首页 实战
收藏

AI Agent智能应用从0到1定制开发

基于AI火爆框架Langchain与LLM，赋能各领域企业轻松具备符合自身业务的智能化能力

已完结
|
难度：中级
|
时长：共 25 小时
￥368.00
距离活动结束
报名人数已满
已有 1285 人在学
  • AI Agent智能化解决方案与实
  • AI定制化开发框架LangChain
  • 从0到1定制符合企业智能应用
  • 运用AI倍数提升个人与团队效
  • 企业级AI Agent标准与全流程
  • 掌握先进技术领先成为抢手人
试看本节课 21:46
试看本节课 09:42
试看本节课 10:43
1-1 深入了解课程，让你少走弯路，必看！！！
1-2 带你快速了解大语言模型(LLM)基础与发展
1-4 大模型的不足以及主要解决方案
AI Agent已成为企业在构建智能化的定制化需求、解决特定问题、提升竞争力、创造新商业机会的关键。无论你是否是LLM领域的开发者，都非常值得领先学习。本课程将带你从零开始掌握一套能满足不同业务场景的智能化解决方案，并手把手带你打通从需求分析、项目设计、开发、部署、优化等核心环节，让你借助Langchain与LLM的强大能力，轻松集成专业知识库与外部API工具，高效打造精准解决企业定制化、智能化AI Agent。另外，课程中为你分享了主流行业案例和实践经验，帮你分析AI原生应用时代程序员的职业发展路径，助力提升你的综合能力和竞争力，先人一步成为AI 时代下的抢手人才。
展开所有

本章介绍：

本章将带您了解LLM的发展历程、主流模型及其特点，同时探讨LLM的不足之处及微调与langchain等解决方案。还将初探AIGC行业，为您解析行业全貌。对于传统开发者，提供转型建议。通过虚拟项目实践，您将学习如何运用LLM技术解决实际问题。最终，本课程旨在助您站在行业前沿，为职业发展做好准备。

第1章 多模型强应用：AI2.0时代应用开发者机会
7 节｜90分钟
展开
  • 视频：
    1-1 深入了解课程，让你少走弯路，必看！！！
    试看
    21:46
  • 视频：
    1-2 带你快速了解大语言模型(LLM)基础与发展
    试看
    09:42
  • 视频：
    1-3 国内外主要LLM及特点介绍
    10:16
  • 视频：
    1-4 大模型的不足以及主要解决方案
    试看
    10:43
  • 视频：
    1-5 AIGC产业拆解以及常见名词解释
    13:14
  • 视频：
    1-6 应用级开发者如何拥抱AI2.0时代？
    17:07
  • 视频：
    1-7 智能体(agent)命理大师虚拟项目（需求分析、技术选型、技术分解）
    06:13

本章介绍：

LangChain是一款具备链接大模型、标准化接口和工具链整合特性的AI应用开发框架。本章通过环境搭建和代码实例，展示了如何实现AI应用的端到端开发。尽管LangChain存在学习曲线较高、文档不完善和版本变化大的挑战，但其多模型调用、轻量级SDK和多模态支持等优势，有助于提升AI应用的开发效率。

第2章 【全新版】初识langchain：LLM大模型与AI应用的“粘合剂”
8 节｜61分钟
收起
  • 图文：
    2-1 ***本课程更新升级说明***
  • 视频：
    2-2 本章介绍
    02:35
  • 视频：
    2-3 langchain是什么以及发展过程
    05:52
  • 视频：
    2-4 langchain能做什么和能力一览
    11:57
  • 视频：
    2-5 langchain的优势与劣势分析
    07:30
  • 视频：
    2-6 langchain使用环境的搭建
    15:30
  • 视频：
    2-7 先跑起来：第一个实例，了解langchain的基本模块
    15:24
  • 视频：
    2-8 本章总结
    01:56

本章介绍：

本章探讨了LangChain大模型组件的核心技术架构和实践应用，重点介绍了大模型API的统一封装方案，包括chat models和LLMs两种主要范式，以及标准事件系统的实现。同时覆盖了上下文管理、缓存机制和工具调用等关键技术要点，为开发者提供了完整的大模型应用开发框架。

第3章 【全新版】ChatModels：磨平不同LLM的差异
8 节｜101分钟
收起
  • 视频：
    3-1 本章介绍
    02:59
  • 视频：
    3-2 LangChain核心组件：LLMs与ChatModels
    13:26
  • 视频：
    3-3 LangChain使用标准事件驱动大模型
    33:16
  • 视频：
    3-4 tokens与上下文交互窗口
    15:21
  • 视频：
    3-5 模型异常处理与缓存机制
    07:06
  • 视频：
    3-6 如何配合本地大模型？模型Token usage的花费？
    13:38
  • 视频：
    3-7 大模型的Tool Call工具调用能力：先进大模型的标配
    13:04
  • 视频：
    3-8 练一练：使用某个大模型来驱动事件
    02:04

本章介绍：

本章聚焦LangChain中提示词工程的核心理念和技术实现，重点介绍了提示词模板系统的设计原理，包括字符串模板和对话型模板的技术特点，以及推理增强技术的应用。同时覆盖了动态示例选择机制和LangSmith生态工具的集成应用，为开发者提供了完整的提示词工程解决方案。

第4章 【全新版】PromptTemple: 提示词工程在LangChain中的实践
16 节｜100分钟
展开
  • 视频：
    4-1 本章介绍
    01:40
  • 视频：
    4-2 提示词：大模型工作的核心部件
    05:49
  • 视频：
    4-3 prompts模板：大模型推理的关键
    04:25
  • 视频：
    4-4 五种prompts模板实战：字符串模板应用
    04:27
  • 视频：
    4-5 五种prompts模板实战：对话模板应用
    04:25
  • 视频：
    4-6 五种prompts模板实战：消息占位符应用
    03:42
  • 视频：
    4-7 五种prompts模板实战：使用Message组合模板
    03:32
  • 视频：
    4-8 五种prompts模板实战：自定义模板应用
    10:14
  • 视频：
    4-9 Few Shot：提供推理质量的常见方式
    12:45
  • 视频：
    4-10 示例选择器- 根据长度动态选择提示词示例
    12:53
  • 视频：
    4-11 示例选择器-根据语义相似度选择提示词示例
    05:50
  • 视频：
    4-12 示例选择器- MMR与最大余弦相似度选择示例
    06:25
  • 视频：
    4-13 使用Partial实战部分格式化效果
    05:56
  • 视频：
    4-14 langchain hub加载提示词管理
    12:46
  • 视频：
    4-15 练一练：使用langchain hub加载提示词模板
    01:36
  • 视频：
    4-16 本章总结
    03:02

本章介绍：

本章介绍了AI大模型应用中输出解析器的核心技术和应用价值，重点阐述了将非结构化文本转换为结构化数据的关键技术，包括多格式解析支持、容错机制设计，以及自定义解析器的开发方法。通过深入理解输出解析器的工作原理和应用场景，为开发者提供了一套完整的大模型输出处理解决方案。

第5章 【全新版】规范化输出：OutputParsers的关键技术
7 节｜78分钟
展开
  • 视频：
    5-1 本章介绍
    07:23
  • 视频：
    5-2 常见的输出解析器OutputParsers 一览
    12:56
  • 视频：
    5-3 文本、JSON、XML、结构化输出解析器应用（1）
    17:39
  • 视频：
    5-4 文本、JSON、XML、结构化输出解析器应用（2）
    17:06
  • 视频：
    5-5 LLM应用容错机制
    09:22
  • 视频：
    5-6 如何自定义解析器？
    10:17
  • 视频：
    5-7 本章总结
    02:38

本章介绍：

本章探讨了LangChain平台的链式开发技术和LCEL脚本语言，重点介绍了基于Runningable接口的标准化组件通信方案，以及LCEL在链式开发中的核心概念和技术实现。通过流式调用、并行执行、路由链等关键特性的讲解，展示了LCEL在复杂AI应用开发中的强大功能。

第6章 【全新版】LCEL：组件化开发的新范式
10 节｜81分钟
展开
  • 视频：
    6-1 本章介绍
    03:13
  • 视频：
    6-2 Runnable接口到底是什么？
    07:53
  • 视频：
    6-3 LCEL是什么与使用场景
    13:00
  • 视频：
    6-4 链的基本应用：使用管道操作符快速生成一条链
    05:57
  • 视频：
    6-5 链的基本应用：链的流式调用
    14:28
  • 视频：
    6-6 链的基本应用：并行运行多条链
    07:57
  • 视频：
    6-7 从老版本的chain迁移到LCEL
    05:49
  • 视频：
    6-8 链的高级应用：在链中使用函数
    13:45
  • 视频：
    6-9 链的高级应用：在链中自定义支持流输出的函数
    06:23
  • 视频：
    6-10 链的高级应用：使用RunnablePassthrough来传递值
    02:18

本章介绍：

本章深入探讨了检索增强生成（RAG）技术在AI系统中的应用。重点介绍了从文档预处理到向量存储、检索策略优化的完整技术链路，以及结构化与非结构化数据的查询处理方法。通过对比不同检索策略和调优技巧，为开发者提供了构建高效RAG系统的实践指南。同时结合ChatDoc实例，展示了一个完整的RAG系统实现。本章内容助力开发者掌握知识增强型AI系统的核心技术，深入理解RAG在现代AI应用中的重要价值

第7章 【全新版】RAG：知识增强型AI系统
22 节｜191分钟
展开
  • 视频：
    7-1 本章介绍
    04:30
  • 视频：
    7-2 RAG：检索增强生成是什么？RAG原理？
    23:07
  • 视频：
    7-3 知识（数据）预处理：让文档变得AI友好
    06:41
  • 视频：
    7-4 常见的Loader 加载器：PDF+多模态图文PDF
    07:39
  • 视频：
    7-5 常见的Loader 加载器：解析网页+CVS+ Excel
    11:02
  • 视频：
    7-6 文档切分：为什么以及如何切
    03:29
  • 视频：
    7-7 文档切分：如何基于长度+文本+文档+语义进行切片
    06:38
  • 视频：
    7-8 向量艺术：嵌入模型
    02:54
  • 视频：
    7-9 向量艺术：langChain的嵌入实现
    14:24
  • 视频：
    7-10 向量艺术：向量数据库基础
    08:53
  • 视频：
    7-11 向量艺术：Langchain 的向量库实现
    07:53
  • 视频：
    7-12 向量库实现：向量库的数据增加+删除+相似性搜索+ MMR+混合搜索
    13:43
  • 视频：
    7-13 向量艺术：检索器概念
    02:53
  • 视频：
    7-14 检索器在langChain中的实现（基本的检索器+语法搜索构建：BM25）
    08:16
  • 视频：
    7-15 查询重写：如何处理非结构化数据？
    06:55
  • 视频：
    7-16 查询重构：如何处理结构化数据？
    12:39
  • 视频：
    7-17 检索策略大比拼：找到合适你的方案
    02:51
  • 视频：
    7-18 检索调优：让RAG系统更快更准
    07:52
  • 视频：
    7-19 检索器：调优—上下文压缩+排序+相似性分数
    14:53
  • 视频：
    7-20 未来可期：RAG技术的进化之路
    09:11
  • 视频：
    7-21 动一动：ChatDoc -- 又一个简单的文档检索小助手
    12:05
  • 视频：
    7-22 本章总结
    01:37

本章介绍：

本章通过构建“小浪助手”钉钉版本，全面介绍了基于LangChain的单Agent开发实践。从项目框架搭建、Prompts设计到情感侦测，系统讲解了Agent开发的核心环节，重点展示了知识库工具的设计与检索、钉钉平台集成、持久化记忆管理等关键技术的实现，同时涵盖可观测性实现和容器化部署等工程实践要点。

第8章 【全新版】AI Agent智能体开发：“小浪助手”实战【钉钉】
持续更新

本章介绍：

本章介绍LangChain框架的发展背景，让您了解其由来与演变。接着，我们将概览LangChain的核心能力，助您快速把握其强大功能。随后，课程将探讨LangChain的适用场景及其潜在问题，助您明智选择使用时机。为了让您亲身体验LangChain的魅力，我们将指导您从账号注册、平台选择到工具安装，轻松搭建本地运行环境。最后，通过实际案例演示，您将看到LangChain的实际应用效果，直观感受其强大能力，为您后续深入学习打下坚实基础。

第9章 【老版不用看】初识langchain：LLM大模型与AI应用的粘合剂
8 节｜79分钟
展开
  • 视频：
    9-1 初始langchain：LLM大模型与AI应用的粘合剂
    03:48
  • 视频：
    9-2 langchain是什么以及发展过程
    06:32
  • 视频：
    9-3 langchain能做什么和能力一览
    06:49
  • 视频：
    9-4 langchain的优势与劣势分析
    07:55
  • 视频：
    9-5 langchain使用环境的搭建
    12:26
  • 视频：
    9-6 先跑起来：第一个实例，了解langchain的基本模块
    19:14
  • 视频：
    9-7 在线笔记本&千问资源【***必看，让你能顺利学习课程***】
    18:47
  • 视频：
    9-8 本章梳理与总结
    02:52

本章介绍：

本课程将引导你学习LangChain的核心模块，涵盖即将进行的demo实战所需的关键概念和模块。您将了解LangChain的IO概念，掌握LLM接口设计。同时，课程将详解prompts模板在LangChain中的应用，包括其关键概念和常用方式。此外，我们还将探讨LLMs与chat models的区别及使用场景，学习结构化输出、token统计等提示词相关知识。为您在LangChain实战中提供坚实的理论基础。

第10章 【老版】LangChain核心与实战：用prompts模板调教LLM的输入输出
14 节｜163分钟
展开
  • 视频：
    10-1 章节介绍
    03:03
  • 视频：
    10-2 模型IO 大语言模型的交互接口
    06:06
  • 视频：
    10-3 prompts模板：更加高级和灵活的提示词工程
    07:05
  • 视频：
    10-4 prompts实战两种主要的提示词模板
    15:16
  • 视频：
    10-5 自定义prompts模板
    08:22
  • 视频：
    10-6 两种模板引擎以及组合模板使用
    12:05
  • 视频：
    10-7 序列化模板使用
    13:37
  • 视频：
    10-8 示例选择器之根据长度动态选择提示词示例组
    20:26
  • 视频：
    10-9 示例选择器之MMR与最大余弦相似度
    17:05
  • 视频：
    10-10 langchain核心组件：LLMs vs chat models
    16:23
  • 视频：
    10-11 更好的体验：流式输出
    10:42
  • 视频：
    10-12 花销控制：token消耗追踪
    07:17
  • 视频：
    10-13 输出结构性：不止于聊天
    22:31
  • 视频：
    10-14 本章小结
    02:37

本章介绍：

本章将引导学员了解增强检索、加载器、文本切分和向量数据存储等概念，这些都是构建大模型外脑知识库不可或缺的环节。本章作为langchain的关键部分，将深入解析RAG设计，并讲解在文档加载、切分、学习中遇到的常见问题及解决方案。通过本课程的学习，学员将能够全面掌握大模型知识库的核心技术。

第11章 【老版】LangChain知识库构建与RAG：增强大模型能力，实现与各种文档对话
13 节｜174分钟
展开
  • 视频：
    11-1 本章介绍
    01:31
  • 视频：
    11-2 RAG：检索增强生成是什么？
    08:48
  • 视频：
    11-3 loader：让大模型具备实时学习的能力
    18:50
  • 视频：
    11-4 文档转换实战：文档切割
    17:37
  • 视频：
    11-5 文档转换实战：总结精炼和翻译
    11:03
  • 视频：
    11-6 Lost in the middle 长上下文精度处理问题
    19:50
  • 视频：
    11-7 文本向量化实现方式
    12:30
  • 视频：
    11-8 与AI共舞的向量数据库
    16:29
  • 视频：
    11-9 Chatdoc 又一个智能文档助手（1）
    15:23
  • 视频：
    11-10 Chatdoc 又一个智能文档助手（2）
    14:09
  • 视频：
    11-11 ChatDoc 几种检索优化的方式
    22:28
  • 视频：
    11-12 ChatDoc 与文件聊天交互
    12:12
  • 视频：
    11-13 本章小结
    02:45

本章介绍：

本章聚焦链与记忆处理，这是构建智能Agent的核心关键。我们将深入讲解四种不同内置链的区别与用法，助您根据需求灵活选择。同时，课程还将探讨各种增强记忆方法及其潜在问题，确保您在实践中能够做出明智的决策。掌握这些内容，您将能够构建出更加智能、高效的Agent，为您的应用场景增添更多可能性。

第12章 【老版】LangChain链与记忆处理：带你实现大模型记忆增强，更加智能
19 节｜285分钟
展开
  • 视频：
    12-1 本章介绍
    06:07
  • 视频：
    12-2 chains：langchain的重要组成部件
    08:05
  • 视频：
    12-3 四种基本的内置链的介绍与使用(1)
    23:31
  • 视频：
    12-4 四种基本的内置链的介绍与使用(2)
    15:02
  • 视频：
    12-5 四种基本的内置链的介绍与使用(3)
    20:12
  • 视频：
    12-6 四种基本的内置链的介绍与使用(4)
    07:35
  • 视频：
    12-7 四种基本的内置链的介绍与使用(5)
    11:13
  • 视频：
    12-8 链的不同调用方法和自定义
    23:37
  • 视频：
    12-9 四种处理文档的预制链(1)
    15:05
  • 视频：
    12-10 四种处理文档的预制链(2)
    14:55
  • 视频：
    12-11 四种文档预制链使用(3)
    17:02
  • 视频：
    12-12 四种文档预制链使用(4)
    16:05
  • 视频：
    12-13 memory工具使用(1)
    25:49
  • 视频：
    12-14 Memory工具使用(2)
    16:31
  • 视频：
    12-15 Memory工具使用(3)
    16:24
  • 视频：
    12-16 为链增加memory（1）
    19:08
  • 视频：
    12-17 为链增加memory(2)
    18:06
  • 视频：
    12-18 主要的预制链和memory工具
    05:33
  • 视频：
    12-19 本章小结
    04:20

本章介绍：

本章介绍国内LLM以及langchain0.2，从国内大模型的使用、接入方式，以及langchain0.2的基础和应用。

第13章 【老版】国内LLM以及langchain0.2【免费升级3.5小时】
14 节｜206分钟
展开
  • 视频：
    13-1 本章介绍
    03:52
  • 视频：
    13-2 常见问题：国内大模型的使用
    16:59
  • 视频：
    13-3 常见问题：大模型的选择
    26:02
  • 视频：
    13-4 常见问题：国产大模型接入方式
    08:05
  • 视频：
    13-5 常见问题：推荐解决方式
    05:32
  • 视频：
    13-6 langchain0.2版本介绍与基本使用(1)
    19:16
  • 视频：
    13-7 langchain0.2版本介绍与基本使用(2)
    09:59
  • 视频：
    13-8 langchain0.2版本介绍与基本使用(3)
    25:23
  • 视频：
    13-9 -2 langchain0.2版本介绍与基本使用(4)
    19:29
  • 视频：
    13-10 langchain0.2版本介绍与基本使用(5)
    04:07
  • 视频：
    13-11 LangGraph：基于状态机的工作流(1)
    12:13
  • 视频：
    13-12 LangGraph：基于状态机的工作流(2)
    26:58
  • 视频：
    13-13 LangGraph：基于状态机的工作流(3)
    25:06
  • 视频：
    13-14 本章小结
    02:52

本章介绍：

本章将解析Agent开发的核心概念，重点介绍Agent及callbacks的应用。通过整合前面的知识，结合实例演示，您将学习构建Agent的基本元素和方法。同时，还将涉及相关脚手架和工具的使用，助您更高效地开发智能Agent。掌握这些知识后，您将能够自信地构建出功能强大的Agent，为实际应用场景提供有力支持。

第14章 【老版】Agent核心与实践：学Agent基本开发，让大模型不止于聊天
17 节｜257分钟
展开
  • 视频：
    14-1 本章介绍
    05:19
  • 视频：
    14-2 什么是agent
    23:38
  • 视频：
    14-3 第一个agent
    14:00
  • 视频：
    14-4 几种主要的agents类型介绍（1）
    19:07
  • 视频：
    14-5 几种主要的agents类型介绍（2）
    17:49
  • 视频：
    14-6 agent中正确添加memory的方式
    19:54
  • 视频：
    14-7 如何让agent与tool共享记忆
    09:46
  • 视频：
    14-8 tool的使用
    14:58
  • 视频：
    14-9 tookit的使用.mp4
    14:28
  • 视频：
    14-10 LCEL是什么
    23:56
  • 视频：
    14-11 LCEL不同的接口实现
    10:01
  • 视频：
    14-12 LCEL里chain和prompt实现
    19:18
  • 视频：
    14-13 LCEL记忆的添加方式.mp4
    06:57
  • 视频：
    14-14 LCEL Agents的使用（1）
    15:22
  • 视频：
    14-15 LCEL Agents的使用（2）
    15:08
  • 视频：
    14-16 最佳开发实践
    24:32
  • 视频：
    14-17 本章小结
    01:52

本章介绍：

本章实战项目：开发一个具备人性化、有耳有嘴有脑有情感的智能体AI Agent。将详细讲解langchain agent项目的启动准备工作，包括所需资源、账号注册等步骤，确保您能够顺利开启智能体AI Agent的开发之旅。

第15章 【老版】AI Agent智能体开发：一步步教你搭建agent开发环境
6 节｜69分钟
展开
  • 视频：
    15-1 本章介绍
    01:44
  • 视频：
    15-2 虚拟项目demo演示
    06:24
  • 视频：
    15-3 虚拟项目产品需求分析
    19:36
  • 视频：
    15-4 虚拟项目技术架构
    05:26
  • 视频：
    15-5 项目开发环境搭建
    33:16
  • 视频：
    15-6 本章小结
    02:28

本章介绍：

本章以虚拟项目分析为起点，引导学员逐步构建API、实现主体框架，并重点深入讲解prompts与chain的应用。通过实战操作，您将全面掌握LangChain框架的关键技术，为未来的AI应用开发奠定坚实基础。

第16章 【老版】AI Agent智能体开发：API层的实现以及智能体性格和行为设计
7 节｜99分钟
展开
  • 视频：
    16-1 本章介绍
    02:39
  • 视频：
    16-2 使用fastapi搭建API层
    20:46
  • 视频：
    16-3 主Class与agent框架
    29:13
  • 视频：
    16-4 使用prompt设计agent性格与行为
    09:41
  • 视频：
    16-5 使用chain来判断输入情绪
    19:41
  • 视频：
    16-6 langserve介绍-
    13:34
  • 视频：
    16-7 本章小结
    02:28

本章介绍：

本章紧密结合项目需求，深入解析tool的实现细节，并指导您如何构建本地知识库。通过实际操作，您将学会如何高效利用LangChain框架，满足项目中的自身业务场景的具体需求，掌握Tool实现与本地知识库构建能力

第17章 【老版】AI Agent智能体开发：快速掌握tool以及向量数据库使用
8 节｜110分钟
展开
  • 视频：
    17-1 本章介绍.mp4
    01:27
  • 视频：
    17-2 tools设计实现1
    17:55
  • 视频：
    17-3 tools设计实现2
    19:46
  • 视频：
    17-4 tools设计实施3
    15:28
  • 视频：
    17-5 agent的memory处理1
    24:19
  • 视频：
    17-6 agent的memory处理2
    07:38
  • 视频：
    17-7 agent学习能力构建
    16:25
  • 视频：
    17-8 本章小结
    06:18

本章介绍：

本章聚焦于为Agent添加语音交互功能，使其能够理解和回应用户的语音输入。我们将详细介绍语音识别的实现原理和技术，并引导您完成Agent的语音交互功能开发。通过本章学习，您将掌握如何将语音技术融入LangChain框架，打造具备语音交互能力的智能体，为用户提供更自然、便捷的交流体验。

第18章 【老版】AI Agent智能体开发：让Agent具备语音能力
7 节｜86分钟
展开
  • 视频：
    18-1 本章介绍
    02:17
  • 视频：
    18-2 语音逻辑设计
    04:49
  • 视频：
    18-3 微软TTS能力介绍
    16:24
  • 视频：
    18-4 -1 voice函数的实现
    18:03
  • 视频：
    18-5 -2 voice函数的实现
    18:07
  • 视频：
    18-6 AI语音克隆和TTS介绍
    23:20
  • 视频：
    18-7 本章小结
    02:21

本章介绍：

本章将探讨如何将LangChain与IM（即时通讯）和数字人技术相结合，实现智能体的功能扩展。我们将介绍LangChain与IM系统的集成方法，以及如何利用数字人技术为智能体赋予更丰富的交互形式和表现。通过本章的学习，您将掌握LangChain在项目扩展中的实际应用，打造功能更强大、交互更自然的智能体，为未来的智能交互领域注入新的活力。

第19章 【老版】AI Agent智能体开发：项目扩展与集成【数字人与IM集成】
10 节｜163分钟
展开
  • 视频：
    19-1 本章介绍
    02:41
  • 视频：
    19-2 电报机器人+agent的实现
    30:49
  • 视频：
    19-3 Docker部署与调试追踪
    17:54
  • 视频：
    19-4 项目扩展：agent数字人（1）.mp4
    06:07
  • 视频：
    19-5 项目扩展：agent数字人（2）
    24:37
  • 视频：
    19-6 项目扩展：agent数字人（3）.mp4
    20:13
  • 视频：
    19-7 项目扩展：agent数字人（4）
    25:18
  • 视频：
    19-8 项目扩展：agent数字人（5）
    15:17
  • 视频：
    19-9 项目扩展：agent数字人（6）
    14:58
  • 视频：
    19-10 本章小结
    04:58

本章介绍：

本周带领大家，快速梳理课程内容，以及未来展望。

第20章 课程总结
1 节｜13分钟
展开
  • 视频：
    20-1 课程总结回顾
    12:09
本课程已完结
适合人群
对AI应用感兴趣的人、IT应用开发者
对AI方向感兴趣的产品经理、AI商业场景创新人群
技术储备
Python基础
tomiezhang
架构师， 已有1569个学生
 16年腾讯老鹅，前产研总监，前腾讯面试委员会委员，前腾讯专业委员会委员，11级高级工程师，著有《前端体验设计HTML5+CSS3终极修炼》一书，熟悉HTML、CSS、javascript、python、langchain等技术栈，曾负责腾讯网、腾讯新闻、腾讯广告等产品与研发团队，目前深耕与研究AI场景应用方向。
不为别的，只为提升面试通过率
尽管课程时间很长，
但没关系，我们有老师的陪伴，
还有同学之间互相鼓励，彼此帮助，
完成学习后，还能获得慕课网官方认证的证书。
暖暖暖暖心给了 好评
本人是C#编程，完全没有Python编程基础，这课让我看的津津有味。老师从langchain输入提示词到输出解析，再到容错、链的应用、与本地文件对话、rag增强生成、向量数据库、数据持久化、工具的应用、再到agent，手把手敲例子，可以拿老师的demo升级扩展做很多东西，省去很多网上找资料的时间（关键是网上的东西都是碎片化的，很容易让人产生已经掌握了的错觉）这门课非常值得推荐！
及时的斯托同学给了 好评
值得推荐的课程。 1. 老师对langchain的生态了解的比较深入，可以很好帮助初学者； 2. 大模型老师提供了多家产品的接入讲解，对国内受OpenAI访问限制的同学比较友好； 3. 多种agent的接入讲解，能够扩展langchain到多种应用中； 4. 大模型框架更新速度比较快，但老师对代码和文档的维护非常好；
Penkace777给了 好评
课程帮助我学习langchain，当遇到不明白的时候可以直接上LangChain的文档上看，补充老师所说的内容，课程起引导的作用，对于有基础的同学非常有帮助。
Beebop给了 好评
讲的挺好，案例也非常实用。对langchain prompt,agent,chat_history,都覆盖了。
sdd3991给了 好评
基本还行吧，通过学习了解的大模型的来龙去脉，虽然没有写代码实践，但是学习了不少大模型的特性和概念
luckyforever给了 好评
so so very good ma ma hu hu
慕尼黑0354068给了 好评
讲得非常清晰易懂，我是完全的门外汉，自己摸索很难快速掌握，这门课程帮助我快速上手，非常推荐购买
AKIRA_KARASAWA给了 好评
我也上了好几门AI相关的课了，绝对能看得出来老师的水平独一档，不仅逻辑清晰，而且内容详细
查看 26 位同学评价
AI大模型应用到训练
套餐价格：¥868.00
3门课 总价：¥966.00
立即购买
 课程介绍

AI Agent智能应用从0到1定制开发 全流程解决方案实战

中级  · 1285人报名 ¥368.00
课程介绍 

AI人人必修-提示词工程+大模型多场景实战（丰富资料)

初级  · 448人报名 ¥299.00
课程介绍 

从0到1训练私有大模型 ，企业急迫需求，抢占市场先机

中级  · 623人报名 ¥299.00
高效运用AI，快速实现智能化企业应用开发
套餐价格：¥870.00
3门课 总价：¥966.00
立即购买
 课程介绍

AI Agent智能应用从0到1定制开发 全流程解决方案实战

中级  · 1285人报名 ¥368.00
课程介绍 

RAG全栈技术从基础到精通 ，打造高精准AI应用

中级  · 269人报名 ¥399.00
课程介绍 

DeepSeek+SpringAI实战AI家庭医生应用

初级  · 362人报名 ¥199.00
查看更多

  • 3

    要会Python才可以吗？

    亲，您好~使用的python，课程从0带大家一步步实现，如果有其他编程基础，理解和学起来相对轻松；如果你是产品经理等非IT开发岗位想了解AI agent 也可以。祝您学习愉快~


  • 1

    该项目开发的是NLP相关AI应用吗？可以把它变成AI问答系统和智能客服项目吗？

    亲，您好~该项目是Agent 智能应用，使用langchain+LLM 开发符合企业或个人需求的智能问答项目。市面上的课程多是直接对接gpt，制作问答应用，但是有个问题gpt只解决共性问答问题，如果医疗、或者符合企业自己的业务的问答不能满足，原因是gpt 中没有相应的数据，所以这个问题怎么解决。该课程能很好的解决这个问题，能开发符合特定需求的智能应用。也是现在企业急需的技能要求。祝您学习愉快~


  • 1

    课程有什么实战项目

    亲，您好~课程实现了一个，特定领域下的专业问答智能应用。chatgpt只能满足通用的问答交流，但是解决不了特定领域或垂直领域的问题。该课程就是解决类似chatgpt 模型的缺陷问题，定制符合自身业务的问答智能应用。祝您学习愉快~


  • 1

    课程用到langchian+LLM，要连接国外服务吗？能不能私有化部署？？

    亲，您好~1. 可以连接也可以不连。 2.应用可以100%私有化部署，连接的大模型也可以，但是推荐私有化部署应用+闭源大模型。祝您学习愉快~


  • 1

    用的chatgpt嘛？

    亲，您好~chatgpt的使用已不能满足企业的特定需求，而现在企业急需的是能符合自己业务需求的AI智能应用，来解决特定问题。本课程全网首发，langchian+LLM，定制开发的符合企业业务需求的智能应用，实现下一代智能助手，可以看看第一节，可以深入全面了解课程。祝您学习愉快~


  • 0

    是否对软件测试也有帮助

    亲，您好~课程重在AI 应用的开发，核心技术 python、langchain、向量数据库等，该可课程帮你快速进入Ai 应用开发技能。祝您学习愉快~

我要提问
查看更多好课
《AI Agent智能应用从0到1定制开发》的真实评价
内容实用：
9.85分
通俗易懂：
9.77分
逻辑清晰：
9.77分
综合评分：9.80分，共 26 人参与
暖暖暖暖心
给了 好评
本人是C#编程，完全没有Python编程基础，这课让我看的津津有味。老师从langchain输入提示词到输出解析，再到容错、链的应用、与本地文件对话、rag增强生成、向量数据库、数据持久化、工具的应用、再到agent，手把手敲例子，可以拿老师的demo升级扩展做很多东西，省去很多网上找资料的时间（关键是网上的东西都是碎片化的，很容易让人产生已经掌握了的错觉）这门课非常值得推荐！
及时的斯托同学
给了 好评
值得推荐的课程。 1. 老师对langchain的生态了解的比较深入，可以很好帮助初学者； 2. 大模型老师提供了多家产品的接入讲解，对国内受OpenAI访问限制的同学比较友好； 3. 多种agent的接入讲解，能够扩展langchain到多种应用中； 4. 大模型框架更新速度比较快，但老师对代码和文档的维护非常好；
Penkace777
给了 好评
课程帮助我学习langchain，当遇到不明白的时候可以直接上LangChain的文档上看，补充老师所说的内容，课程起引导的作用，对于有基础的同学非常有帮助。
Beebop
给了 好评
讲的挺好，案例也非常实用。对langchain prompt,agent,chat_history,都覆盖了。
sdd3991
给了 好评
基本还行吧，通过学习了解的大模型的来龙去脉，虽然没有写代码实践，但是学习了不少大模型的特性和概念
luckyforever
给了 好评
so so very good ma ma hu hu
慕尼黑0354068
给了 好评
讲得非常清晰易懂，我是完全的门外汉，自己摸索很难快速掌握，这门课程帮助我快速上手，非常推荐购买
AKIRA_KARASAWA
给了 好评
我也上了好几门AI相关的课了，绝对能看得出来老师的水平独一档，不仅逻辑清晰，而且内容详细
Panda_io
给了 好评
老师讲得很细致答疑也很活跃，对自己工作很有帮助，很赞呀，希望老师能退出更多课程
RedYinTJ
给了 好评
之前总觉得只能玩玩提示词挺没意思的，现在可以自己开发AI Agent，课程给了很大的帮助
篇幅原因，只展示最近100条评价
￥368.00
报名人数已满

学习咨询

选课、学习遇到问题？

扫码添加指导老师 1V1 帮助你！

添加后老师会第一时间解决你的问题

微信客服

购课补贴
联系客服咨询优惠详情

 帮助反馈 APP下载

慕课网APP
您的移动学习伙伴

 公众号

扫描二维码
关注慕课网微信公众号