第一部分:大模型驱动的Agent智能体概述

1.智能体的定义与特点

2.智能体与传统软件的关系

3.智能体与LLM的关系

4.从ChatGPT到智能体

5.智能体的五种能力

6.记忆，规划，工具，自主决策，推理

7.多智能体协作

8.企业级智能体应用与任务规划

9.智能体开发

第二部分: 基于大模型的Agent技术框架

1.Agent的四大要素

2.Agent的规划和决策能力

3.Agent的各种记忆机制

4.Agent的核心技能：调用工具

5.Agent的推理引擎：ReAct框架

6.何谓ReAct

7.用ReAct框架实现简单Agent

8.基于ReAct框架的提示

9.构建ReAct Agent

第三部分: 基于LangChain构建智能体

1.何谓LangChain

2.LangChain中的六大模块

3.LangChain和Agent开发

4.LangChain构建智能体的类型

5.LangChain构建工具

6.何谓LlamaIndex

7.说说LlamaIndex

8.LlamaIndex和基于RAG的AI开发

9.简单的LlamaIndex开发示例

第四部分: 推理与行动的协同——通过LangChain中的ReAct框架实现

1.复习ReAct框架

2.LangChain中ReAct Agent 的实现

3.LangChain中的工具和工具包

4.create_react_agent创建鲜花定价Agent

5.深挖AgentExecutor的运行机制

6.在AgentExecutor中设置断点

7.思考：模型决定搜索

8.行动：工具执行搜索

9.思考：模型决定计算

10.行动：工具执行计算

11.思考：模型完成任务  

第五部分: 计划和执行的解耦-通过LangChain中的Plan-and-Execute实现

1.Plan-and-Solve策略的提出

2.LangChain中的Plan-and-Execute Agent

3.通过Plan-and-Execute Agent实现物流管理

4.为Agent定义一系列进行自动库存调度的工具

5.创建Plan-and-Execute Agent并尝试一个“不可能完成的任务”

6.完善请求，让Agent完成任务

7.从单Agent到多Agent

第六部分: 多Agent 最佳实践

1.智能体和多智能体 multi-agent systems

2.监督者：每个Agent与一个监督者Agent通信

3.自定义多Agent工作流：每个Agent只与其他Agent通信

4.Multi-Agent多角色协作      

5.SOP拆解    

6.角色扮演   

7.反馈迭代   

8.监督控制

9.workflow automation

10.企业工程化最佳实践

第七部分: 基于多模态构建Agent

1.多模态技术原理讲解

2.常用的多模态模型介绍、原理解析

3.多模态典型应用场景举例，以及技术实现

4.多模态技术实战

5.多模态需求输入：图像、语音、文本

6.语音输入集成模块

7.图像输入集成模块

8.核心需求理解与多轮输入整合模块

9.语音输入处理

10.利用多模态技术实现多模态智能聊天对话

基于多模态大模型的Agent开发

第八部分:分析国外智能体典型案例和商业应用

1.解读斯坦福小镇项目：生成式智能体典型案例

2.AutoGPT：通过自然语言的需求描述执行自动化任务

3.BabyAGI：根据任务结果自动创建，排序和执行新任务

4.MetaGPT：重塑生成式AI与软件开发界面

5.AutoGen：下一代LLM应用的启动器

6.ChatDev：重塑软件开发的AI群体智能协作框架

7.Camel AI：引领自主与交流智能体的未来

第九部分: 基于Dify 本地化构建智能体

1.Dify：零基础开发对话机器人

2.功能概述

3.基础能力

4.插件

5.工作流

6.记忆库

7.查询天气机器人的最终效果

8.创建你的第一个机器人

9.用自然语言优化输出结果

10.用工作流优化输出结果

11.综合实战：基于Dify的数据库查询实现

12.Dify本地化与Agent各终点发布(网页嵌入、微信、API)

第十部分: 企业专属领域的智能客服Agent

1.打造专属领域的客服聊天机器人        

2.客服聊天机器人概述   

3.客服聊天机器人价值简介        

4.客服聊天机器人研发工具        

5.AI课程客服聊天机器人总体架构       

6.前端功能设计    

7.后端功能设计    

8.AI课程客服聊天机器人应用实例

第十一部分: LangChain整合DeepSeek构建知识图谱

1.Neo4j基础概念：Nede、Relationship、Property

2.使用 Cypher 查询语言进行数据建模、插入和查询。

3.网络配置文件（config）的基本结构和参数分析

4.基于config指定数据清洗与标准化格式

5.基于本地大模型的结构化分析实现

6.LangChain 自动生成并优化 Cypher 查询

7.LangServe发布图谱服务器

第十二部分: Manus快速上手与办公赋能

1.Manus产品架构解析：云端智能体、多工具调用、任务分解与自主执行

2.Manus在职场的应用：文档智能处理、任务自动化、代码编写与调试

3.Manus实操训练：任务自动化演练、网页数据采集、代码执行挑战

4.Manus办公赋能：会议纪要自动总结、

5.Manus 办公赋能：邮件自动分类与回复

6.Manus 办公赋能：PPT生成对比

第十三部分: Manus 数据分析智能化

1.跨平台AI协同：DeepSeek+Manus组合优化内容生产

2.跨平台AI协同：任务自动化与知识检索结合

3.Manus在数据分析中的应用：销售数据分析、市场调研报告

4.高级AI数据分析演练：实时数据抓取与分析、A/B测试优化

5.智能体如何重塑工作模式：AI从辅助工具到自主执行体的演变

6.Agent 私有化、数据安全与企业适配性问题