迪哥·2025AI智能体开发课程
《迪哥·2025AI智能体开发课程》迪哥AI智能体2025｜观看顺序.xlsx【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Ollama 本地大模型部署、Prompt 提示词工程、AI Agent 智能体构建、Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大
迪哥这套 2025 版智能体开发课，看一眼结构就知道它不是那种「概念讲三小时、代码敲五分钟」的水课。它的东西都压在一条线上：把大模型接上外部知识、外挂工具，最后拼成一个能跑起来的 Agent。整门课真正值钱的部分，是你学完之后能独立复现一个「本地模型 + 向量库 + 工具调用」的闭环，而不是听了一堆名词。
课纲的含金量在哪一块
这门课的技术栈选得比较务实。RAG、Embedding、Ollama 本地部署、Prompt 工程、Agent 构建，这几块不是随便拼的，它们恰好是一条完整的落地链路：先用 Ollama 把模型跑在自己机器上，省掉 API 成本也避开数据外流；再用 Embedding 把私有文档转成向量；RAG 负责把检索结果喂回模型，解决「模型不知道你公司文档」的问题；最后 Agent 这一层，是把上面这些能力包成一个能自己决定调什么工具的实体。
值得注意的是它把 Ollama 本地部署单独拎出来讲。很多同类课直接把 OpenAI 接口一调就完事，但企业里真落地时，本地化部署和向量库选型往往是卡点。这一块讲透了，你的 Demo 才有资格往「企业知识库」方向靠。
哪些章节值得精看，哪些可以快过
- Prompt 工程那部分建议快过。概念你都懂，重点看它给的几个结构化模板，扫一眼就行，不用逐帧。
- Embedding 与向量检索要精看。这里是 RAG 效果好坏的分水岭——切块策略、相似度度量、召回数量怎么调，这些细节决定你的问答是「答得准」还是「答得像」。
- RAG 全流程必须精看，而且要动手复现。检索增强生成不是把文档丢进去就完事，检索质量差，模型再强也白搭。
- Agent 构建部分慢下来。工具定义、调用决策、多轮状态管理，这几节是整门课的天花板，也是面试最容易问穿的地方。
资料包该怎么拆开用
配套里那份「观看顺序」表格别当摆设，它其实是这门课的使用说明书。建议的用法是：先照着顺序表把主线过一遍，但不要一口气刷完。每完成一个模块（比如向量检索这一块），就把对应章节笔记翻出来，自己合上视频重写一遍关键代码逻辑——笔记是给人复盘用的，不是给你抄的。
Python 基础薄弱的话，把课程里出现的 Python 代码单独抽出来练，尤其是异步调用和向量库 SDK 那几段。这门课默认你有一定后端底子，语法层面不会细讲，跟不上会卡在 Agent 的工程实现上。
学完能拿去干什么
现实一点说，这套课对应的方向是 AI 应用工程师和 RAG 系统开发，尤其是「后端 + 大模型落地」这种复合岗。纯调 API 的活正在贬值，能把私有知识库、本地模型、工具调用串成一条完整链路的人才还稀缺。所以别只满足于跑通 Demo，把「文档入库 → 检索 → 生成 → 工具调用」整条链路自己复现一遍，写进作品集，比简历上写十个框架名管用。
如果你是那种喜欢先看目录再决定要不要投入时间的人，这门课的目录值得你花十分钟研究——它的章节顺序基本就是一条从部署到落地的工程路径，按这条路走，不太容易迷路。
迪哥AI智能体2025｜观看顺序.xlsx
课程推荐
《迪哥·2025AI智能体开发课程》迪哥AI智能体2025｜观看顺序.xlsx【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Ollama 本地大模型部署、Prompt 提示词工程、AI Agent 智能体构建、Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（173 节）
* 1、课程介绍.mp4
* 2-2工作流要完成的任务与节点定义.mp4
* 3-3插件配置方法与参数.mp4
* 4-4大模型节点配置方法.mp4
* 5-5结束节点配置.mp4
* 6-6智能体配置方法.mp4
* 1-1循环节点方法解读.mp4
* 2-2循环中参数的定义方法.mp4
* 3-3续写新闻稿件方法（循环中间变量使用）.mp4
* 4-4智能体测试与输出节点.mp4
* 5-5批处理的作用与效果.mp4
* 1-1做视频素材业务逻辑分析.mp4
* 2-2做剧本节点系统提示词方法.mp4
* 3-3完成剧本节点输出.mp4
* 4-4画面描述与图像生成节点构建.mp4
* 5-5图像违规词限制与运镜节点.mp4
* 6-6视频节点构建与错误分析.mp4
* 7-7图像生成节点错误调试并保险.mp4
* 8-8视频生成节点容易违规的解决方法.mp4
* 9-9选修（当作拓展知识）：配置外部视频软件成为插件.mp4
* 10-10选修：自定义插件配置方法实例.mp4
* 11-11选修：工作流中添加视频插件.mp4
* 1-1时间线定义方法.mp4
* 2-2剪映插件介绍.mp4
* 3-3时间线和素材绑定方法.mp4
* 4-4剪映草稿添加素材方法.mp4
* 5-5得到合成后的视频.mp4
* 1-1对话流配置与创建.mp4
* 2-2选择器的使用方法.mp4
* 3-3数据库与大模型的匹配方法.mp4
* 4-4知识库构建与匹配方法.mp4
* 5-5汇总输出与测试.mp4
* 1-1DEMO演示与基本流程分析.mp4
* 2-2表格填入模块解读.mp4
* 3-3表格的输入与输出.mp4
* 4-4查找与匹配的方法.mp4
* 5-5飞书表格智能体测试应用与常见问题.mp4
* 1-1DEMO演示与应用分析.mp4
* 2-2输入参数与大模型配置.mp4
* 3-3图像生成模型配置.mp4
* 4-4COZE中的应用模块配置.mp4
* 5-5COZE应用界面设计.mp4
* 1-1提示词与工作流配置.mp4
* 2-2插件配置方法与输出.mp4
* 01-1COZE-API开通方法.mp4
* 02-2API外部调用方法实例演示.mp4
* 03-3Cursor应用例子分析.mp4
* 04-4用CURSOR构建一个浏览器插件.mp4
* 05-5API调用与插件测试.mp4
* 01-1效果演示与数据读取.mp4
* 02-2数据清洗与处理.mp4
* 03-3结合DeepSeek构建代码节点.mp4
* 04-4结合DeepSeek进行数据分析.mp4
* 05-5配置插件把分析结果存在excel里.mp4
* 06-6数据可视化配置方法与节点调试分析.mp4
* 07-7不同可视化图表配置方法.mp4
* 08-8输出与展示配置.mp4
* 01-1插件的基本配置方法.mp4
* 02-2输入输出参数配置方法.mp4
* 03-3在工作流中配置自己的插件并使用.mp4
* 01-1助手插件接入.mp4
* 02-2数据表创建方法.mp4
* 03-3识别工作流配置与测试.mp4
* 04-4调用模块工作流配置.mp4
* 05-5知识库配置.mp4
* 01-1自定义插件创建方法与流程.mp4
* 02-2插件输出配置与循环体.mp4
* 03-3知识库配置与结果输出.mp4
* 01-1影刀RPA分析.mp4
* 02-2影刀安装方法.mp4
* 03-3影刀流程配置方法实例.mp4
* 04-4执行循环操作.mp4
* 05-5完成文案采集的全部功能.mp4
* 01-1RAGFLOW介绍和特点.mp4
* 02-2RAGFLOW接入本地模型.mp4
* 03-3Chat与Embedding模型接入.mp4
* 04-4知识库构建实例.mp4
* 05-5封装成API调用.mp4
* 01-1RAG要完成的任务解读.mp4
* 02-2RAG整体流程解读.mp4
* 03-3召回优化策略分析.mp4
* 04-4召回改进方案解读.mp4
* 05-5评估工具RAGAS.mp4
* 06-6外接本地数据库工具.mp4
* 01-1整体故事解读.mp4
* 02-2要解决的问题和整体框架分析.mp4
* 03-3论文基本框架分析.mp4
* 04-4Agent的记忆信息.mp4
* 05-5感知与反思模块构建流程.mp4
* 06-6计划模块实现细节.mp4
* 07-7整体流程框架图.mp4
* 08-8感知模块解读.mp4
* 09-9思考模块解读.mp4
* 10-10项目环境配置方法解读.mp4
* 01-0Python环境说明.mp4
* 02-1AutoGenStudio框架安装与介绍.mp4
* 03-2动作API配置方法.mp4
* 04-3国内常用API配置方法.mp4
* 05-4API接口在线测试.mp4
* 06-5工作流配置.mp4
* 07-6执行流程与结果.mp4
* 01-1API生成方法.mp4
* 02-2GroupChat模块.mp4
* 03-3执行流程分析.mp4
* 04-4外接本地支持库配置方法.mp4
* 05-5加入RAG技能.mp4
* 06-6LMStudio本地下载部署模型.mp4
* 07-7调用本地模型方法与配置.mp4
* 08-8AutogenStudio本地化部署流程.mp4
* 09-9本地化部署接入应用实例.mp4
* 10-10调用SD-API完成设计.mp4
* 11-11Ollama环境配置与安装.mp4
* 12-12autogen接入本地模型.mp4
* 01-1论文概述分析.mp4
* 02-2整体框架逻辑介绍.mp4
* 03-3项目环境配置.mp4
* 04-4基础解读-动作定义方式.mp4
* 05-5基础解读-角色定义.mp4
* 06-6单动作智能体实现方法.mp4
* 07-7多动作配置方法.mp4
* 08-8定时器任务环境配置.mp4
* 09-9定时器任务流程解读分析.mp4
* 01-0基本Agent的组成.mp4
* 02-1Agent要完成的任务和业务逻辑定义.mp4
* 03-2问题拆解与执行流程.mp4
* 04-3检索得到重要的URL.mp4
* 05-4子问题生成总结结果.mp4
* 06-5总结与结果输出.mp4
* 01-1DEMO演示与整体架分析.mp4
* 02-2后端GPT项目部署启动.mp4
* 03-3前端助手API与流程图配置.mp4
* 04-4接入外部API的方法与流程.mp4
* 05-5引入API方法解读.mp4
* 06-6指令提示构建.mp4
* 01-1环境相关配置解读.mp4
* 02-2工具调用流程拆解.mp4
* 03-3功能调用方法实例.mp4
* 04-4RAG环境配置搭建.mp4
* 05-5LLAMA3应用-RAG搭建方法.mp4
* 06-6RAG基本流程分析.mp4
* 01-1LORA微调方法.mp4
* 02-2指令微调所需数据与模型下载.mp4
* 03-3llama3模型微调实例.mp4
* 04-4llama3微调后进行量化.mp4
* 05-5llama.cpp量化实例.mp4
* 06-6部署应用.mp4
* 01-1LORA微调方法.mp4
* 02-2指令微调所需数据与模型下载.mp4
* 03-3llama3模型微调实例.mp4
* 04-4llama3微调后进行量化.mp4
* 05-5llama.cpp量化实例.mp4
* 06-6部署应用.mp4
* 07-7项目需求分析流程.mp4
* 08-8数据与特征库准备.mp4
* 09-9模型准备与项目分析.mp4
* 10-10模型选择方法总结.mp4
* 11-11项目经验总结与优化，方法.mp4
* 01-1数据挖掘要解决的问题.mp4
* 02-2数据处理与清洗分析.mp4
* 03-3特征工程的作用与流程.mp4
* 04-4机器学习算法分析.mp4
* 05-5模板到哪去找.mp4
* 01-1知识图谱要解决的问题与流程分析.mp4
* 02-2知识图谱项目实际应用分析.mp4
* 03-3知识图谱实战应用项目解读.mp4
* 04-4大模型要解决的问题和应用分析.mp4
* 05-5工具总结分析.mp4
* 01-1MOE概述分析.mp4
* 02-2MOE模块实现方法解读.mp4
* 03-3效果分析与总结.mp4
* 01-1RAG与微调可以解决与无法解决的问题.mp4
* 02-2RAG实践策略.mp4
* 03-3微调要解决的问题.mp4
配套笔记（6 份 PDF）
* 大模型.pdf
* RAG.pdf
* 斯坦福小镇论文.pdf
* 斯坦福AI小镇.pdf
* Agent思维导图.pdf
* metaGpt.pdf
![[衡天云]爆款云服务器 低至12元/月](/hty.png)
