2025爆火AI Agent智能应用从0到1(应用解读+项目实战)

2025爆火AI Agent智能应用从0到1(应用解读+项目实战)资源介绍:

AI最火Agent系列从零开始手把手演示如何利用Agent构建各种场景应用，通俗解读其所需知识点，基于现有GPT大模型进行应用实战，将自己业务场景的经验总结成标准化的Agent执行流程，集成外部各种API工具来打造你的专属代理。

资源目录:

第1章Agent架构解读与应用分析(1小时8节)
1-1

1-Agent要解决的问题分析

 

[09:05]
1-2

2-Agent需要具备的基本能力

 

[08:19]
1-3

3-与大模型的关系分析

[06:37]
1-4

4-多智能体定义分析

[06:02]
1-5

5-框架的作用和能解决的问题

[09:04]
1-6

6-整体总结分析

[04:12]
1-7

7-GPTS分析一波

[08:36]
1-8

8-经典任务分析

[08:31]
第2章COZE智能体搭建框架基本使用(22分钟2节)
2-1

1-COZE的基本使用解读与说明

[10:08]
2-2

2-工作流中大模型的使用方法

[12:40]
第3章COZE打造资料搜集与报告整理智能体(35分钟4节)
3-1

1-数据查找配置

 

[09:48]
3-2

2-读取新闻内容并整理报告

[10:43]
3-3

3-循环的配置与中间变量的作用

[13:44]
3-4

4-循环体注意事项更新

[01:01]
第4章COZE中配置自己的插件(34分钟3节)
4-1

1-插件的基本配置方法

[11:00]
4-2

2-输入输出参数配置方法

[09:09]
4-3

3-再工作流中配置自己的插件并使用

[14:35]
第5章COZE结合飞书表格办公(56分钟6节)
5-1

1-DEMO演示与基本流程分析

[10:14]
5-2

2-表格填入模块解读

[10:15]
5-3

3-表格的输入与输出

[08:51]
5-4

4-查找与匹配的方法

[08:58]
5-5

5-全局变量设置方法

[08:48]
5-6

6-智能体测试应用

[09:42]
第6章 使用Coze动手做自己的Agent (42分钟 5节)
6-1

1-扣子开发平台实例解读

[07:23]
6-2

2-技能测试与插件创建实例

[08:40]
6-3

3-配置好自己的DIY技能

[07:30]
6-4

4-工作流的基本配置流程和方法

[10:19]
6-5

5-自己DIY的Agent测试与发布

[08:59]
第7章 COZE打造自己的文案生成助手 (30分钟 3节)
7-1

1-产品功能与需求分析

[06:45]
7-2

2-文案助手的工作流程设计

[11:06]
7-3

3-配置插件与测试效果

[12:44]
第8章 GPTS打造Agent实战 (33分钟 4节)
8-1

1-GPTS任务流程概述分析

 

[10:07]
8-2

2-调用API的控制方式

[06:16]
8-3

3-API相关配置完成

[06:50]
8-4

4-完成指令与脚本并生成

[09:52]
第9章 打造自己领域专属客服 (1小时7分钟 6节)
9-1

1-DEMO演示与整体架构分析

[16:03]
9-2

2-后端GPT项目部署启动

[12:27]
9-3

3-前端助手API与流程图配置

[13:42]
9-4

4-接入外部API的方法与流程

[10:55]
9-5

5-引入API方法解读

[09:04]
9-6

6-指令提示构建

[05:03]
第10章 autogen框架实战 (2小时30分钟 18节)
10-1

0-Python环境说明

[12:14]
10-2

1-AutoGenStudio框架安装与介绍

[08:21]
10-3

2-动作API配置方法

[07:54]
10-4

3-国内常用API配置方法

[07:02]
10-5

4-API接口在线测试

[06:23]
10-6

5-工作流配置

[07:04]
10-7

6-执行流程与结果

[05:48]
10-8

API生成方法

[08:03]
10-9

GroupChat模块

[08:09]
10-10

执行流程分析

[05:35]
10-11

外接本地支持库配置方法

[13:25]
10-12

加入RAG技能

[05:32]
10-13

LMStudio本地下载部署模型

[09:40]
10-14

调用本地模型方法与配置

[09:44]
10-15

AutogenStudio本地化部署流程

[09:39]
10-16

本地化部署接入应用实例

[11:32]
10-17

Ollama环境配置与安装

[06:50]
10-18

autogen接入本地模型

[07:09]
第11章 metaGpt框架解读 (30分钟 3节)
11-1

1-论文概述分析

[08:00]
11-2

2-整体框架逻辑介绍

[10:47]
11-3

3-项目环境配置

[11:38]
第12章 metaGpt应用实战-网上调研资料 (54分钟 6节)
12-1

0-基本Agent的组成

[10:01]
12-2

1-Agent要完成的任务和业务逻辑定义

[10:12]
12-3

2-问题拆解与执行流程

[14:43]
12-4

3-检索得到重要的URL

[06:37]
12-5

4-子问题生成总结结果

[08:37]
12-6

5-总结与结果输出

[04:13]
第13章 RAG检索架构分析与应用 (44分钟 6节)
13-1

1-RAG要完成的任务解读

[07:12]
13-2

2-RAG整体流程解读

[08:07]
13-3

3-召回优化策略分析

[08:10]
13-4

4-召回改进方案解读

[09:12]
13-5

5-评估工具RAGAS

[09:01]
13-6

6-外接本地数据库工具

[03:10]
第14章 斯坦福AI小镇架构与项目解读 (1小时11分钟 10节)
14-1

1-整体故事解读

[06:27]
14-2

2-要解决的问题和整体框架分析

[08:30]
14-3

3-论文基本框架分析

[12:00]
14-4

4-Agent的记忆信息

[07:26]
14-5

5-感知与反思模块构建流程

[07:02]
14-6

6-计划模块实现细节

[07:40]
14-7

7-整体流程框架图

[05:30]
14-8

8-感知模块解读

[05:12]
14-9

9-思考模块解读

[04:33]
14-10

10-项目环境配置方法解读

[07:36]
第15章 langchain工具实例 (49分钟 5节)
15-1

1-langchain框架解读

[09:18]
15-2

2-基本API调用方法

[10:25]
15-3

3-数据文档切分操作

[10:25]
15-4

4-样本索引与向量构建

[10:02]
15-5

5-数据切块方法

[09:37]
第16章 MOE多专家系统 (24分钟 3节)
16-1

1-MOE概述分析

[06:29]
16-2

2-MOE模块实现方法解读

[08:42]
16-3

3-效果分析与总结

[09:20]
第17章 LLM与LORA微调策略解读 (1小时2分钟 5节)
17-1

1-大模型如何做下游任务

[10:16]
17-2

2-LLM落地微调分析

[14:00]
17-3

3-LLAMA与LORA介绍

[12:20]
17-4

4-LORA微调的核心思想

[09:13]
17-5

5-LORA模型实现细节

[16:46]
第18章 LLM下游任务训练自己模型实战 (57分钟 5节)
18-1

1-提示工程的作用

[14:46]
18-2

2-项目数据解读

[09:42]
18-3

3-源码调用DEBUG解读

[10:24]
18-4

4-训练流程演示

[12:00]
18-5

5-效果演示与总结分析

[10:17]
第19章 OPENAI-LLM模型优化总结 (25分钟 3节)
19-1

1-RAG与微调可以解决与无法解决的问题

[10:05]
19-2

2-RAG实践策略

[08:30]
19-3

3-微调要解决的问题

[06:42]
第20章 llama3应用实战 (1小时15分钟 7节)
20-1

1-llama3模型下载与配置安装

[10:16]
20-2

2-环境相关配置解读

[07:57]
20-3

3-工具调用流程拆解

[10:16]
20-4

4-功能调用方法实例

[14:03]
20-5

5-RAG环境配置搭建

[10:49]
20-6

6-LLAMA3应用-RAG搭建方法

[11:33]
20-7

7-RAG基本流程分析

[10:42]
第21章 llama3微调-量化-部署 (1小时1分钟 6节)
21-1

1-LORA微调方法

[09:39]
21-2

2-指令微调所需数据与模型下载

[09:55]
21-3

3-llama3模型微调实例

[12:40]
21-4

4-llama3微调后进行量化

[10:07]
21-5

5-llama.cpp量化实例

[08:04]
21-6

6-部署应用

[11:32]
第22章 计算机视觉项目实例 (46分钟 5节)
22-1

1-项目需求分析流程

[06:15]
22-2

2-数据与特征库准备

[10:21]
22-3

3-模型准备与项目分析

[10:07]
22-4

4-模型选择方法总结

[08:39]
22-5

5-项目经验总结与优化方法

[10:43]
第23章 数据挖掘项目流程实例 (45分钟 5节)
23-1

1-数据挖掘要解决的问题

[06:14]
23-2

2-数据处理与清洗分析

[08:59]
23-3

3-特征工程的作用与流程

[11:02]
23-4

4-机器学习算法分析

[10:07]
23-5

5-模板到哪去找

[09:22]
第24章 自然语言处理项目流程 (57分钟 5节)
24-1

1-知识图谱要解决的问题与流程分析

[11:31]
24-2

2-知识图谱项目实际应用分析

[13:13]
24-3

3-知识图谱实战应用项目解读

[09:37]
24-4

4-大模型要解决的问题和应用分析

[14:17]
24-5

5-工具总结分析

[08:23]