讲师指导的培训班
使用大语言模型构建代理式 AI

过去几年中, AI 驱动的智能体能力不断提高,新技术不仅使它们能够进行对话,还能使用工具、开展研究,并在大规模范围内执行复杂目标。本课程使您能够开发复杂的智能体系统,这些系统可以执行深度思考、研究、软件调用和分布式操作。在整个课程中,您将获得设计智能体的实践经验,这些智能体能高效地检索和完善信息、智能地路由查询,并利用诸如 LangGraph 等编排工具以及健全的软件工程实践来并发地执行任务。课程结束时,您将建立坚实的智能体架构基础,并能构建有趣的智能体集成来补充现有的工作流和软件栈。

 

学习目标

参加本次培训,您将学到:
  • 理解 LLM 的优势和局限性,以及为什么基于智能体的范式能在现代软件生态中增强其能力
  • 学习如何生成结构化输出,以支持机器可解析的函数调用或 API 集成
  • 探索检索机制和知识图谱,以获取领域知识
  • 使用 LangGraph 等框架,尝试多智能体协作调度
  • 实现具有弹性的系统和数据飞轮(flywheels),以支持面向生产环境的部署

下载课程大纲文档 (PDF 330 KB)

课程大纲

议题 说明
课程介绍
(15 分钟)
  • 讲师介绍
  • 登录 DLI 学习平台
智能体抽象与 LLM 基础
(45 分钟)
  • 讨论 LLM 的能力与局限性
  • 引入智能体作为任务分解的抽象方式
  • 演示最小化智能体,结合自由文本 LLM 调用
结构化输出与基本执行机制
(45 分钟)
  • 通过基于 JSON 或任务的输出对 LLM 进行瓶颈管理
  • 确保领域对齐与稳定的执行模式
  • 介绍认知架构
休息 (60 分钟)
检索机制与环境工具
(45 分钟)
  • 规范化智能体访问环境的策略,使其能够与其它系统交互
  • 为外部数据存储(DBs, APIs)开发工具接口
  • 使用向量 RAG 编码,实现基于文档集的语义检索
知识图谱与文档图谱
(60 分钟)
  • 规划从原始文档到规范化形式的数据演进
  • 设定阈值/平衡目标,以驱动事件循环
  • 构建状态池/本体(ontologies),以实现稳健的领域覆盖
多智能体系统与框架
(60 分钟)
  • 在不同的智能体之间分解任务
  • 规范化通信缓冲区与进程分布方案
  • 区分不同框架及其独特的方法
休息 (15 分钟)
数据飞轮与系统加固
(60 分钟)
  • 捕获使用日志,优化领域约束或子模型
  • 通过人机协作进行纠错
  • 采用真实/合成数据进行迭代改进以及工作流简化
扩展与生产部署
(60 分钟)
  • 讨论生产环境相关考虑,如资源管理、并发处理、资源利用率及多租户(multi-tenancy)架构
  • 介绍与框架无关的模块化部署(元框架)及其选择标准
  • 采用真实/合成数据进行迭代改进以及工作流简化
[可选]实时智能体
  • 讨论多模态交互及与物理世界交互的智能体应用场景
  • 探索机器人、音频系统、世界模型等最新技术进展
[可选]负责任的智能体
  • 讨论软件设计中的常见失败模式,包括不公平性、法律责任和糟糕的软件体验
  • 研究智能体设计中的制衡系统、标准创建及评估需求
总结
(15 分钟)
  • 回顾所学要点
  • 通过映射将预训练模型转换为能够接收不同的数据类型,完成评估并获得证书
  • 填写培训调查表
下一步
 

培训详情

课程时长:8 小时,课后 6 个月内可以继续访问课件(实验资源用量有限额)

课程模式:讲师实时授课,每位学员可使用完全配置的云端实验环境进行练习

价格:

  • AI 培训班:每人 3500 元(提供发票)
  • 企业专属培训:联系我们,微信添加 NVIDIALearn

预备知识:

使用的工具、库和框架:Python, PyTorch, HuggingFaceTransformersLangChainLangGraph

课程测评问题类型:基于技能的编码测试

培训证书:成功完成本课程和测试后,学员将获得 NVIDIA DLI 培训证书,证明在相关领域的能力,为职业发展提供证明

学习此课程的硬件要求:您需要一台笔记本电脑或台式机,且能够运行最新版 Chrome 或 Firefox 浏览器。我们为您提供在云端实验环境的专用访问权限

课程语言:中文

Upcoming Public Workshops

If your organization is interested in boosting and developing key skills in AI, accelerated data science, or accelerated computing, you can request instructor-led training from the NVIDIA DLI.

学习更多 DLI 课程

深度学习新手入门

深度学习基础——理论与实践入门

为大语言模型添加新知识

构建基于大语言模型 (LLM) 的应用

构建基于扩散模型的生成式 AI 应用

模型并行 —— 构建和部署大型神经网络

如果您的企业希望获取或提升在 AI、加速数据科学或加速计算方面的核心技能,NVIDIA DLI 有讲师指导的培训将是您的信心之选。

遇到问题?