01深度学习基础回顾

• 神经网络核心概念
• 反向传播与梯度下降
• 常见激活函数与损失函数
• 过拟合与正则化

02PyTorch框架入门

• 张量操作与自动求导
• 构建简单全连接网络
• 数据加载器与训练循环
• 模型保存与加载

03卷积神经网络(CNN)进阶

• 卷积层与池化层原理
• 经典CNN架构(ResNet/VGG)
• 图像分类实战
• 迁移学习技巧

04循环神经网络与序列模型

• RNN/LSTM/GRU原理
• 序列预测与文本生成
• 注意力机制入门
• Seq2Seq模型

05Transformer架构详解

• 自注意力机制
• 多头注意力
• 位置编码
• BERT与GPT系列简介
• 用Transformer做文本分类

06强化学习入门

• MDP与贝尔曼方程
• Q-Learning与DQN
• 策略梯度方法
• PPO算法实战

07多模态模型基础

• CLIP与多模态对齐
• 图文检索实战
• 图像描述生成
• 多模态融合策略

08生成模型概览

• GAN与VAE原理
• 扩散模型入门
• Stable Diffusion基础
• 模型微调与Prompt工程

09Agent概念与范式

• 什么是AI Agent
• ReAct模式与思考链
• 工具调用与函数调用
• Agent的规划与执行

10LangChain框架入门

• LangChain核心组件
• Chain与Pipeline构建
• Prompt模板与输出解析器
• Memory模块

11LangChain工具与Agent

• 自定义工具开发
• AgentExecutor与AgentType
• 多工具协同
• 错误处理与重试

12向量数据库与RAG

• Embedding模型选择
• Chroma/FAISS/Pinecone实战
• 检索增强生成(RAG)流程
• 文档分割策略

13对话Agent实战

• 构建客服Agent
• 多轮对话管理
• 上下文窗口处理
• 人机协作模式

14代码生成Agent

• 基于LLM的代码助手
• 代码解释器与沙箱执行
• 自动Debug与测试生成
• 安全注意事项

15数据科学Agent

• 自动化数据分析
• SQL查询生成与执行
• 可视化报告生成
• 数据清洗Agent

16AutoGPT与自主Agent

• 任务分解与子目标
• 长期记忆与短期记忆
• 自我反思与迭代
• 资源管理与限制

17多Agent协作系统

• Agent角色分配
• 通信协议与消息传递
• 任务仲裁与共识机制
• Swarm架构实战

18Agent评估与测试

• 评估指标设计
• 模拟环境构建
• 对抗性测试
• 性能基准与日志分析

19Agent安全与对齐

• 提示注入防护
• 权限控制与沙箱
• 输出过滤与审核
• 价值观对齐策略

20模型微调(LLM Fine-tuning)

• LoRA与QLoRA原理
• 数据集准备与格式化
• 微调超参数调优
• 模型合并与部署

21RLHF与偏好对齐

• 人类反馈强化学习
• DPO算法
• 奖励模型训练
• 偏好数据集构建

22模型部署与服务化

• ONNX与TensorRT优化
• FastAPI服务搭建
• Docker容器化
• GPU推理优化

23Agent可观测性

• 日志记录与追踪
• LangSmith与WandB集成
• 性能监控与告警
• 成本控制策略

24语音Agent

• 语音识别(ASR)与合成(TTS)
• 语音情感识别
• 实时语音对话系统
• Voice Agent框架

25视觉Agent

• 图像理解与VQA
• 视觉定位与检测
• 视频理解Agent
• 具身智能初步

26浏览器自动化Agent

• Playwright/Selenium集成
• 网页元素理解
• 表单填写与数据提取
• 复杂工作流自动化

27企业级Agent架构

• 微服务与Agent编排
• API网关与负载均衡
• 数据隐私与合规
• 多租户设计

28Agent记忆系统

• 短期记忆与长期记忆
• 向量记忆与图记忆
• 记忆压缩与检索
• 记忆持久化策略

29前沿Agent研究

• Tree-of-Thoughts
• Graph-of-Thoughts
• Agentic RAG
• 具身Agent与机器人

30综合项目实战

• 从需求分析到部署
• 端到端Agent系统设计
• 性能调优与迭代
• 项目文档与演示