-
学习时长
8周/建议每周至少6小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
课程配有作业/助教1V1批改
-
课程有效期
一年/告别拖延，温故知新
- 第1章: 大模型与Agent入门
- 第1节: Transformer原理讲解
- 第2节: LLM模型结构发展：从稠密模型(Dense)到混合专家(MoE)
- 第3节: LLM微调技术解读
- 第4节: 强化学习（RL）在大模型后训练中的应用
- 第5节: 实践：LazyLLM介绍与实验环境搭建
- 第6节: 实践：搭建基于LazyLLM的聊天机器人
- 第2章: 提示词与ReAct基础
- 第1节: 提示词工程Prompt Engineering
- 第2节: 主流LLM应用介绍与对比
- 第3节: AI Agent概述
- 第4节: Prompt Engineering提示词工程实践
- 第5节: 基于LazyLLM实现ReAct Agent
- 第3章: 朴素RAG搭建与评估
- 第1节: RAG技术简介
- 第2节: RAG技术演进
- 第3节: 基于LazyLLM搭建一个Naive RAG
- 第4节: RAG系统评估
- 第4章: RAG深度优化
- 第1节: 检索优化
- 第2节: 召回优化
- 第3节: 生成优化
- 第4节: 高性能向量库优化
- 第5节: 多路召回与精排
- 第6节: 查询重写
- 第5章: MCP入门与Agent协议
- 第1节: 模型上下文协议（MCP）
- 第2节: Agent应用中其他协议串讲
- 第3节: MCP依赖环境安装
- 第4节: 基于FastMCP快速搭建自己的MCP Server
- 第5节: 使用LazyLLM一键部署MCP，构建使用MCP的Agent
- 第6章: DeepResearch复现
- 第1节: 什么是DeepResearch
- 第2节: Deep Research应用拆解
- 第3节: 实践准备：复现思路
- 第4节: 配备需要使用的工具
- 第5节: 构建plan Agent
- 第6节: 构建search Agent
- 第7节: 应用组装和效果测试
- 第7章: 多Agent架构与常用工具集成
- 第1节: 多智能体设计理念与挑战
- 第2节: 智能体记忆管理技术
- 第3节: Agent Benchmark：智能体应用评估标准
- 第4节: 面向Agent的模型优化思路
- 第5节: 多智能体系常用工具集成
- 第8章: 通用智能体Manus类应用实现
- 第1节: 通用智能体Manus类应用精讲
- 第2节: Plan-and-Solve类多智能体框架
- 第3节: 课程总结与复盘
实践项目一：使用LazyLLM实现知识库问答系统
使用LazyLLM搭建知识库问答系统，掌握RAG系统的评估体系与优化策略
实践项目二：Agent调用MCP工具浏览网页并生成总结
搭建Agent应用，部署并调用MCP Server，实现浏览器调用与内容总结
实践项目三：报告撰写智能助手
实现一个能够根据主题主动规划、搜索、撰写报告的智能体应用
