===============课程介绍===============

首先，学员将了解AI Agent需要解决的关键问题，并探索智能体在不同任务中的应用场景。接着，课程重点分析如何通过API调用来扩展智能体的功能，包括如何配置和调用外部API来增强智能体的智能与效率。学员将通过实际案例，学习如何在后端部署GPT项目，并配置前端API和流程图，实现智能体的完整业务流程。

课程的后期部分深入探讨了经典任务的应用与执行流程，学员将通过详细的示范，学习如何将理论转化为实际项目，解决实际问题，掌握智能体的工作原理与实现路径。通过完成这些项目实战，学员不仅能理解Agent的构建流程，还能够根据实际需求调整和优化项目架构。

===============课程目录===============

├─001-课程介绍.mp4
├─002-1-Agent要解决的问题分析.mp4
├─003-2-Agent需要具备的基本能力.mp4
├─004-3-与大模型的关系分析.mp4
├─005-4-多智能体定义分析.mp4
├─006-5-框架的作用和能解决的问题.mp4
├─007-6-整体总结分析.mp4
├─008-7-GPTS分析一波.mp4
├─009-8-经典任务分析.mp4
├─010-1-GPTS任务流程概述分析.mp4
├─011-2-调用API的控制方式.mp4
├─012-3-API相关配置完成.mp4
├─013-4-完成指令与脚本并生成.mp4
├─014-1-DEMO演示与整体架构分析.mp4
├─015-2-后端GPT项目部署启动.mp4
├─016-3-前端助手API与流程图配置.mp4
├─017-4-接入外部API的方法与流程.mp4
├─018-5-GPT中加入外部API调用方法.mp4
├─019-6-指令提示构建.mp4
├─020-1-论文概述分析.mp4
├─021-2-整体框架逻辑介绍.mp4
├─022-3-项目环境配置.mp4
├─023-4-基础解读-动作定义方式.mp4
├─024-5-基础解读-角色定义.mp4
├─025-6-单动作智能体实现方法.mp4
├─026-7-多动作配置方法.mp4
├─027-8-定时器任务环境配置.mp4
├─028-9-定时器任务流程解读分析.mp4
├─029-0-基本Agent的组成.mp4
├─030-1-Agent要完成的任务和业务逻辑定义.mp4
├─031-2-问题拆解与执行流程.mp4
├─032-3-检索得到重要的URL.mp4
├─033-4-子问题生成总结结果.mp4
├─034-5-总结与结果输出.mp4
├─035-1-RAG要完成的任务解读.mp4
├─036-2-RAG整体流程解读.mp4
├─037-3-召回优化策略分析.mp4
├─038-4-召回改进方案解读.mp4
├─039-5-评估工具RAGAS.mp4
├─040-6-外接本地数据库工具.mp4
├─041-1-整体故事解读.mp4
├─042-2-要解决的问题和整体框架分析.mp4
├─043-3-论文基本框架分析.mp4
├─044-4-Agent的记忆信息.mp4
├─045-5-感知与反思模块构建流程.mp4
├─046-6-计划模块实现细节.mp4
├─047-7-整体流程框架图.mp4
├─048-8-感知模块解读.mp4
├─049-9-思考模块解读.mp4
├─050-10-项目环境配置方法解读.mp4
├─051-1-langchain框架解读.mp4
├─052-2-基本API调用方法.mp4
├─053-3-数据文档切分操作.mp4
├─054-4-样本索引与向量构建.mp4
├─055-5-数据切块方法.mp4
├─056-1-MOE概述分析.mp4
├─057-2-MOE模块实现方法解读.mp4
├─058-3-效果分析与总结.mp4
├─059-1-大模型如何做下游任务.mp4
├─060-2-LLM落地微调分析.mp4
├─061-3-LLAMA与LORA介绍.mp4
├─062-4-LORA微调的核心思想.mp4
├─063-5-LORA模型实现细节.mp4
├─064-1-提示工程的作用.mp4
├─065-2-项目数据解读.mp4
├─066-3-源码调用DEBUG解读.mp4
├─067-4-训练流程演示.mp4
├─068-5-效果演示与总结分析.mp4
├─069-1-RAG与微调可以解决与无法解决的问题.mp4
├─070-2-RAG实践策略.mp4
├─071-3-微调要解决的问题.mp4