51CTO – 2024爆火AI Agent智能应用从0到1(应用解读+项目实战)

课程信息

AI领域爆火的Agent，利用GPT打造各场景应用实例

课程目录

├── 1_1-Agent要解决的问题分析.mp4 36.55M
├── 2_2-Agent需要具备的基本能力.mp4 35.62M
├── 3_3-与大模型的关系分析.mp4 49.76M
├── 4_4-多智能体定义分析.mp4 45.28M
├── 5_5-框架的作用和能解决的问题.mp4 68.24M
├── 6_6-整体总结分析.mp4 31.69M
├── 7_7-GPTS分析一波.mp4 47.42M
├── 8_8-经典任务分析.mp4 40.17M
├── 9_1-GPTS任务流程概述分析.mp4 57.96M
├── 10_2-调用API的控制方式.mp4 30.96M
├── 11_3-API相关配置完成.mp4 37.43M
├── 12_4-完成指令与脚本并生成.mp4 57.17M
├── 13_1-DEMO演示与整体架构分析.mp4 89.53M
├── 14_2-后端GPT项目部署启动.mp4 72.67M
├── 15_3-前端助手API与流程图配置.mp4 80.83M
├── 16_4-接入外部API的方法与流程.mp4 59.02M
├── 17_5-引入API方法解读.mp4 52.67M
├── 18_6-指令提示构建.mp4 29.31M
├── 19_1-论文概述分析.mp4 41.61M
├── 20_2-整体框架逻辑介绍.mp4 59.01M
├── 21_3-项目环境配置.mp4 67.08M
├── 22_0-基本Agent的组成.mp4 56.38M
├── 23_1-Agent要完成的任务和业务逻辑定义.mp4 59.12M
├── 24_2-问题拆解与执行流程.mp4 85.09M
├── 25_3-检索得到重要的URL.mp4 38.37M
├── 26_4-子问题生成总结结果.mp4 52.05M
├── 27_5-总结与结果输出.mp4 25.26M
├── 28_1-RAG要完成的任务解读.mp4 15.44M
├── 29_2-RAG整体流程解读.mp4 17.70M
├── 30_3-召回优化策略分析.mp4 18.15M
├── 31_4-召回改进方案解读.mp4 24.57M
├── 32_5-评估工具RAGAS.mp4 40.76M
├── 33_6-外接本地数据库工具.mp4 16.96M
├── 34_1-整体故事解读.mp4 38.18M
├── 35_2-要解决的问题和整体框架分析.mp4 50.14M
├── 36_3-论文基本框架分析.mp4 70.67M
├── 37_4-Agent的记忆信息.mp4 40.95M
├── 38_5-感知与反思模块构建流程.mp4 39.36M
├── 39_6-计划模块实现细节.mp4 45.51M
├── 40_7-整体流程框架图.mp4 32.31M
├── 41_8-感知模块解读.mp4 29.99M
├── 42_9-思考模块解读.mp4 27.72M
├── 43_10-项目环境配置方法解读.mp4 44.61M
├── 44_1-langchain框架解读.mp4 22.54M
├── 45_2-基本API调用方法.mp4 44.70M
├── 46_3-数据文档切分操作.mp4 44.56M
├── 47_4-样本索引与向量构建.mp4 41.59M
├── 48_5-数据切块方法.mp4 49.53M
├── 49_1-MOE概述分析.mp4 21.06M
├── 50_2-MOE模块实现方法解读.mp4 30.18M
├── 51_3-效果分析与总结.mp4 42.87M
├── 52_1-大模型如何做下游任务.mp4 30.03M
├── 53_2-LLM落地微调分析.mp4 35.10M
├── 54_3-LLAMA与LORA介绍.mp4 29.31M
├── 55_4-LORA微调的核心思想.mp4 21.85M
├── 56_5-LORA模型实现细节.mp4 40.60M
├── 57_1-提示工程的作用.mp4 37.35M
├── 58_2-项目数据解读.mp4 43.71M
├── 59_3-源码调用DEBUG解读.mp4 40.98M
├── 60_4-训练流程演示.mp4 52.67M
├── 61_5-效果演示与总结分析.mp4 33.12M
├── 62_1-RAG与微调可以解决与无法解决的问题.mp4 21.08M
├── 63_2-RAG实践策略.mp4 17.20M
└── 64_3-微调要解决的问题.mp4 13.99M