这门课的名字叫「大型模型智能代理在线速成班 V2.0」,2026 年 1 月开课。从资料结构看,它不是泛泛讲 LLM 概念的科普课,而是把落点压在两个具体项目上:智能客服系统和掌柜智库。前者偏对话交互链路,后者偏知识入库与检索。两条线合在一起,基本覆盖了一个可用的智能代理系统从数据接入到多轮应答的主要环节。 技术栈与内容重心 从模块命名能看出,课程围绕 P…
这门课的名字叫「大型模型智能代理在线速成班 V2.0」,2026 年 1 月开课。从资料结构看,它不是泛泛讲 LLM 概念的科普课,而是把落点压在两个具体项目上:智能客服系统和掌柜智库。前者偏对话交互链路,后者偏知识入库与检索。两条线合在一起,基本覆盖了一个可用的智能代理系统从数据接入到多轮应答的主要环节。
从模块命名能看出,课程围绕 Python 侧的代理工程展开。核心不在模型训练,而在模型之外的工程层:导入模块负责把非结构化文档切分、归一化、入库;查询模块负责把用户问题转成可检索的表达并组织上下文;对话层负责多轮状态管理和意图承接。这种划分方式是做智能客服这类系统时的典型套路,先解决「知识从哪来」,再解决「问题怎么问」,最后解决「多轮怎么接」。
资料里出现的 splite 切分实现、后置接口准备、node_document_split 等线索,指向的是文档切片与节点化处理这条主线。这部分在实际项目里最容易出问题:切得太碎丢语义,切得太粗召回不准。课程把它单独拆成一天的内容,说明是当作可复用模块来教的,而不是一笔带过。
资源按天和项目组织,智能客服系统与掌柜智库各自成块。建议不要按文件夹顺序平推,而是先看两个项目各自的入口和数据流:智能客服从用户输入到回复经过哪几层,掌柜智库从原始文档到可查询节点经过哪几步。把这两条链路画出来,再去对照每天的模块,理解会快很多。
导入模块和查询模块是可以直接抽出来复用的。如果你手上已有类似需求,完全可以把切分逻辑和后置接口那部分单独移植,改一改输入源即可。这也是这份资料相比纯视频的价值所在——它给了可对照的代码结构,而不是只讲思路。
如果你完全没有接触过 LLM 应用开发,建议先把对话补全和向量检索的基本概念过一遍,再回来跟项目,否则容易被模块细节淹没。
先跑通掌柜智库的导入链路,确认文档能正确切分并入库;再接通查询模块,验证单轮问答能召回正确片段;最后进智能客服系统,加上多轮状态和意图处理。每一步都以「能不能跑出一个可观察的结果」为验收标准,而不是看完视频就算过。遇到 splite 实现这类细节,直接读代码对照资料里的示意图,比反复看讲解更有效。
整体上,这套资料适合当作工程参考手册来用:需要哪一块就翻哪一块,边改边跑。把它当成对照实践的底稿,而不是需要从头看到尾的连续剧,收益会更高。
掌握大型模型智能代理开发技巧
深入浅出,项目实战,助力构建智能客服系统。
本课程聚焦大型模型智能代理开发,通过实战项目,让你快速掌握智能客服系统构建技巧。
课程涵盖智能对话架构、多轮对话处理、导入模块实现、查询模块开发等核心内容。
🎉 祝您学习愉快!