课程定位：从概念理解到工程落地

这门课解决的核心问题是：开发者如何从“会调用大模型 API”进阶到“能构建具备自主决策能力的智能 Agent 系统”。很多学习者卡在 RAG（检索增强生成）和微调这两个概念上，分不清何时该查库、何时该改参数。本课程通过思维导图和架构分析，先理清 Agent 的基本能力、多智能体定义及框架选型逻辑，再深入 LangChain 的文档切分、向量索引构建等底层操作，最后结合 LLaMA 与 LoRA 微调技术，打通从数据处理到模型适配的全链路。

适合基础：已掌握 Python 编程，了解大模型基本原理，但缺乏 Agent 项目实战经验的后端开发或转岗学习者。无需深入算法背景，重点在于工程实现与工具链使用。

学习路径与练习配合

建议先看的部分：Part 1 的前 6 个视频，建立 Agent 宏观认知；随后立即动手 Part 2 的 LangChain 基础，重点练习数据文档切分与向量构建，这是 RAG 的基石。接着进入 Part 3 提示工程与微调实战，对照源码进行 debug，理解训练流程。最后通过 Part 4 的 GPTs 部署项目，将前后端 API 配置、外部工具接入串联起来，完成一个可运行的智能助手。

学完能独立做什么：能够设计并部署基于 LangChain 的智能 Agent，实现复杂任务的自动分解与执行；掌握 RAG 系统的搭建与优化策略，解决大模型幻觉问题；理解微调（Fine-tuning）与 LoRA 技术的应用场景，能对垂类模型进行低成本适配；具备从需求分析、数据预处理到模型微调、API 集成的完整后端交付能力。

资料配合：课程配套了基本的 LangChain 使用示例、Huatuo-Llama-Med-Chinese 医疗领域微调数据集以及大模型原理 PDF。练习时务必对照源码理解提示词构建细节，并在微调环节复现训练流程，观察效果变化，避免只看不练。

课程目录

PART1
1-Agent要解决的问题分析.mp4 16.39M
2-Agent需要具备的基本能力.mp4 16.19M
3-与大模型的关系分析.mp4 14.12M
4-多智能体定义分析.mp4 13.26M
5-框架的作用和能解决的问题.mp4 20.32M
6-整体总结分析.mp4 9.79M
7-GPTS分析一波.mp4 24.34M
8-经典任务分析.mp4 21.12M
Agent思维导图.pdf 78.27kb
课程介绍.mp4 110.72M
1-langchain框架解读.mp4 15.87M
2-基本API调用方法.mp4 32.59M
3-数据文档切分操作.mp4 29.30M
4-样本索引与向量构建.mp4 35.13M
5-数据切块方法.mp4 32.15M
基本使用.rar 12.29M
1-大模型如何做下游任务.mp4 23.10M
2-LLM落地微调分析.mp4 28.27M
3-LLAMA与Lora介绍.mp4 22.19M
4-Lora与微调的核心思想.mp4 16.97M
5-Lora模型实现细节.mp4 30.26M
大模型.pdf 1.37M
1-提示工程的作用.mp4 32.02M
2-项目数据解读.mp4 33.13M
3-源码调用debug解读.mp4 29.31M
4-训练流程演示.mp4 36.44M
5-效果演示与总结分析.mp4 25.65M
Huatuo-Llama-Med-Chinese-main.zip 44.74M
1-RAG与微调可以解决和无法解决的问题.mp4 16.26M
2-RAG实践策略.mp4 13.52M
3-微调要解决的问题.mp4 12.21M
1-GPTS任务流程概述分析.mp4 39.00M
2-调用API的控制方式.mp4 17.15M
3-API相关配置完成.mp4 23.28M
4-完成指令与脚本并生成.mp4 39.52M
1-Demo演示与整体架构分析.mp4 49.59M
2-后端GPT项目部署启动.mp4 41.39M
3-前端助手API与流程图配置.mp4 45.90M
4-接入外部API的方法与流程.mp4 33.60M
5-引入API的方法解读.mp4 38.00M
6-指令提示构建.mp4 20.19M
Agent客服.rar 5.16M
1-AutoGenStudio框架安装与介绍.mp4 22.50M
2-动作API配置方法.mp4 21.71M
3-国内常用API配置方法.mp4 19.05M
4-API接口在线测试.mp4 16.95M
5-工作流配置.mp4 22.90M
6-执行流程与结果.mp4 22.69M
7-Ollama环境配置与安装.mp4 18.75M
8-autogen接入本地模型.mp4 25.65M
rag_skill.rar 48.36kb
examples.rar 243.35kb
MetaGPT-main.zip 6.97M
metaGpt.pdf 15.91M
0-RAG要完成的任务解读.mp4 11.56M
1-RAG整体流程解读.mp4 14.34M
2-RAG整体流程解读.mp4 13.87M
3-召回优化策略分析.mp4 13.87M
4-召回改进方案解读.mp4 17.49M
5-评估工具RAGAS.mp4 25.33M
6-外接本地数据库工具.mp4 14.83M
RAG.pdf 106.13kb
1-整体故事解读.mp4 29.06M
10-项目环境配置方法解读.mp4 31.47M
2-要解决的问题和整体框架分析.mp4 40.91M
3-论文基本框架分析.mp4 69.51M
4-Agent的记忆信息.mp4 52.95M
5-感知与反思模块构建流程.mp4 16.43M
6-计划模块实现细节.mp4 24.10M
7-整体流程框架图.mp4 15.47M
8-感知模块解读.mp4 32.00M
9-思考模块解读.mp4 35.81M
斯坦福AI小镇.pdf 84.83kb
斯坦福小镇论文.pdf 11.37M
1-项目介绍与配置.mp4 32.29M
2-源码实现流程解读.mp4 32.57M
3-结果返回流程.mp4 20.98M
1-API生成方法.mp4 20.94M
10-Ollama环境配置与安装.mp4 18.66M