【51CTO】的《2024爆火AI Agent智能应用从0到1(应用解读+项目实战)》课程是一套全面而深入的AI Agent智能应用开发课程，专为希望进入该领域或希望提升技能的专业人士设计。课程涵盖了从基础理论到实际应用的各个方面，旨在帮助学员从零开始逐步掌握AI Agent智能应用的开发技巧。
该课程的特点如下：
1. 系统性：课程从基础理论入手，逐步深入到应用开发的具体细节，确保学员能够全面了解和掌握AI Agent智能应用开发的技术要点。
2. 实战性：课程通过多个实际项目实战，让学员在实践中掌握AI Agent智能应用的开发技巧，提高实际操作能力。
3. 针对性强：课程针对当前市场上的需求，对AI Agent智能应用的发展趋势进行了深入分析，并提供了切实可行的解决方案。
课程内容主要包括以下几个方面：
1. AI Agent基础理论：介绍AI Agent的基本概念、原理和应用场景，为后续课程的学习打下基础。
2. 人工智能技术：讲解与AI Agent开发相关的各种人工智能技术，如机器学习、深度学习、自然语言处理等，帮助学员了解各种技术的原理和应用。
3. 项目实战：通过多个实际项目，让学员在实践中掌握AI Agent智能应用的开发技巧，提高实际操作能力。
4. 场景应用：介绍AI Agent在各个领域的应用场景，如智能客服、智能家居、自动驾驶等，帮助学员了解AI Agent的实际应用价值。
5. 开发工具和平台：介绍常用的AI Agent开发工具和平台，如TensorFlow、PyTorch、Microsoft Azure等，为学员提供实用的开发工具和资源。
通过本课程的学习，学员可以掌握AI Agent智能应用的开发技巧，提升自己的技能水平，并能够在实际项目中灵活运用所学知识，实现从理论到实践的完美转化。
课程目录：
【51CTO】2024爆火AI Agent智能应用从0到1(应用解读+项目实战)
├──10_2-调用API的控制方式.mp4 30.96M
├──11_3-API相关配置完成.mp4 37.43M
├──12_4-完成指令与脚本并生成.mp4 57.17M
├──13_1-DEMO演示与整体架构分析.mp4 89.53M
├──14_2-后端GPT项目部署启动.mp4 72.67M
├──15_3-前端助手API与流程图配置.mp4 80.83M
├──16_4-接入外部API的方法与流程.mp4 59.02M
├──17_5-引入API方法解读.mp4 52.67M
├──18_6-指令提示构建.mp4 29.31M
├──19_1-论文概述分析.mp4 41.61M
├──1_1-Agent要解决的问题分析.mp4 36.55M
├──20_2-整体框架逻辑介绍.mp4 59.01M
├──21_3-项目环境配置.mp4 67.08M
├──22_0-基本Agent的组成.mp4 56.38M
├──23_1-Agent要完成的任务和业务逻辑定义.mp4 59.12M
├──24_2-问题拆解与执行流程.mp4 85.09M
├──25_3-检索得到重要的URL.mp4 38.37M
├──26_4-子问题生成总结结果.mp4 52.05M
├──27_5-总结与结果输出.mp4 25.26M
├──28_1-RAG要完成的任务解读.mp4 15.44M
├──29_2-RAG整体流程解读.mp4 17.70M
├──2_2-Agent需要具备的基本能力.mp4 35.62M
├──30_3-召回优化策略分析.mp4 18.15M
├──31_4-召回改进方案解读.mp4 24.57M
├──32_5-评估工具RAGAS.mp4 40.76M
├──33_6-外接本地数据库工具.mp4 16.96M
├──34_1-整体故事解读.mp4 38.18M
├──35_2-要解决的问题和整体框架分析.mp4 50.14M
├──36_3-论文基本框架分析.mp4 70.67M
├──37_4-Agent的记忆信息.mp4 40.95M
├──38_5-感知与反思模块构建流程.mp4 39.36M
├──39_6-计划模块实现细节.mp4 45.51M
├──3_3-与大模型的关系分析.mp4 49.76M
├──40_7-整体流程框架图.mp4 32.31M
├──41_8-感知模块解读.mp4 29.99M
├──42_9-思考模块解读.mp4 27.72M
├──43_10-项目环境配置方法解读.mp4 44.61M
├──44_1-langchain框架解读.mp4 22.54M
├──45_2-基本API调用方法.mp4 44.70M
├──46_3-数据文档切分操作.mp4 44.56M
├──47_4-样本索引与向量构建.mp4 41.59M
├──48_5-数据切块方法.mp4 49.53M
├──49_1-MOE概述分析.mp4 21.06M
├──4_4-多智能体定义分析.mp4 45.28M
├──50_2-MOE模块实现方法解读.mp4 30.18M
├──51_3-效果分析与总结.mp4 42.87M
├──52_1-大模型如何做下游任务.mp4 30.03M
├──53_2-LLM落地微调分析.mp4 35.10M
├──54_3-LLAMA与LORA介绍.mp4 29.31M
├──55_4-LORA微调的核心思想.mp4 21.85M
├──56_5-LORA模型实现细节.mp4 40.60M
├──57_1-提示工程的作用.mp4 37.35M
├──58_2-项目数据解读.mp4 43.71M
├──59_3-源码调用DEBUG解读.mp4 40.98M
├──5_5-框架的作用和能解决的问题.mp4 68.24M
├──60_4-训练流程演示.mp4 52.67M
├──61_5-效果演示与总结分析.mp4 33.12M
├──62_1-RAG与微调可以解决与无法解决的问题.mp4 21.08M
├──63_2-RAG实践策略.mp4 17.20M
├──64_3-微调要解决的问题.mp4 13.99M
├──6_6-整体总结分析.mp4 31.69M
├──7_7-GPTS分析一波.mp4 47.42M
├──8_8-经典任务分析.mp4 40.17M
└──9_1-GPTS任务流程概述分析.mp4 57.96M