AI课程资料总览
课程结构
本课程共15节，分为4大部分：
| 部分 | 课程 | 主题 | 占比 |
|---|---|---|---|
| Part 1: AI基础 | 第1-3课 | LLM原理与局限 | 15% |
| Part 2: Agent核心 | 第4-10课 | Agent概念与技术 | 40% |
| Part 3: 实操演示 | 第11-13课 | 工具使用演示 | 35% |
| Part 4: 工具选择 | 第14-15课 | 选择与总结 | 10% |
课纲与补充资料文件清单
| 课程 | 文件名 | 核心内容 |
|---|---|---|
| 第1课 | 第1课_课纲与补充资料.md |
LLM基础、Token、Temperature、训练成本 |
| 第2课 | 第2课_课纲与补充资料.md |
Transformer、注意力机制、Q/K/V |
| 第3课 | 第3课_课纲与补充资料.md |
涌现能力、幻觉问题、知识截止 |
| 第4课 | 第4课_课纲与补充资料.md |
LLM vs Agent、市场数据、Agent元年 |
| 第5课 | 第5课_课纲与补充资料.md |
LLM变Agent的"想→做→看"循环 |
| 第6课 | 第6课_课纲与补充资料.md |
Agent四要素：大脑、记忆、工具、规划 |
| 第7课 | 第7课_课纲与补充资料.md |
信任级别L1-L5、HITL |
| 第8课 | 第8课_课纲与补充资料.md |
RAG检索增强生成 |
| 第9课 | 第9课_课纲与补充资料.md |
Function Calling、MCP协议 |
| 第10课 | 第10课_课纲与补充资料.md |
多Agent协作模式 |
| 第11课 | 第11课_课纲与补充资料.md |
L1-L2对话型工具实操 |
| 第12课 | 第12课_课纲与补充资料.md |
L3-L4编程工具（Cursor、Claude Code） |
| 第13课 | 第13课_课纲与补充资料.md |
L5全自动化（Devin） |
| 第14课 | 第14课_课纲与补充资料.md |
三问决策法、工具箱配置 |
| 第15课 | 第15课_课纲与补充资料.md |
课程总结、行动建议、未来展望 |
每课资料结构
每份课纲与补充资料包含以下部分：
-
详细课纲 - 课程信息（主题、时长、目标） - 分段课纲（精确到分钟的时间安排）
-
补充数据与资料 - 数据表格 - 技术详解 - 案例分析 - 对比图表
-
关键引用语录 - 课程金句 - 权威来源引用
-
延伸阅读资源 - 官方文档 - 推荐教程 - 学习资源
-
讲课要点提示 - 核心类比 - 可能的观众问题 - 重点强调
-
课后作业参考答案
核心知识框架
AI基础篇（第1-3课）
├── LLM本质：预测下一个词（统计学习）
├── 核心技术：Transformer、注意力机制
├── 能力特点：涌现能力、上下文学习
└── 局限性：幻觉问题、知识截止
Agent核心篇（第4-10课）
├── LLM vs Agent：从"说"到"做"的跨越
├── Agent四要素
│ ├── 大脑：LLM提供推理能力
│ ├── 记忆：短期+长期记忆系统
│ ├── 工具：Function Calling、MCP协议
│ └── 规划：ReAct、CoT等方法
├── 信任级别：L1-L5分级框架
├── RAG技术：检索增强生成
└── 多Agent协作：团队分工模式
实操演示篇（第11-13课）
├── L1-L2：对话型工具（ChatGPT、Claude、Notion AI）
├── L3-L4：编程工具（Cursor、Claude Code）
└── L5：全自动化（Devin等未来工具）
工具选择篇（第14-15课）
├── 三问决策法：任务→风险→审核能力
├── 场景推荐表：5大场景工具对照
├── AI工具箱：基础/进阶/专业配置
└── 行动建议与学习资源
关键数据速查
AI市场数据
| 指标 | 数值 | 来源 |
|---|---|---|
| GPT-3训练成本 | ~$460万 | Lambda Labs |
| GPT-4训练成本 | ~$1亿 | 行业估算 |
| Agent市场规模(2024) | $52.9亿 | 月狐数据 |
| Agent市场规模(2030) | $471亿 | 行业预测 |
| 企业部署Agent(2027) | 50% | 德勤预测 |
技术参数
| 模型 | 参数量 | 上下文窗口 |
|---|---|---|
| GPT-3 | 1750亿 | 4K tokens |
| GPT-4 | ~1.8万亿 | 128K tokens |
| Claude 3.5 | - | 200K tokens |
| Llama 3 | 700亿 | 8K tokens |
信任级别框架
| 级别 | 模式 | 代表工具 |
|---|---|---|
| L1 | 纯对话 | ChatGPT、Claude |
| L2 | 辅助建议 | Notion AI、Copilot |
| L3 | 半自动执行 | Cursor |
| L4 | 监督执行 | Claude Code |
| L5 | 全自动化 | Devin |
课程金句集锦
"LLM的本质是预测下一个词，但当参数足够多、数据足够大，量变产生质变。"
"Agent = LLM + 记忆 + 工具 + 规划。LLM是大脑，但只有大脑的人什么也做不了。"
"不是所有AI都一样用。L1你完全掌控，L5你只监督结果。"
"未来最有竞争力的不是AI，也不是人，而是会用AI的人。"
"三问决策法：问任务类型、问风险等级、问审核能力。三个问题问完，选择就清楚了。"
总览文件最后更新：2025年12月