课程简介
《AI Agent实战：一站式业务落地实操指南》本课程是一套系统全面的AI实战指南，旨在帮助学员深入掌握AI Agent技术从理论到实践的全过程，实现一站式业务落地。课程内容涵盖DeepSeek技术演进、RAG技术架构剖析、Agent平台实操以及AI落地应用规划四大模块。通过本课程的学习，学员将构建完整的AI Agent知识体系，提升技术应用与项目规划能力，为解决实际业务问题提供有力支持，助力学员掌握AI Agent技术的核心方法论与工具链，为业务场景的智能化升级提供可落地的解决方案。
目标收益
1.深度了解DeepSeek发展脉络：从推理型模型到推理型产品的转变，见证从V1到R1的核心技术里程碑，理解MoE架构、纯强化学习、多模态等前沿技术如何推动行业发展，为学员在AI领域构建坚实的知识框架。
2.学员将深入学习Agent平台的原理与落地实操，包括Workflow工作流与调试、快速创建与标准创建Agent、打造带Function Call能力的Agent等核心技能，为灵活应对多样化业务需求奠定坚实基础。
3.在AI落地应用工作坊中，学员将学习如何挖掘自有行业痛点与其他行业的智能化爆点，结合创意、思想实验和用户视角，提升解决问题的能力。
培训对象
本课程适合以下人群：一是AI开发者和工程师，具备一定基础，希望深入掌握大模型、RAG技术及Agent平台的实战应用，提升解决实际问题的能力；二是数据科学家与算法专家，想通过学习高性能知识库构建和模型优化，将AI技术与业务需求紧密结合；三是产品经理、业务分析师及企业技术决策者，关注AI技术在业务中的应用，需掌握从需求挖掘到落地规划的方法，推动企业数字化转型。AI开发者可重点学习Agent平台与RAG技术架构；数据科学家将深入模型优化与知识库构建；业务决策者可通过落地规划模块掌握AI项目的需求分析与资源分配。
课程大纲
|
第一天上午 模块一 从推理型模型到推理型产品：DeepSeek时代的大模型新范式 |
1. DeepSeek发展里程碑：从Coder到R1的完整演进路线 2. 从大模型到推理模型：DeepSeek核心概念与重要里程碑（从V1到R1） 3. 从追随到核心技术创新：MoE架构、纯强化学习、与多模态 4. 从硬件竞赛到算法效率：Transformer革新与国产芯片适配 5. 从万众科普到企业级应用：行业赛道落地与DeepSeek能力强化 6. 能力使用指南与展望：DeepSeek使用指南、潜在缺陷与后续各发展路线优劣势分析 7. 推理型产品的崛起：DeepSearch涌现与Manus/OWL产品崛起 |
|
第一天下午 模块二 RAG从框架入门到深度实战解析 |
1.大模型驱动的RAG技术架构剖析 2.RAG技术的范式演进与核心步骤 2.1高性能向量知识库构建与优化 2.2 Langchain与LangServe技术框架的深度应用 2.3 RAG模型推理性能优化与加速技术 3. RAG模型线上业务化落地 3.1 GraphRAG的核心原理与前沿落地 3.2 RAG评估框架与垂类优化 4.RAG与智能Agent的协同与融合 4.1 RAG落地最佳实施：实时数据上传、预处理、挂载、召回与问答实现 4.2 RAG落地最佳实施：问题现象、路径归因 与 解决方案 |
|
第二天 模块三 Agent平台原理与落地实操 |
3.1 简介：Workflow工作流与调试 介绍； 3.2 初试：快速创建与标准创建，单Aegnt、MultiAgent、AutoAgent； 3.3 验证：打造带Function Call能力的Agent（创建Bot与使用插件）； 3.4 多模态：Coze 卡片、图像流 操作手册； 3.5 场景实践： Multi-Agent RAG实操落地 ChatBI实操落地（Chat2SQL、Chat2API） 测试Agent实操落地 目标3：掌握Agent平台操作与场景实践 同学可选实践场景（指导材料细节完备），如： a.日常办公场景（基于Agent打造企业信息助理等） b.运营物料场景（利用Agent打造客户身份闪卡+电影海报） c.Demo设计场景（结合AI Coder+Cursor快速创建产品原型） d.业务战略场景（全网综合AI搜索引擎多Agent聚合） e.技术提效场景（多Agent测试用例生成器等） |
| 模块四： AI落地应用工作坊 |
目标4：输出内部业务可落地 Agent Demo 4.1 需求挖掘：自有行业痛点、其他行业智能化爆点 4.2 能力准备：创意、思想实验、用户视角、智能化专家+行业专家 4.3 计划书交付：背景+联接+创意+探索＋突破→结果展望 4.4 业务场景讨论与QA：行业洞察+AI最佳实践 i.列举企业或行业痛点或待解决的问题点； ii.初步定位近似行业或企业AI价值点； iii.引导讨论组团队构思解决办法； 4.5 落地路线规划与方法总结：尝试拆解刚刚构思的场景该如何落地 i.解读：业务与数字化战略、场景解读； ii.关键要素分析：数据、算力、成本、用户体验； iii.技术整体蓝图： 1.AI应用模式（提示词、RAG、微调 等差异） 2.能力获取模式（开源/闭源；公网/私有化） 3.成本收益、价值、风险点、实施建议 iv.落地路径： 1.落地项目时间规划、资源投入、风险验证 2.最小POC尝试并展示 |
|
第一天上午 模块一 从推理型模型到推理型产品：DeepSeek时代的大模型新范式 1. DeepSeek发展里程碑：从Coder到R1的完整演进路线 2. 从大模型到推理模型：DeepSeek核心概念与重要里程碑（从V1到R1） 3. 从追随到核心技术创新：MoE架构、纯强化学习、与多模态 4. 从硬件竞赛到算法效率：Transformer革新与国产芯片适配 5. 从万众科普到企业级应用：行业赛道落地与DeepSeek能力强化 6. 能力使用指南与展望：DeepSeek使用指南、潜在缺陷与后续各发展路线优劣势分析 7. 推理型产品的崛起：DeepSearch涌现与Manus/OWL产品崛起 |
|
第一天下午 模块二 RAG从框架入门到深度实战解析 1.大模型驱动的RAG技术架构剖析 2.RAG技术的范式演进与核心步骤 2.1高性能向量知识库构建与优化 2.2 Langchain与LangServe技术框架的深度应用 2.3 RAG模型推理性能优化与加速技术 3. RAG模型线上业务化落地 3.1 GraphRAG的核心原理与前沿落地 3.2 RAG评估框架与垂类优化 4.RAG与智能Agent的协同与融合 4.1 RAG落地最佳实施：实时数据上传、预处理、挂载、召回与问答实现 4.2 RAG落地最佳实施：问题现象、路径归因 与 解决方案 |
|
第二天 模块三 Agent平台原理与落地实操 3.1 简介：Workflow工作流与调试 介绍； 3.2 初试：快速创建与标准创建，单Aegnt、MultiAgent、AutoAgent； 3.3 验证：打造带Function Call能力的Agent（创建Bot与使用插件）； 3.4 多模态：Coze 卡片、图像流 操作手册； 3.5 场景实践： Multi-Agent RAG实操落地 ChatBI实操落地（Chat2SQL、Chat2API） 测试Agent实操落地 目标3：掌握Agent平台操作与场景实践 同学可选实践场景（指导材料细节完备），如： a.日常办公场景（基于Agent打造企业信息助理等） b.运营物料场景（利用Agent打造客户身份闪卡+电影海报） c.Demo设计场景（结合AI Coder+Cursor快速创建产品原型） d.业务战略场景（全网综合AI搜索引擎多Agent聚合） e.技术提效场景（多Agent测试用例生成器等） |
|
模块四： AI落地应用工作坊 目标4：输出内部业务可落地 Agent Demo 4.1 需求挖掘：自有行业痛点、其他行业智能化爆点 4.2 能力准备：创意、思想实验、用户视角、智能化专家+行业专家 4.3 计划书交付：背景+联接+创意+探索＋突破→结果展望 4.4 业务场景讨论与QA：行业洞察+AI最佳实践 i.列举企业或行业痛点或待解决的问题点； ii.初步定位近似行业或企业AI价值点； iii.引导讨论组团队构思解决办法； 4.5 落地路线规划与方法总结：尝试拆解刚刚构思的场景该如何落地 i.解读：业务与数字化战略、场景解读； ii.关键要素分析：数据、算力、成本、用户体验； iii.技术整体蓝图： 1.AI应用模式（提示词、RAG、微调 等差异） 2.能力获取模式（开源/闭源；公网/私有化） 3.成本收益、价值、风险点、实施建议 iv.落地路径： 1.落地项目时间规划、资源投入、风险验证 2.最小POC尝试并展示 |
近期公开课推荐