贪心科技 大模型开发应用实战营 - 带源码课件

这份资料围绕什么展开

贪心科技这套大模型开发应用实战营，主题集中在“用工程手段把大模型接进真实业务”这条线上。它不追求把 Transformer 数学推导讲透，而是把重心放在应用层：怎么组织 prompt、怎么用框架串起工具调用、怎么让 Agent 自主完成任务、怎么把检索、记忆、执行这些环节拼成一个能跑的系统。资料按周推进，越往后越偏向 Agent 与多智能体协作，整体节奏是从单点调用走向系统编排。

对拿到源码课件的开发者来说，真正有价值的是那些可以直接跑起来的示例：Langchain 的链式调用、Agent 的工具注册与路由、AutoGPT 与 MetaGPT 一类框架的结构拆解。这些内容在纯视频里容易看个热闹，但配了源码之后，你能逐行对照，看到每个抽象类背后实际做了什么。

技术栈与结构

资料横跨几类主流组件。Langchain 是出现频率较高的一个，用于把模型、提示模板、输出解析器和外部工具串成可复用的链；Agent 部分则涉及任务规划、工具选择和执行回路的实现方式；到后半程引入 AutoGPT、MetaGPT 这类自主智能体框架，讨论多角色分工、消息传递和任务分解。时间线标注到 2024 年 3 月，意味着它覆盖了当时相对新的接口形态和框架版本。

这种按周组织的结构，好处是每一节基本对应一个可独立理解的小主题，比如“Langchain 的应用”“Agent 的构建”。你可以把它当成一组模块来读，而不是必须从头线性看完。对已经熟悉 Python 和 API 调用的开发者，完全可以直接跳到自己关心的那部分，把源码拉出来改一改再跑。

可复用的模块与工程点

• 提示与输出的结构化处理：如何把自然语言输出约束成程序可解析的格式，这是应用层最容易踩坑的地方。
• 工具调用与函数注册：Agent 能不能可靠干活，取决于工具描述、参数校验和异常回退写得好不好。
• 记忆与上下文管理：多轮任务里怎么裁剪、摘要、持久化上下文，直接决定系统能跑多长。
• 多智能体编排：角色划分、消息总线、任务分配，这类结构在 MetaGPT 一类框架里有比较清晰的体现。
• 检索增强的接入位置：在链的哪一环插入外部知识，会显著影响延迟和答案质量。

这些点单独看都不新鲜，但源码的价值在于给出了一种具体的实现取舍。你可以不同意它的写法，然后自己重写一遍，这本身就是有效的学习方式。

怎么用这份资料更高效

建议不要按目录顺次“看完”。先挑一个自己业务里最接近的场景，比如一个需要调用外部接口的问答助手，然后找到资料里对应的 Langchain 或 Agent 示例，把源码跑通，再逐段替换成自己的逻辑。遇到框架抽象层看不懂的地方，回到源码里看它到底包了什么。Agent 和多智能体部分可以放到第二步，因为那部分的复杂度更高，前置的链式调用和工具调用不熟的话，直接上手会比较吃力。

整体来说，这是一份偏实践、带源码可对照的工程参考，适合边改边跑，而不是只当视频过一遍。