大语言模型智能体（LLM Agents）5期

**《大语言模型智能体（LLM Agents）5期》**是一套面向AI开发者、程序员、算法工程师以及希望系统学习大模型应用技术的学习者打造的进阶型课程。课程围绕当前人工智能领域热门方向——**大语言模型智能体（LLM Agents）**展开，深入讲解如何让大模型从“被动回答问题”升级为“能够理解任务、自主规划、调用工具并完成复杂工作的智能系统”，帮助学员掌握AI Agent开发的核心技术与工程实践方法。

课程首先从大语言模型基础知识入手，介绍LLM的发展历程、核心架构、推理机制以及在实际业务中的应用场景，让学员理解GPT类模型、开源大模型以及企业级AI应用背后的技术原理。同时，课程会讲解Prompt Engineering（提示词工程）、上下文管理、Token机制、模型调用方式等基础内容，为后续智能体开发建立扎实基础。

在LLM Agent核心技术部分，课程重点解析智能体的工作流程和系统架构，包括任务理解、目标拆解、规划推理、工具调用、执行反馈、记忆管理以及结果优化等关键环节。通过学习，学员能够理解Agent如何利用大模型作为“大脑”，结合外部工具和数据资源完成复杂任务，实现从简单对话到自动化执行的能力升级。

课程深入讲解Agent开发中的重要技术，包括Function Calling函数调用、Tools工具集成、ReAct推理模式、Chain-of-Thought思维链、多轮交互、长期记忆、短期记忆、任务调度以及多智能体协作等内容。通过实际案例演示，帮助学员掌握如何设计具有自主决策能力的智能应用。

在知识增强方面，课程系统介绍RAG（检索增强生成）技术，包括文档解析、文本切分、Embedding向量生成、向量数据库存储、语义检索以及知识库问答系统构建方法。学员将学习如何让AI Agent连接企业内部数据，实现基于专业知识的精准回答，提高大模型在实际业务中的应用价值。

课程还会结合主流AI开发生态进行项目实战，包括智能客服Agent、企业知识库助手、AI办公自动化助手、代码开发助手、数据分析Agent以及多Agent协作系统等项目。从需求设计、技术选型、系统搭建、功能开发到最终部署，完整展示企业级AI Agent应用的开发流程。

此外，课程还会分享LLM Agent工程实践中的关键问题，例如模型选择与优化、调用成本控制、响应速度提升、Agent稳定性设计、安全权限管理以及生产环境部署方案等，帮助学员不仅能够开发Demo，更具备构建商业级AI应用的能力。

总体而言，**《大语言模型智能体（LLM Agents）5期》**是一套覆盖大模型基础、Agent架构设计、智能任务执行、知识增强、多智能体协作以及项目实战的综合课程。通过系统学习，学员能够掌握LLM Agent开发的完整技术体系，具备利用大语言模型打造智能助手、自动化系统和企业级AI应用的能力，为未来AI应用开发、智能化转型以及技术升级提供坚实基础。

课程目录：

大语言模型智能体（LLM Agents）5期/
│ ├── 科研方法论研修班/
│ │ ├── 第一节：导论和学术科研概述.mp4 (452.04 MB)
│ │ ├── 第二节：研究主题选择和问题定义.mp4 (540.47 MB)
│ │ ├── 第三节：文献综述和相关工作.mp4 (500.41 MB)
│ │ ├── 第四节：实验设计和数据收集.mp4 (468.13 MB)
│ │ ├── 第五节：算法和模型选择.mp4 (293.38 MB)
│ │ ├── 第六节：实验实施和结果分析.mp4 (322.30 MB)
│ │ ├── 第七节：论文写作和结构学术.mp4 (361.88 MB)
│ │ ├── 第八节：论文讨论和贡献.mp4 (377.20 MB)
│ │ ├── 第九节：论文修改和审稿反馈.mp4 (296.66 MB)
│ │ ├── 第十节：学术发表和学术生涯规划.mp4 (278.78 MB)
│ │ ├── 第十一节：老师点评、自我评价与答疑.mp4 (342.92 MB)
│ │ └── t.png (0.48 MB)
│ ├── 深度之眼内部学员专属代码直播课（CV方向）/
│ │ ├── 第1讲-CV基础框架.mp4 (368.34 MB)
│ │ ├── 第2讲-卷积神经网络.mp4 (373.66 MB)
│ │ ├── 第3讲-Transformer系列.mp4 (489.41 MB)
│ │ ├── 第4讲-目标检测初探.mp4 (526.34 MB)
│ │ ├── 第5讲-语义分割基础.mp4 (679.75 MB)
│ │ ├── 第6讲-视觉生成模型.mp4 (406.30 MB)
│ │ ├── 第7讲-前沿论文复现.mp4 (534.90 MB)
│ │ ├── 第8讲-模型的修改与设计.mp4 (670.16 MB)
│ │ └── t.png (0.48 MB)
│ └── 深度之眼内部学员专属代码直播课（NLP方向）/
│ │ ├── 第1讲-科研代码开发与环境配置.mp4 (540.01 MB)
│ │ ├── 第2讲-PyTorch 与 Transformer 基础.mp4 (318.21 MB)
│ │ ├── 第3讲-大语言模型基础.mp4 (444.04 MB)
│ │ ├── 第4讲-Prompt 工程.mp4 (307.42 MB)
│ │ ├── 第5讲-构建 RAG 应用.mp4 (314.48 MB)
│ │ ├── 第6讲-大语言模型的微调.mp4 (388.77 MB)
│ │ ├── 第7讲-大语言模型评估.mp4 (262.90 MB)
│ │ ├── 第8讲-复现同行工作.mp4 (214.93 MB)
│ │ ├── 第9讲-科研代码开源规范.mp4 (202.08 MB)
│ │ ├── 第10讲-LaTeX 语法 & Overleaf使用基础.mp4 (69.54 MB)
│ │ └── 深度之眼内部学员专属代码直播课（NLP方向）资料.zip (1.83 MB)