課程簡(jiǎn)介
本課程聚焦于AI Agent技術(shù)的演進(jìn)與實(shí)戰(zhàn)應(yīng)用,涵蓋從技術(shù)原理到企業(yè)落地的全方位內(nèi)容。課程將深入探討Agent技術(shù)的演進(jìn)歷程,包括從LLM到Agent的轉(zhuǎn)變、多模態(tài)Agent的發(fā)展以及高階智能的實(shí)現(xiàn)路徑。學(xué)員將學(xué)習(xí)Agent的認(rèn)知架構(gòu)、核心能力模型以及智能邊界,掌握自主性、規(guī)劃能力與工具使用的技術(shù)實(shí)現(xiàn)
目標(biāo)收益
1,深入理解Agent技術(shù)演進(jìn)
2,掌握Agent應(yīng)用開發(fā)技能
3,了解多Agent協(xié)作框架、通信協(xié)議以及知識(shí)庫(kù)構(gòu)建原理
培訓(xùn)對(duì)象
課程大綱
第一天:Agent技術(shù)演進(jìn)與前沿概覽 上午:Agent技術(shù)演進(jìn) |
- Agent智能體技術(shù)概述 - 從LLM到Agent的技術(shù)演進(jìn) - Agent的認(rèn)知架構(gòu)與核心能力模型 - 自主性、規(guī)劃能力與工具使用的技術(shù)實(shí)現(xiàn) - 多模態(tài)Agent的新發(fā)展 - 高階智能的遐想:從工作流到自主Agent的躍遷 - 新型大模型下的Agent架構(gòu)革新 - 工作鏈編排與ToolUse能力 - 企業(yè)實(shí)施Agent的最佳實(shí)踐 - 推理型產(chǎn)品的崛起:deepsearch與manus - AutoGPT類產(chǎn)品涌現(xiàn)與Coze/Dify類產(chǎn)品對(duì)照 - Agent的智能邊界:通用智能與專用型Agent - 認(rèn)知架構(gòu)與推理能力 - 自主性與可控性的平衡 - 主流Agent框架介紹 - Agent技術(shù)的最新突破 |
下午:Agent協(xié)作模式與應(yīng)用框架 |
Agent的基礎(chǔ)構(gòu)建塊增強(qiáng)型LLM的核心能力 - 工具使用與環(huán)境交互 - 記憶機(jī)制與上下文管理 - 典型工作流模式剖析提示鏈(Prompt Chain)模式 - 路由(Routing)模式 - 并行化(Parallelization)模式 - Orchestrator-workers模式 - Evaluator-optimizer模式 - Agent安全框架安全邊界與風(fēng)險(xiǎn)評(píng)估 - 行為約束與行動(dòng)準(zhǔn)則 - 可解釋性與透明度保障 - 敏感信息處理機(jī)制 - 多Agent系統(tǒng)設(shè)計(jì)與協(xié)作機(jī)制 - 多Agent協(xié)作框架與通信協(xié)議 - 角色分配與專業(yè)化Agent設(shè)計(jì) - 沖突解決與共識(shí)達(dá)成機(jī)制 - Agent記憶與知識(shí)庫(kù)構(gòu)建原理 |
第二天:Agent典型應(yīng)用案例 上午:代碼Agent與搜索Agent |
- AI驅(qū)動(dòng)的代碼生成工具概述 - AI編程工具發(fā)展與技術(shù)原理 - Cursor、GitHub Copilot等工具對(duì)比分析 - AI代碼生成的優(yōu)勢(shì)與局限性 - Cursor實(shí)踐與高效工作流 - Cursor功能與技術(shù)特點(diǎn) - 代碼生成、理解與重構(gòu)最佳實(shí)踐 - AI編程助手與傳統(tǒng)IDE的協(xié)同工作流 - 企業(yè)級(jí)AI編程最佳實(shí)踐與案例分享 - 搜索Agent與DeepSeach架構(gòu) - GPT-O3的deepResarch簡(jiǎn)介 - Grok、meta的深度搜索實(shí)踐 - Flowith的畫布層次搜索實(shí)踐 - 推理型模型的邊思邊搜的技術(shù)方案 |
下午:Agent企業(yè)內(nèi)實(shí)戰(zhàn)案例 |
- 基礎(chǔ)Agent-以“Agentic RAG復(fù)雜問(wèn)答框架”為例 - 大模型驅(qū)動(dòng)的RAG技術(shù)架構(gòu)剖析 - RAG技術(shù)的范式演進(jìn)與核心步驟 - GraphRAG的核心原理與前沿探索 - RAG與智能Agent的協(xié)同與融合 - 客戶服務(wù)領(lǐng)域的Agent應(yīng)用架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)要點(diǎn) - 工具集成最佳實(shí)踐 - 性能優(yōu)化與監(jiān)控 - 軟件開發(fā)領(lǐng)域的Agent應(yīng)用編程Agent的特殊之處 - SWE-bench案例解析 - 自動(dòng)化測(cè)試與人工審核的平衡 - 自適應(yīng)學(xué)習(xí)型Agent在線學(xué)習(xí)機(jī)制 - 經(jīng)驗(yàn)積累與遷移 - 錯(cuò)誤恢復(fù)與優(yōu)化 - 持續(xù)演進(jìn)策略 - Agent在復(fù)雜場(chǎng)景中的應(yīng)用 - 工業(yè)物聯(lián)網(wǎng)Agent系統(tǒng) - 制造業(yè)Agent系統(tǒng)應(yīng)用 - 車載Agent系統(tǒng)應(yīng)用 - 醫(yī)療輔助決策Agent |
第三天:多Agent框架與MCP協(xié)議實(shí)踐 上午:OWL/OpenManus與LangGraph多Agent框架實(shí)踐 |
- OWL/OpenManus框架實(shí)踐 - OWL架構(gòu)原理與技術(shù)特點(diǎn) - 開發(fā)環(huán)境配置與核心組件介紹 - 自主規(guī)劃Agent開發(fā)與部署 - 多Agent協(xié)作系統(tǒng)構(gòu)建演示 - LangGraph框架實(shí)踐 - LangGraph架構(gòu)設(shè)計(jì)與工作流程 - 狀態(tài)管理與流程控制機(jī)制 - 多模態(tài)Agent在LangGraph中的實(shí)現(xiàn) - 企業(yè)級(jí)Agent系統(tǒng)部署與性能優(yōu)化 |
下午:MCP協(xié)議與企業(yè)內(nèi)部系統(tǒng)集成 |
- MCP基礎(chǔ)與企業(yè)內(nèi)部API集成 - MCP協(xié)議原理與大模型工具調(diào)用標(biāo)準(zhǔn)化 - 企業(yè)內(nèi)部API與MCP橋接的技術(shù)方案 - Agent通過(guò)MCP協(xié)議調(diào)用企業(yè)系統(tǒng) - 無(wú)縫集成現(xiàn)有系統(tǒng)的架構(gòu)設(shè)計(jì) - 企業(yè)應(yīng)用場(chǎng)景實(shí)踐與優(yōu)化 - 快速構(gòu)建MCP-API適配層實(shí)戰(zhàn) - Agent驅(qū)動(dòng)的跨系統(tǒng)智能工作流構(gòu)建 - 基于MCP的多Agent協(xié)同業(yè)務(wù)處理 - 企業(yè)級(jí)Agent系統(tǒng)性能監(jiān)控與持續(xù)優(yōu)化 |
第一天:Agent技術(shù)演進(jìn)與前沿概覽 上午:Agent技術(shù)演進(jìn) - Agent智能體技術(shù)概述 - 從LLM到Agent的技術(shù)演進(jìn) - Agent的認(rèn)知架構(gòu)與核心能力模型 - 自主性、規(guī)劃能力與工具使用的技術(shù)實(shí)現(xiàn) - 多模態(tài)Agent的新發(fā)展 - 高階智能的遐想:從工作流到自主Agent的躍遷 - 新型大模型下的Agent架構(gòu)革新 - 工作鏈編排與ToolUse能力 - 企業(yè)實(shí)施Agent的最佳實(shí)踐 - 推理型產(chǎn)品的崛起:deepsearch與manus - AutoGPT類產(chǎn)品涌現(xiàn)與Coze/Dify類產(chǎn)品對(duì)照 - Agent的智能邊界:通用智能與專用型Agent - 認(rèn)知架構(gòu)與推理能力 - 自主性與可控性的平衡 - 主流Agent框架介紹 - Agent技術(shù)的最新突破 |
下午:Agent協(xié)作模式與應(yīng)用框架 Agent的基礎(chǔ)構(gòu)建塊增強(qiáng)型LLM的核心能力 - 工具使用與環(huán)境交互 - 記憶機(jī)制與上下文管理 - 典型工作流模式剖析提示鏈(Prompt Chain)模式 - 路由(Routing)模式 - 并行化(Parallelization)模式 - Orchestrator-workers模式 - Evaluator-optimizer模式 - Agent安全框架安全邊界與風(fēng)險(xiǎn)評(píng)估 - 行為約束與行動(dòng)準(zhǔn)則 - 可解釋性與透明度保障 - 敏感信息處理機(jī)制 - 多Agent系統(tǒng)設(shè)計(jì)與協(xié)作機(jī)制 - 多Agent協(xié)作框架與通信協(xié)議 - 角色分配與專業(yè)化Agent設(shè)計(jì) - 沖突解決與共識(shí)達(dá)成機(jī)制 - Agent記憶與知識(shí)庫(kù)構(gòu)建原理 |
第二天:Agent典型應(yīng)用案例 上午:代碼Agent與搜索Agent - AI驅(qū)動(dòng)的代碼生成工具概述 - AI編程工具發(fā)展與技術(shù)原理 - Cursor、GitHub Copilot等工具對(duì)比分析 - AI代碼生成的優(yōu)勢(shì)與局限性 - Cursor實(shí)踐與高效工作流 - Cursor功能與技術(shù)特點(diǎn) - 代碼生成、理解與重構(gòu)最佳實(shí)踐 - AI編程助手與傳統(tǒng)IDE的協(xié)同工作流 - 企業(yè)級(jí)AI編程最佳實(shí)踐與案例分享 - 搜索Agent與DeepSeach架構(gòu) - GPT-O3的deepResarch簡(jiǎn)介 - Grok、meta的深度搜索實(shí)踐 - Flowith的畫布層次搜索實(shí)踐 - 推理型模型的邊思邊搜的技術(shù)方案 |
下午:Agent企業(yè)內(nèi)實(shí)戰(zhàn)案例 - 基礎(chǔ)Agent-以“Agentic RAG復(fù)雜問(wèn)答框架”為例 - 大模型驅(qū)動(dòng)的RAG技術(shù)架構(gòu)剖析 - RAG技術(shù)的范式演進(jìn)與核心步驟 - GraphRAG的核心原理與前沿探索 - RAG與智能Agent的協(xié)同與融合 - 客戶服務(wù)領(lǐng)域的Agent應(yīng)用架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)要點(diǎn) - 工具集成最佳實(shí)踐 - 性能優(yōu)化與監(jiān)控 - 軟件開發(fā)領(lǐng)域的Agent應(yīng)用編程Agent的特殊之處 - SWE-bench案例解析 - 自動(dòng)化測(cè)試與人工審核的平衡 - 自適應(yīng)學(xué)習(xí)型Agent在線學(xué)習(xí)機(jī)制 - 經(jīng)驗(yàn)積累與遷移 - 錯(cuò)誤恢復(fù)與優(yōu)化 - 持續(xù)演進(jìn)策略 - Agent在復(fù)雜場(chǎng)景中的應(yīng)用 - 工業(yè)物聯(lián)網(wǎng)Agent系統(tǒng) - 制造業(yè)Agent系統(tǒng)應(yīng)用 - 車載Agent系統(tǒng)應(yīng)用 - 醫(yī)療輔助決策Agent |
第三天:多Agent框架與MCP協(xié)議實(shí)踐 上午:OWL/OpenManus與LangGraph多Agent框架實(shí)踐 - OWL/OpenManus框架實(shí)踐 - OWL架構(gòu)原理與技術(shù)特點(diǎn) - 開發(fā)環(huán)境配置與核心組件介紹 - 自主規(guī)劃Agent開發(fā)與部署 - 多Agent協(xié)作系統(tǒng)構(gòu)建演示 - LangGraph框架實(shí)踐 - LangGraph架構(gòu)設(shè)計(jì)與工作流程 - 狀態(tài)管理與流程控制機(jī)制 - 多模態(tài)Agent在LangGraph中的實(shí)現(xiàn) - 企業(yè)級(jí)Agent系統(tǒng)部署與性能優(yōu)化 |
下午:MCP協(xié)議與企業(yè)內(nèi)部系統(tǒng)集成 - MCP基礎(chǔ)與企業(yè)內(nèi)部API集成 - MCP協(xié)議原理與大模型工具調(diào)用標(biāo)準(zhǔn)化 - 企業(yè)內(nèi)部API與MCP橋接的技術(shù)方案 - Agent通過(guò)MCP協(xié)議調(diào)用企業(yè)系統(tǒng) - 無(wú)縫集成現(xiàn)有系統(tǒng)的架構(gòu)設(shè)計(jì) - 企業(yè)應(yīng)用場(chǎng)景實(shí)踐與優(yōu)化 - 快速構(gòu)建MCP-API適配層實(shí)戰(zhàn) - Agent驅(qū)動(dòng)的跨系統(tǒng)智能工作流構(gòu)建 - 基于MCP的多Agent協(xié)同業(yè)務(wù)處理 - 企業(yè)級(jí)Agent系統(tǒng)性能監(jiān)控與持續(xù)優(yōu)化 |