资源介绍
视频数量：32个
总时长：4小时30分
课程介绍：
Agentic AI与LLM构建自主系统
想象一下，你手下有一支不知疲倦的团队，它们能24小时处理文档、分析数据、生成报告，还能自主规划任务、调用工具，甚至和其他系统协作完成复杂工作。这不是什么科幻电影里的场景，这正是Agentic AI——智能体AI正在做的事情。现在，已经有越来越多的企业开始部署这类系统来处理日常运营中的重复工作，而能够搭建这类系统的工程师，正在成为市场上最稀缺的人才。
这门课要教你的，就是如何从零开始构建这样的智能系统。你会学到的不只是调几个API那么简单，而是真正理解这些系统是怎么运转的，怎么让AI不只是被动回答问题，而是能够主动思考、规划和执行任务。
课程会从最基础的概念讲起。很多人用ChatGPT感觉很神奇，但不知道为什么它能理解你的话。这里就要讲到三个关键概念：Token、Embedding和Context Window。Token可以理解成AI处理文字的基本单位，比如一个英文单词可能是一个Token，中文则可能一个字就是一个Token。Embedding则是把这些文字转换成AI能理解的数字向量，让它能在数学层面理解词语之间的关系。Context Window就是AI一次能处理的上下文长度，相当于它的工作记忆。这三个概念听起来简单，但理解它们对于后面优化AI的表现、避免输出幻觉至关重要。
接下来你会学到一门被严重低估的技能——Prompt Engineering，提示工程。大多数人写提示词就是随便问一句话，但专业玩家会用到链式思维、Few-shot Learning、角色设定等各种技巧来引导AI给出更精准的回答。课程会教你怎么用这些技巧构建真正好用的AI系统，而不是只会机械地提问。
然后进入RAG和向量数据库的世界。RAG全称是检索增强生成，简单说就是让AI在回答问题之前，先从你的文档库中找到相关信息，再结合这些信息来回答。这解决了一个大问题：AI训练数据有截止日期，它不知道你公司最新的产品信息，但你可以通过RAG把最新资料喂给它。向量数据库就是实现这个功能的关键技术，它能快速从海量文档中找到和用户问题最相关的内容。
课程还会花不少篇幅讲AI Agent的核心原理。AI Agent和普通聊天机器人的本质区别在于：聊天机器人只是被动响应，而AI Agent有目标、会规划、能调用工具。打个比方，聊天机器人像是接线员，你问什么它答什么，而AI Agent像是你的私人助理，你告诉它一个目标，它自己分解任务、查资料、写方案、执行并汇报结果。课程会深入讲Agent的架构设计、记忆机制、工具调用方式，以及ReAct、Plan-and-Execute等常见的Agent模式。
学完这些概念之后，课程会带你动手实战。你会用Microsoft Copilot构建一个销售业绩分析Agent，给它一堆销售数据，它能自动分析趋势、生成洞察报告。你也会用ChatGPT的界面构建一个产品分析工具，从输入产品信息到输出竞品对比报告，全程自动化。你还会学习如何用开源模型在本地搭建系统，包括Llama、Mistral和DeepSeek这些模型。为什么要学本地部署？因为有时候数据不能上传到云端，比如医疗记录、财务数据，本地运行既保证了隐私，成本也更容易控制。
整个课程时长四个半小时，内容编排非常紧凑，从理论基础到工具选择，从单Agent到多Agent协作，覆盖了构建企业级AI系统的主要环节。
学完这门课，你能独立搭建完整的AI Agent系统，知道什么场景该用云端模型、什么场景该用本地模型，能用RAG技术让AI准确回答私有知识库的问题，还能设计合理的Agent架构来处理复杂任务。不管你是后端开发想拓展技能边界，还是产品经理想亲自动手验证AI产品 idea，又或者是非技术背景但想深入了解AI怎么落地，这门课都会给你扎实的实战能力。