程实操之memroy三层架构
-
13-22 驾驭工程实操之上下文管理
-
13-23 驾驭工程实操之任务拆解
-
13-24 驾驭工程实操之验证闭环
-
13-25 驾驭工程实操之子代理分治
-
13-26 驾驭工程实操之评估分离
-
13-27 驾驭工程实操之hook说明
-
13-28 驾驭工程实操之项目全流程演示


