“ 智能体中，大模型就是人，工具就是人使用的工具，提示词就是你想让大模型做什么，以及怎么做。”

智能体作为AI领域潜力无限的一个应用方向，很多技术从业者都扑在了智能体上，同时也有更多的人想入行智能体开发；但面对智能体领域各种乱七八糟的新概念，新名词很多人都不知道该从哪下手，以及怎么下手。

特别是智能体是结合大模型LLM+Prompt+Tools组成的一个复合概念；最重要的是很多人刚开始很难弄明白大模型都是干啥的，以及应该怎么干。

从人的角度理解大模型和智能体

事实上智能体的理解很简单，就是一个人(LLM)+工具(Tools)，然后再告诉它应该怎么做(prompt)。

举个简单的例子，某天你老板让你把你现在做的业务给简单介绍一下，并画个流程图啥的；这时你可以通过口述把你做的事情给描述一遍，这个你就是大模型；而老板的要求——介绍你现在做的业务，就是提示词Prompt。

那么什么是智能体呢？

老板不但让你介绍你做的工作，还让你画个流程图什么的；这个流程图应该怎么画？

是拿张纸和笔用手画，还是打开电脑用wps或者其它绘图工具画；这里的纸和笔或者电脑就是工具(Tools)，让你做什么事之前总需要给你工具才可以。

所以，智能体是什么？

智能体就是一个具备独立思考能力的大模型(大脑)，然后配备了多种工具(只不过需要告诉大模型这些工具都是干啥的，以及怎么用)，最后再通过提示词告诉大模型要做什么，然后让大模型自己去思考，然后使用某个工具完成某件事情。

但是，大模型这个脑袋并不是万能的，它也会犯错而且可能会经常犯错；哪怕是人脑很多时候沟通都会产生很大的偏差，所以基于大模型构建的智能体出现问题的可能性就更大了。

而且，程序员在开发接口或者工具的过程中，不同的接口或功能都会有其固定的格式；但大模型不同，根据业务需要可能大模型要集成多种不同的工具，而这些工具的参数和返回值格式都不尽相同，而这也为大模型的后续处理带来很大的困难；特别是在多智能体交互的过程中。

所以，面对这种问题只能尽可能地去约束大模型或者工具的输出结构，然后由大模型自动或者通过人工规则约束的方式来规范数据格式。

但这种方式也只能尽可能的降低智能体出错的概率，而并不能完全避免出现问题；所以，在智能体的开发过程中需要有完善的容错机制，才能让智能体更稳定，更健壮。

还有一点就是，在这种长链路的执行过程中，数据在智能体或者在不同智能体之间的流转就成了一个问题；而这种只能借助第三方或者独立的数据流转模块；而在Langgraph中，就是通过状态图来实现的。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】