基于大模型的Agent技術應用開發(fā)實踐
2026-03-26 07:59:48
講師：講師團 瀏覽次數(shù)：533
課程描述INTRODUCTION
基于大模型的Agent技術應用開發(fā)實踐
培訓講師：講師團
課程價格：￥6800元/人
培訓天數(shù)：3天
日程安排SCHEDULE
2026-06-25
廣州
2026-08-28
北京
2026-10-24
成都
課程大綱Syllabus
基于大模型的Agent技術應用開發(fā)實踐
培訓背景
在當今快速發(fā)展的信息技術時代，人工智能（AI）已成為推動社會進步和產(chǎn)業(yè)升級的關鍵力量。其中，Agent智能體作為AI領域的一個重要分支，正逐漸展現(xiàn)出其獨特的價值和廣泛的應用前景。盡管 Agent需求旺盛，但企業(yè)在落地過程中普遍面臨技術、場景、安全三重門檻，培訓學習成為破局關鍵。
Agent智能體是一種能夠自主決策、與環(huán)境進行交互并完成任務的軟件實體。它們能夠感知環(huán)境、理解用戶需求、制定并執(zhí)行計劃，從而為用戶提供智能化的服務。隨著大數(shù)據(jù)、云計算和深度學習等技術的不斷發(fā)展，大模型Agent智能體已經(jīng)能夠在眾多領域發(fā)揮重要作用，如智能家居、自動駕駛、智能客服、醫(yī)療輔助等。
學習Agent智能體的開發(fā)，能夠深入理解人工智能的基本原理和核心技術。通過掌握Agent智能體的設計、實現(xiàn)和優(yōu)化方法，幫助學習者更全面了解AI系統(tǒng)的構建過程，為未來的研究和開發(fā)工作打下堅實的基礎；學習Agent智能體在智能家居領域、自動駕駛領域、智能客服領域、醫(yī)療輔助領域等領域開發(fā)具有廣泛的實用價值。
培訓對象：AI工程師、算法工程師，各類軟件企業(yè)和研發(fā)中心的程序員、軟件設計師、技術負責人、架構師、高校計算機及人工智能專業(yè)師生等。
培訓收益
1.深入理解AI大模型與Agent技術的核心原理；
2.深入了解AI大模型與Agent技術架構及運作機制；
3.挖掘AI大模型與Agent技術在企業(yè)業(yè)務中的創(chuàng)新應用場景；
4.學會結合AI大模型與Agent技術進行分析與解決復雜問題；
5.顯著提升工作效能，實現(xiàn)業(yè)務流程的自動化處理；
6.促進團隊協(xié)作優(yōu)化，推動行業(yè)技術交流，拓寬職業(yè)發(fā)展道路。
證書頒發(fā)
參加培訓并通過考試的學員，將獲得由工業(yè)和信息化部教育與考試中心統(tǒng)一頒發(fā)的《AI大模型全棧技術（高級）》職業(yè)能力證書。證書長期有效，相關信息可隨時登錄中心官網(wǎng)查詢。
培訓形式：線下面授 + 同步直播
培訓內(nèi)容
培訓共計3天，每天6小時，具體日程安排如下：
第一部分:大模型驅(qū)動的Agent智能體概述
1.智能體的定義與特點
2.智能體與傳統(tǒng)軟件的關系
3.智能體與LLM的關系
4.從ChatGPT到智能體
5.智能體的五種能力
6.記憶，規(guī)劃，工具，自主決策，推理
7.多智能體協(xié)作
8.企業(yè)級智能體應用與任務規(guī)劃
9.智能體開發(fā)
第二部分: 基于大模型的Agent技術框架
1.Agent的四大要素
2.Agent的規(guī)劃和決策能力
3.Agent的各種記憶機制
4.Agent的核心技能：調(diào)用工具
5.Agent的推理引擎：ReAct框架
6.何謂ReAct
7.用ReAct框架實現(xiàn)簡單Agent
8.基于ReAct框架的提示
9.構建ReAct Agent
第三部分: 基于LangChain構建智能體
1.何謂LangChain
2.LangChain中的六大模塊
3.LangChain和Agent開發(fā)
4.LangChain構建智能體的類型
5.LangChain構建工具
6.LangChain構建Agent
第四部分: 推理與行動的協(xié)同——通過LangChain中的ReAct框架實現(xiàn)
1.了解ReAct框架與運行邏輯
2.LangChain中ReAct Agent 的實現(xiàn)
3.LangChain中的工具和工具包
4.create_react_agent創(chuàng)建鮮花定價Agent
5.深挖AgentExecutor的運行機制
6.在AgentExecutor中設置斷點
7.思考：模型決定搜索
8.行動：工具執(zhí)行搜索
9.思考：模型決定計算
10.行動：工具執(zhí)行計算
11.思考：模型完成任務
第五部分: 計劃和執(zhí)行的解耦-通過LangChain中的Plan-and-Execute實現(xiàn)
1.Plan-and-Solve策略的提出
2.LangChain中的Plan-and-Execute Agent
3.通過Plan-and-Execute Agent實現(xiàn)物流管理
4.為Agent定義一系列進行自動庫存調(diào)度的工具
5.創(chuàng)建Plan-and-Execute Agent并嘗試一個“不可能完成的任務”
6.完善請求，讓Agent完成任務 7.從單Agent到多Agent
第六部分: 多Agent*實踐
1.智能體和多智能體 multi-agent systems
2.監(jiān)督者：每個Agent與一個監(jiān)督者Agent通信
3.自定義多Agent工作流：每個Agent只與其他Agent通信
4.Multi-Agent多角色協(xié)作
5.SOP拆解
6.角色扮演
7.反饋迭代
8.監(jiān)督控制
9.workflow automation
10.企業(yè)工程化*實踐
第七部分: 基于多模態(tài)構建Agent
1.多模態(tài)技術原理講解
2.常用的多模態(tài)模型介紹、原理解析
3.多模態(tài)典型應用場景舉例，以及技術實現(xiàn)
4.多模態(tài)技術實戰(zhàn)
5.多模態(tài)需求輸入：圖像、語音、文本
6.語音輸入集成模塊
7.圖像輸入集成模塊
8.核心需求理解與多輪輸入整合模塊
9.語音輸入處理
10.利用多模態(tài)技術實現(xiàn)多模態(tài)智能聊天對話
11.基于多模態(tài)大模型的Agent開發(fā)
第八部分:分析國外智能體典型案例和商業(yè)應用
1.解讀斯坦福小鎮(zhèn)項目：生成式智能體典型案例
2.AutoGPT：通過自然語言的需求描述執(zhí)行自動化任務
3.BabyAGI：根據(jù)任務結果自動創(chuàng)建，排序和執(zhí)行新任務
4.MetaGPT：重塑生成式AI與軟件開發(fā)界面
5.AutoGen：下一代LLM應用的啟動器
6.ChatDev：重塑軟件開發(fā)的AI群體智能協(xié)作框架
7.Camel AI：引領自主與交流智能體的未來
第九部分: 企業(yè)專屬領域的智能客服Agent
1.打造專屬領域的客服聊天機器人
2.客服聊天機器人概述
3.客服聊天機器人價值簡介
4.客服聊天機器人研發(fā)工具
5.AI課程客服聊天機器人總體架構
6.前端功能設計
7.后端功能設計
8.AI課程客服聊天機器人應用實例
第十部分: Agent + MCP打造高級智能體
1.RAG、Agent與MCP的區(qū)別與聯(lián)系
2.MCP與FunctionCall的關系
3.熱門的MCP客戶端工具有哪些
4.MCP服務接入原理講解
5.自定義MCP Client開發(fā)--STDIO協(xié)議對接
6.LangGraph Agent接入Github MCP服務
7.Langchain_mcp_adatpers創(chuàng)建高德MCP客戶端
8.基于高德MCP的復雜路徑規(guī)劃+可視化展示
第十一部分: 知識圖譜構建與Agent調(diào)用
1.Neo4j基礎概念：Node、Relationship、Property
2.使用 Cypher 查詢語言進行數(shù)據(jù)建模、插入和查詢。
3.網(wǎng)絡配置文件（config）的基本結構和參數(shù)分析
4.基于config指定數(shù)據(jù)清洗與標準化格式
5.基于本地大模型的結構化分析實現(xiàn)
6.LangChain 自動生成并優(yōu)化 Cypher 查詢
7.LangServe發(fā)布圖譜服務器
8. Agent識別用戶意圖并調(diào)用圖譜
第十二部分: Manus快速上手與辦公賦能
1.Manus產(chǎn)品架構解析：云端智能體、多工具調(diào)用、任務分解與自主執(zhí)行
2.Manus在職場的應用：文檔智能處理、任務自動化、代碼編寫與調(diào)試
3.Manus實操訓練：任務自動化演練、網(wǎng)頁數(shù)據(jù)采集、代碼執(zhí)行挑戰(zhàn)
4.Manus辦公賦能：會議紀要自動總結
5.Manus辦公賦能：郵件自動分類與回復
6.Manus辦公賦能：PPT生成對比
第十三部分: Manus 數(shù)據(jù)分析智能化
1.跨平臺AI協(xié)同DeepSeek+Manus組合優(yōu)化內(nèi)容生產(chǎn)
2.跨平臺AI協(xié)同：任務自動化與知識檢索結合
3.Manus在數(shù)據(jù)分析中的應用：銷售數(shù)據(jù)分析、市場調(diào)研報告
4.高級AI數(shù)據(jù)分析演練：實時數(shù)據(jù)抓取與分析、A/B測試優(yōu)化
5.智能體如何重塑工作模式：AI從輔助工具到自主執(zhí)行體的演變
6.Agent私有化、數(shù)據(jù)安全與企業(yè)適配性問題
第十四部分: OpenManus本地化部署與使用
1.OpenManus簡介：開源AI智能體框架
2.GitHub克隆到本地運行
3.連接LLM API
4.瀏覽器操作與代碼執(zhí)行
5.ReAct與Planning模式
6.Flow系統(tǒng)應用
7.啟用沙箱環(huán)境
8.常見問題與調(diào)試技巧
備注：采用小班制教學，授課過程中，講師會通過互動提問、組織小組討論、即時答疑等形式，幫助學員把所學轉(zhuǎn)化為可落地的能力。
培訓講師
劉老師 | AI技術領域資深專家
西安郵電大學計算機科學與技術專業(yè)。擁有著20多年軟件研發(fā)與企業(yè)培訓經(jīng)驗，對Java、Python、區(qū)塊鏈等技術領域有獨特的研究，精通機器學習、深度學習、大模型技術。他的專業(yè)素養(yǎng)和教學能力備受學員贊譽，是眾多技術愛好者心中的楷模。
AI深度學習方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流機器學習算法、各種神經(jīng)網(wǎng)絡結構和圖形圖像識別技術。
LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微調(diào)、DeepSpeek分布式訓練、MindFormers生態(tài)、MoE混合專家模型。能根據(jù)客戶的需求實現(xiàn)定制化的模型私有化部署、微調(diào)、對齊、量化。并對LangChain、LlamaIndex、Dify等大模型框架有源碼級的理解。
劉老師 | 國內(nèi)*AI專家
最近幾年帶隊完成了數(shù)十個AI項目，內(nèi)容不僅包括深度學習、機器學習、數(shù)據(jù)挖掘等具體技術要點，也包括AI的整體發(fā)展、現(xiàn)狀、應用、商業(yè)價值、未來方向等，涵蓋內(nèi)容非常豐富。完成多個深度學習實踐項目，廣泛應用于醫(yī)療、交通、銀行、電信等多個領域。從2020年推出的多門課程《AI大模型賦能行業(yè)應用與解決方案》《AI大模型輔助軟件研發(fā)管理與效能提升》和《AI大模型技術及開發(fā)應用實踐》更是廣受歡迎，已經(jīng)為幾十家企業(yè)培訓，作為一名AI技術專家，對人工智能的理解深入透徹。
他不僅精通AI的編程技術，還熟悉各種AI工具的使用，尤其在AI行業(yè)應用更是有著獨特的見解和實踐經(jīng)驗；自從2023年以來幫助多家研發(fā)中心做AI輔助開發(fā)效能提升咨詢服務。同時也是微軟人工智能認證工程師，阿里云AI人工智能訓練師。在人工智能領域的深耕和創(chuàng)新，也得到了出版社的青睞，計劃出版自己的著作。也在多家技術大會做AI技術講座。
張老師 | 人工智能實戰(zhàn)導師
大數(shù)據(jù)資深專家、云計算架構師，數(shù)據(jù)挖掘、數(shù)據(jù)分析工程師，曾作為多家大型知名企業(yè)首席架構，負責PaaS平臺研發(fā)；主要研究方向包括大數(shù)據(jù)、云計算、移動開發(fā)、互聯(lián)網(wǎng)營銷、電子商務、項目管理等。IT從業(yè)二十余年，具有多年授課經(jīng)驗，秉承理論與實踐相結合，在學習中實踐，在實踐中學習，積累了豐富的理論與實踐經(jīng)驗，并且樂于將自己的經(jīng)驗分享。發(fā)現(xiàn)并集成整合社會資源，為企業(yè)節(jié)省資源并創(chuàng)造價值，達到為合作伙伴創(chuàng)收的目的。
曾為多家國內(nèi)知名企業(yè)提供培訓與咨詢，擁有大數(shù)據(jù)、大流量、高并發(fā)、分布式的大型網(wǎng)站架構和設計經(jīng)驗。曾主導過多個私有云建設項目，早些年也主導過ERP、CMS等軟件項目，這些項目中包含多個數(shù)百萬、上千萬的大型項目。
基于大模型的Agent技術應用開發(fā)實踐
轉(zhuǎn)載：http://www.oysg8.com/gkk_detail/324909.html
已開課時間Have start time
2026-04-26
北京