这门课的名字里有「从零到一」，但真正值得先想清楚的是：你现在的缺口到底在哪儿。是没写过一行调用大模型的代码，还是能调通接口、却一遇到多轮任务、工具调用、多智能体协作就不知道从哪下手？这门课的内容落点偏后者——它花了不少篇幅在 Agent 这个概念的拆解上，而不是停在大模型 API 怎么传参。

先确认一件事：Agent 不等于「大模型套壳」

课程开头几节就在追问同一个问题：Agent 到底要解决什么，它和大模型是什么关系。这不是概念科普，而是决定后面怎么写代码的分水岭。如果你把 Agent 理解成「提示词写得好一点」，那多智能体、任务拆解、工具编排这些内容你会听得很别扭；反过来，如果你已经隐约感觉到大模型单次问答的能力边界在哪——它记不住、不能自己查、不能可靠地分步执行——那这门课的推进节奏会比较顺。

配套要能回答的问题：一个 Agent 相比一次普通的模型调用，多出来的那部分是什么？它需要具备哪些基本能力才算「像个 Agent」？

多智能体不是把 Agent 复制几份

课程里单独有一节讲多智能体的定义。这一块最容易踩的坑是：以为多开几个 Agent 就叫多智能体系统。实际要处理的是角色怎么分、信息怎么传、谁来做最终决策、失败了怎么收敛。看完这部分，你至少应该能判断一个任务值不值得拆成多个智能体，而不是为了架构好看硬拆。

这一节适合带着自己的场景去听：你手上有没有那种单 Agent 做起来上下文爆炸、职责混乱的任务？如果有，对照着看会更容易理解多智能体的边界。

GPTS 这条线：从任务流程到落地细节

后半段围绕 GPTS 展开，先讲任务流程概述，再逐层分析，最后有一节经典任务分析和整体总结。这条线的价值在于它把「一个 AI 应用从需求到跑通」的过程摊开了，而不是只给你一个能跑的 demo。任务流程怎么设计、哪些环节该交给模型、哪些该用确定性代码兜住，这些判断在真实项目里比会调 API 重要得多。

建议的练习方式：不要只看它演示的那个任务，换成你自己熟悉的一个小场景——比如把一堆非结构化文本整理成固定格式，或者做一个需要多步查询再汇总的助手——按课程里的流程重新走一遍。走不通的地方，往往就是你真正的能力缺口。

看完之后，你应该能回答这些问题

Agent 和大模型之间是什么关系，Agent 多出来的能力是哪几块？
什么情况下该用多智能体，什么情况下单 Agent 加工具就够了？
一个 AI 应用的任务流程里，哪些步骤必须用确定性逻辑，不能全丢给模型？
课程里分析的那个经典任务，如果换一个领域，流程哪些部分要改、哪些可以复用？
从「能跑通」到「能用」，中间还差哪些处理？

如果这些问题你现在答不上来，那这门课的路径对你是合适的；如果你已经能答出一半，建议直接跳到多智能体和 GPTS 那几节，把时间花在还没想透的地方。别从头到尾假装什么都会。

【51CTO-35483】从零到一打造爆炸式AI智能应用（应用分析+项目实践）

AI智能应用实战教程

编辑点评

系统讲解AI智能应用开发，从理论到实践，助你掌握爆炸式AI应用打造。

⭐ 编辑推荐

本课程从零开始，深入浅出地讲解AI智能应用开发，涵盖项目实践、应用分析等，适合AI爱好者及开发者。

课程亮点

• AI智能应用实战

• 项目实践

• 系统讲解

课程目录

42_9-思考模块解读.mp4  [27.7 MB]
6_6-整体总结分析.mp4  [31.7 MB]
28_1-RAG要完成的任务解读.mp4  [15.4 MB]
39_6-计划模块实现细节.mp4  [45.5 MB]
48_5-数据切块方法.mp4  [49.5 MB]
61_5-效果演示与总结分析.mp4  [33.1 MB]
35_2-要解决的问题和整体框架分析.mp4  [50.1 MB]
47_4-样本索引与向量构建.mp4  [41.6 MB]
14_2-后端GPT项目部署启动.mp4  [72.7 MB]
58_2-项目数据解读.mp4  [43.7 MB]
63_2-RAG实践策略.mp4  [17.2 MB]
22_0-基本Agent的组成.mp4  [56.4 MB]
31_4-召回改进方案解读.mp4  [24.6 MB]
1_1-Agent要解决的问题分析.mp4  [36.5 MB]
53_2-LLM落地微调分析.mp4  [35.1 MB]
21_3-项目环境配置.mp4  [67.1 MB]
13_1-DEMO演示与整体架构分析.mp4  [89.5 MB]
18_6-指令提示构建.mp4  [29.3 MB]
59_3-源码调用DEBUG解读.mp4  [41.0 MB]
57_1-提示工程的作用.mp4  [37.3 MB]
54_3-LLAMA与LORA介绍.mp4  [29.3 MB]
45_2-基本API调用方法.mp4  [44.7 MB]
52_1-大模型如何做下游任务.mp4  [30.0 MB]
49_1-MOE概述分析.mp4  [21.1 MB]
19_1-论文概述分析.mp4  [41.6 MB]
11_3-API相关配置完成.mp4  [37.4 MB]
4_4-多智能体定义分析.mp4  [45.3 MB]
33_6-外接本地数据库工具.mp4  [17.0 MB]
60_4-训练流程演示.mp4  [52.7 MB]
12_4-完成指令与脚本并生成.mp4  [57.2 MB]
2_2-Agent需要具备的基本能力.mp4  [35.6 MB]
8_8-经典任务分析.mp4  [40.2 MB]
10_2-调用API的控制方式.mp4  [31.0 MB]
36_3-论文基本框架分析.mp4  [70.7 MB]
3_3-与大模型的关系分析.mp4  [49.8 MB]
25_3-检索得到重要的URL.mp4  [38.4 MB]
15_3-前端助手API与流程图配置.mp4  [80.8 MB]
41_8-感知模块解读.mp4  [30.0 MB]
46_3-数据文档切分操作.mp4  [44.6 MB]
34_1-整体故事解读.mp4  [38.2 MB]
20_2-整体框架逻辑介绍.mp4  [59.0 MB]
26_4-子问题生成总结结果.mp4  [52.0 MB]
29_2-RAG整体流程解读.mp4  [17.7 MB]
9_1-GPTS任务流程概述分析.mp4  [58.0 MB]
64_3-微调要解决的问题.mp4  [14.0 MB]
43_10-项目环境配置方法解读.mp4  [44.6 MB]
56_5-LORA模型实现细节.mp4  [40.6 MB]
40_7-整体流程框架图.mp4  [32.3 MB]
17_5-引入API方法解读.mp4  [52.7 MB]
38_5-感知与反思模块构建流程.mp4  [39.4 MB]
7_7-GPTS分析一波.mp4  [47.4 MB]
62_1-RAG与微调可以解决与无法解决的问题.mp4  [21.1 MB]
23_1-Agent要完成的任务和业务逻辑定义.mp4  [59.1 MB]
30_3-召回优化策略分析.mp4  [18.1 MB]
37_4-Agent的记忆信息.mp4  [41.0 MB]
24_2-问题拆解与执行流程.mp4  [85.1 MB]
16_4-接入外部API的方法与流程.mp4  [59.0 MB]
5_5-框架的作用和能解决的问题.mp4  [68.2 MB]
44_1-langchain框架解读.mp4  [22.5 MB]
32_5-评估工具RAGAS.mp4  [40.8 MB]
51_3-效果分析与总结.mp4  [42.9 MB]
27_5-总结与结果输出.mp4  [25.3 MB]
50_2-MOE模块实现方法解读.mp4  [30.2 MB]
55_4-LORA微调的核心思想.mp4  [21.9 MB]