AI大模型全栈工程师第10期

课程简介

从原理到工程：构建可落地的多智能体与 RAG 实战体系当前大模型开发正从单一提示词工程向复杂系统架构演进，本系列课程直击这一痛点，旨在解决开发者在面对多模态数据处理、长文本检索增强以及智能体自主决策时，缺乏系统性工程落地经验的问题。课程不泛泛而谈模型参数，而是深入剖析 DeepSeek 的技术演进路线与 Manus 的多智能体架构，帮助学员跨越“调包侠”…

已有 24 人浏览发布 2025-12-20 更新 2026-09-18

从原理到工程：构建可落地的多智能体与 RAG 实战体系

当前大模型开发正从单一提示词工程向复杂系统架构演进，本系列课程直击这一痛点，旨在解决开发者在面对多模态数据处理、长文本检索增强以及智能体自主决策时，缺乏系统性工程落地经验的问题。课程不泛泛而谈模型参数，而是深入剖析 DeepSeek 的技术演进路线与 Manus 的多智能体架构，帮助学员跨越“调包侠”与“架构师”之间的鸿沟，掌握从底层原理到上层应用的全栈能力。

项目结构上，课程严格遵循工业界开发规范，摒弃了传统的视频线性播放模式，采用“理论讲解 + 源码对照 + 数据驱动”的模块化设计。资料包中的 Python 编程基础并非为了教授语法，而是作为后续 RAG 与智能体开发的必要前置依赖，确保学员在接触检索增强技术前已具备扎实的代码构建能力。每一章均配有对应的工程代码库，涵盖向量检索策略、数据库连接配置及智能体状态管理逻辑，让学习者能够直接在本地环境复现课程中的分布式训练与推理流程，实现真正的代码级理解。

核心模块拆解与自学路径规划

建议学习者首先攻克 Python 编程基础与 RAG 技术两大基石。Python 部分聚焦于工程化实战，而非语言特性罗列，重点在于理解如何在实际项目中组织代码、处理异常及管理依赖。紧接着进入 RAG 技术章节，这是构建企业级应用的关键。通过解析 8 课内容，你将深入掌握文档切片策略、向量索引构建及检索优化算法，这一部分直接对应资料包中的核心代码库，建议边看视频边运行代码，调试参数以观察不同检索策略对回答质量的影响，从而建立对数据流与逻辑流的直观认知。

在掌握基础架构后，课程将重心转向深度解析 DeepSeek 与 Manus 两个前沿方向。DeepSeek 部分不仅讲解模型架构，更侧重其在实际产业场景中的微调策略与部署挑战，资料包中的演示文稿与视频将辅助理解其技术迭代的底层逻辑。随后进入多智能体架构（Manus）解析，这是本课程的难点与高潮。多智能体系统涉及任务拆解、记忆机制及协同决策，资料包中提供的多智能体工程代码将展示如何编排 Agent 协作流程。学完此部分，你将具备独立设计并开发具备自主规划能力的智能体系统的能力，能够针对特定业务场景（如数据分析、自动化运维）搭建从数据接入到结果输出的完整闭环系统。