资源简介
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。
资源目录
——/天下无鱼17号盘-90T/计算机教程SDJDS/01-MOOC/260-822-AI Agent智能应用从0到1定制开发（完结）
├─第007章 AI Agent智能体开发：工善其事，必利其器，一步步教你搭建agent开发环境
│ ├─07-01 本章介绍_ev.mp4 2.54MB
│ ├─07-02 虚拟项目demo演示_ev.mp4 28.26MB
│ ├─07-03 虚拟项目产品需求分析_ev.mp4 34.13MB
│ ├─07-04 虚拟项目技术架构_ev.mp4 9.03MB
│ ├─07-05 项目开发环境搭建_ev.mp4 98.48MB
│ └─07-06 本章小结_ev.mp4 4.03MB
├─第008章 AI Agent智能体开发：API层的实现以及智能体性格和行为设计
│ ├─08-01 本章介绍_ev.mp4 3.97MB
│ ├─08-02 使用fastapi搭建API层_ev.mp4 65.17MB
│ ├─08-03 主Class与agent框架_ev.mp4 130.17MB
│ ├─08-04 使用prompt设计agent性格与行为_ev.mp4 44.58MB
│ ├─08-05 使用chain来判断输入情绪_ev.mp4 97.1MB
│ ├─08-06 langserve介绍_ev.mp4 89.87MB
│ └─08-07 本章小结_ev.mp4 3.93MB
├─第009章 AI Agent智能体开发：快速掌握tool以及向量数据库使用
│ ├─09-01 本章介绍.mp4_ev.mp4 2.14MB
│ ├─09-02 tools设计实现1_ev.mp4 82.09MB
│ ├─09-03 tools设计实现2_ev.mp4 96.03MB
│ ├─09-04 tools设计实施3_ev.mp4 86.65MB
│ ├─09-05 agent的memory处理1_ev.mp4 105.39MB
│ ├─09-06 agent的memory处理2_ev.mp4 53.79MB
│ ├─09-07 agent学习能力构建_ev.mp4 103.93MB
│ └─09-08 本章小结_ev.mp4 9.39MB
├─第010章 AI Agent智能体开发：让Agent具备语音能力
│ ├─10-01 本章介绍_ev.mp4 3.27MB
│ ├─10-02 语音逻辑设计_ev.mp4 7.91MB
│ ├─10-03 微软TTS能力介绍_ev.mp4 95.9MB
│ ├─10-04 -1 voice函数的实现_ev.mp4 101.38MB
│ ├─10-05 -2 voice函数的实现_ev.mp4 96.56MB
│ ├─10-06 AI语音克隆和TTS介绍_ev.mp4 140.63MB
│ └─10-07 本章小结_ev.mp4 3.38MB
├─第01章 多模型强应用：AI2.0时代应用开发者机会
│ ├─1-1 深入了解课程，让你少走弯路，必看！！！_ev.mp4 42.68MB
│ ├─1-2 带你快速了解大语言模型(LLM)基础与发展_ev.mp4 4.32MB
│ ├─1-3 国内外主要LLM及特点介绍_ev.mp4 36.22MB
│ ├─1-4 大模型的不足以及主要解决方案_ev.mp4 22.7MB
│ ├─1-5 AIGC产业拆解以及常见名词解释_ev.mp4 31.3MB
│ ├─1-6 应用级开发者如何拥抱AI2.0时代？_ev.mp4 16.6MB
│ └─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）_ev.mp4 18.39MB
├─第02章 初识langchain：LLM大模型与AI应用的粘合剂
│ ├─2-1 初始langchain：LLM大模型与AI应用的粘合剂_ev.mp4 5.4MB
│ ├─2-2 langchain是什么以及发展过程_ev.mp4 12.59MB
│ ├─2-3 langchain能做什么和能力一览_ev.mp4 19.32MB
│ ├─2-4 langchain的优势与劣势分析_ev.mp4 13.89MB
│ ├─2-5 langchain使用环境的搭建_ev.mp4 30.62MB
│ ├─2-6 先跑起来：第一个实例，了解langchain的基本模块_ev.mp4 18.5MB
│ └─2-7 本章梳理与总结_ev.mp4 4.48MB
├─第03章 LangChain核心模块与实战：用prompts模板调教LLM的输入出
│ ├─3-1 章节介绍_ev.mp4 4.8MB
│ ├─3-10 langchain核心组件：LLMs vs chat models_ev.mp4 43.53MB
│ ├─3-11 更好的体验：流式输出_ev.mp4 29.03MB
│ ├─3-12 花销控制：token消耗追踪_ev.mp4 22.33MB
│ ├─3-13 输出结构性：不止于聊天_ev.mp4 56.09MB
│ ├─3-14 本章小结_ev.mp4 1.55MB
│ ├─3-2 模型IO 大语言模型的交互接口_ev.mp4 12.22MB
│ ├─3-3 prompts模板：更加高级和灵活的提示词工程_ev.mp4 20.77MB
│ ├─3-4 prompts实战两种主要的提示词模板_ev.mp4 45.91MB
│ ├─3-5 自定义prompts模板_ev.mp4 33.5MB
│ ├─3-6 两种模板引擎以及组合模板使用_ev.mp4 41.53MB
│ ├─3-7 序列化模板使用_ev.mp4 32.43MB
│ ├─3-8 示例选择器之根据长度动态选择提示词示例组_ev.mp4 68.84MB
│ └─3-9 示例选择器之MMR与最大余弦相似度_ev.mp4 75.51MB
├─第04章 LangChain知识库构建与RAG设计：增强自己大模型能力，实现与各种文档对话
│ ├─4-1 本章介绍_ev.mp4 2.33MB
│ ├─4-10 Chatdoc 又一个智能文档助手（2）_ev.mp4 37.2MB
│ ├─4-11 ChatDoc 几种检索优化的方式_ev.mp4 73.55MB
│ ├─4-12 ChatDoc 与文件聊天交互_ev.mp4 31.51MB
│ ├─4-13 本章小结_ev.mp4 4.77MB
│ ├─4-2 RAG：检索增强生成是什么？_ev.mp4 14.68MB
│ ├─4-3 loader：让大模型具备实时学习的能力_ev.mp4 52.27MB
│ ├─4-4 文档转换实战：文档切割_ev.mp4 37.27MB
│ ├─4-5 文档转换实战：总结精炼和翻译_ev.mp4 27.6MB
│ ├─4-6 Lost in the middle 长上下文精度处理问题_ev.mp4 43.54MB
│ ├─4-7 文本向量化实现方式_ev.mp4 27.05MB
│ ├─4-8 与AI共舞的向量数据库_ev.mp4 81.49MB
│ └─4-9 Chatdoc 又一个智能文档助手（1）_ev.mp4 27.39MB
├─第05章 LangChain链与记忆处理：带你实现大模型记忆增强，让你的大模型更加智能
│ ├─5-1 本章介绍_ev.mp4 8.52MB
│ ├─5-10 四种处理文档的预制链(2)_ev.mp4 38.51MB
│ ├─5-11 四种文档预制链使用(3)_ev.mp4 39.73MB
│ ├─5-12 四种文档预制链使用(4)_ev.mp4 48.75MB
│ ├─5-13 memory工具使用(1)_ev.mp4 48.42MB
│ ├─5-14 Memory工具使用(2)_ev.mp4 33.05MB
│ ├─5-15 Memory工具使用(3)_ev.mp4 44.21MB
│ ├─5-16 为链增加memory（1）_ev.mp4 39.89MB
│ ├─5-17 为链增加memory(2)_ev.mp4 44.25MB
│ ├─5-18 主要的预制链和memory工具_ev.mp4 10.84MB
│ ├─5-19 本章小结_ev.mp4 8.2MB
│ ├─5-2 chains：langchain的重要组成部件_ev.mp4 13.77MB
│ ├─5-3 四种基本的内置链的介绍与使用(1)_ev.mp4 47.22MB
│ ├─5-4 四种基本的内置链的介绍与使用(2)_ev.mp4 38.35MB
│ ├─5-5 四种基本的内置链的介绍与使用(3)_ev.mp4 38.08MB
│ ├─5-6 四种基本的内置链的介绍与使用(4)_ev.mp4 20.09MB
│ ├─5-7 四种基本的内置链的介绍与使用(5)_ev.mp4 25.49MB
│ ├─5-8 链的不同调用方法和自定义_ev.mp4 54.12MB
│ └─5-9 四种处理文档的预制链(1)_ev.mp4 29.68MB
├─第06章 Agent核心与实践：初窥未来机器人，学Agent基本开发，让大模型不止于聊天
│ ├─6-1 本章介绍_ev.mp4 7.89MB
│ ├─6-10 LCEL是什么_ev.mp4 68.06MB
│ ├─6-11 LCEL不同的接口实现_ev.mp4 58.54MB
│ ├─6-12 LCEL里chain和prompt实现_ev.mp4 96.27MB
│ ├─6-13 LCEL记忆的添加方式_ev.mp4 30.94MB
│ ├─6-14 LCEL Agents的使用（1）_ev.mp4 51.97MB
│ ├─6-15 LCEL Agents的使用（2）_ev.mp4 87.05MB
│ ├─6-16 最佳开发实践_ev.mp4 126.18MB
│ ├─6-17 本章小结_ev.mp4 3.24MB
│ ├─6-2 什么是agent_ev.mp4 82.1MB
│ ├─6-3 第一个agent_ev.mp4 28.69MB
│ ├─6-4 几种主要的agents类型介绍（1）_ev.mp4 66.74MB
│ ├─6-5 几种主要的agents类型介绍（2）_ev.mp4 83.96MB
│ ├─6-6 agent中正确添加memory的方式_ev.mp4 45.92MB
│ ├─6-7 如何让agent与tool共享记忆_ev.mp4 32.06MB
│ ├─6-8 tool的使用_ev.mp4 63.72MB
│ └─6-9 tookit的使用_ev.mp4 81.28MB
├─第11章 AI Agent智能体开发：项目扩展与集成【数字人与IM集成】
│ ├─11-01 本章介绍_ev.mp4 3.79MB
│ ├─11-02 电报机器人+agent的实现_ev.mp4 157.46MB
│ ├─11-03 Docker部署与调试追踪_ev.mp4 93.93MB
│ ├─11-04 项目扩展：agent数字人（1）_ev.mp4 9.62MB
│ ├─11-05 项目扩展：agent数字人（2）_ev.mp4 93.63MB
│ ├─11-06 项目扩展：agent数字人（3）_ev.mp4 85.04MB
│ ├─11-07 项目扩展：agent数字人（4）_ev.mp4 158.39MB
│ ├─11-08 项目扩展：agent数字人（5）_ev.mp4 87.17MB
│ ├─11-09 项目扩展：agent数字人（6）_ev.mp4 106.5MB
│ └─11-10 本章小结_ev.mp4 7.67MB
└─第12章 课程总结
└─12-01 课程总结_ev.mp4 17.14MB
└─课程源码
├─(1)第一个实例.ipynb 12KB
├─(10)ChatDoc-2.ipynb 6.57KB
├─(11)Chains使用.ipynb 20.61KB
├─(12)Chains加载与自定义.ipynb 35.82KB
├─(13)stuffChain&refineChain.ipynb 30.73KB
├─(14)Mapreduce&Map-reMark.ipynb 32.99KB
├─(15)不同的Memory工具.ipynb 17.56KB
├─(16)在链上使用记忆.ipynb 23.04KB
├─(17)cloneChatGpt.ipynb 18.37KB
├─(18) 第一个agents.ipynb 7.62KB
├─(19)几种不同的内置agent类型.ipynb 108.47KB
├─(2)prompt模板.ipynb 17.96KB
├─(20) 如何给agent增加memory.ipynb 11.58KB
├─(21)在agent与tool之间共享记忆.ipynb 73.56KB
├─(22)tool的加载与使用.ipynb 17.95KB
├─(23)Tookit的使用.ipynb 42.8KB
├─(24)自定义一个agents.ipynb 15.52KB
├─(25)LCEL.ipynb 10.33KB
├─(26)LCEL-2.ipynb 103.6KB
├─(27)LCEL-prompt+llm.ipynb 8.89KB
├─(28)LCEL-chains.ipynb 19.52KB
├─(29)LCEL-Memory.ipynb 9.64KB
├─(3)示例选择器.ipynb 12.89KB
├─(30)LECL-Agent.ipynb 47.02KB
├─(31)best-1.ipynb 36.14KB
├─(4)RAG检索增强生成.ipynb 24.22KB
├─(5)LLMs调用.ipynb 24.86KB
├─(6)文档转换.ipynb 19.16KB
├─(7)长上下文处理.ipynb 16.64KB
├─(8)文本向量化.ipynb 202.38KB
├─(9)ChatDoc.ipynb 42.63KB
├─.devcontainer
│ └─devcontainer.json 1.02KB
├─.github
│ └─dependabot.yml 467B
├─.ipynb_checkpoints
│ └─Untitled-checkpoint.ipynb 72B
├─.python-version 8B
├─agtype.png 134.41KB
├─cache
│ ├─text-embedding-ada-0024250f053-4b1e-5c34-927d-a7857749217f 33.64KB
│ ├─text-embedding-ada-0029286d74c-b3fc-56ff-8b08-9071a193f724 33.6KB
│ ├─text-embedding-ada-002b0c54c27-a009-50b4-9ccc-661d5478b195 33.55KB
│ ├─text-embedding-ada-002c63ea318-3b5d-533b-960b-46434f8b3c22 33.6KB
│ ├─text-embedding-ada-002e94acbbe-7d17-5331-8310-4e37bdc56d31 33.62KB
│ └─text-embedding-ada-002f05b40fb-a095-546e-9c5d-49e069720828 33.59KB
├─Chinook.db 892KB
├─Chinook_Sqlite.sql 1.76MB
├─dump.rdb 1.98KB
├─example
│ ├─fake.docx 14.79KB
│ ├─fake.pdf 87.68KB
│ └─fake.xlsx 9.46KB
├─jg.png 277.05KB
├─jiagou.jpg 89.88KB
├─jiagou.psd 1.72MB
├─lcel01.png 15.45KB
├─letter.txt 3.06KB
├─LLMs.png 991.95KB
├─loader.csv 296B
├─loader.html 133.6KB
├─loader.md 264B
├─loader.numbers 120.1KB
├─loader.pdf 186.56KB
├─long.png 67.55KB
├─map.png 34.96KB
├─mapreduce.png 338.12KB
├─mapremark.png 205.81KB
├─openai.env 147B
├─prompt_with_output_parser.json 609B
├─readme.md 599B
├─reduce.png 13.68KB
├─refine.png 146.82KB
├─simple_prompt.json 124B
├─simple_prompt.yaml 107B
├─test.txt 7.8KB
├─test_faiss
│ ├─index.faiss 48.04KB
│ └─index.pkl 1.31KB
└─教程示例代码.code-workspace 74B
学习