本课程旨在全面解析AI Agent的核心架构与实际应用，涵盖从理论解读到项目实战的完整流程。我们将深入探讨Agent能够处理的任务类型及其实现架构，并通过具体案例理解RAG（Retrieval-Augmented Generation）检索模块的应用场景。课程中将详细介绍MOE（Mixture of Experts）多专家系统与多智能体系统的构建及实践，并对主流Agent开发框架进行实战演练。此外，还将具体分析MetaGpt框架的工作原理并进行应用演示，以及展示斯坦福AI小镇中的多智能体系统是如何运作的。我们还会讲解RAG的优化策略、LLM（Large Language Model）下游任务的应用实例以及LORA（Low-Rank Adaptation）方法在调整大型语言模型时的具体实施步骤。通过本课程的学习，学员将能够掌握Agent技术的关键要素，并具备独立开发和优化AI Agent的能力。
通俗解读Agent核心架构
经典框架全流程分析
主流项目源码解读
一站式搞定Agent应用
【课程体系】
1.Agent能解决的任务及其架构分析
己.RAG检索模块的作用及其应用实例
3.MOE多专家系统与多智能体实例
4.Agent主流框架应用实战
5.MetaGpt框架解读及其应用实战
6.斯坦福AI小镇多智能体应用实战
7.RAG优化方案与微调策略
B.LLM及其下游应用任务实例
9.LORA微调大模型方法实战
