一、規(guī)劃模塊概述1.1 什么是規(guī)劃模塊規(guī)劃模塊是AI Agent的“大腦決策中心”負(fù)責(zé)將復(fù)雜任務(wù)分解為可執(zhí)行的子任務(wù)序列并動態(tài)調(diào)整執(zhí)行策略。它使Agent能夠處理多步驟、需要推理的復(fù)雜問題。1.2 核心職責(zé)1任務(wù)理解解析用戶意圖和目標(biāo)2任務(wù)分解將復(fù)雜任務(wù)拆分為子任務(wù)3策略生成制定執(zhí)行計(jì)劃和順序4動態(tài)調(diào)整根據(jù)執(zhí)行結(jié)果優(yōu)化計(jì)劃5資源協(xié)調(diào)管理工具和數(shù)據(jù)資源1.3 為什么重要規(guī)劃模塊的質(zhì)量直接決定了1任務(wù)完成的成功率2執(zhí)行效率和資源消耗3錯誤處理和恢復(fù)能力4用戶體驗(yàn)和滿意度二、規(guī)劃模塊架構(gòu)詳解2.1 整體架構(gòu)圖2.2 核心組件說明2.2.1 任務(wù)理解與分析1解析用戶意圖和目標(biāo)2識別任務(wù)類型和復(fù)雜度3提取關(guān)鍵約束條件2.2.2 策略生成器1生成多種可能的執(zhí)行策略2評估不同策略的可行性3選擇最優(yōu)策略2.2.3 計(jì)劃分解器1將復(fù)雜任務(wù)分解為子任務(wù)2定義每個子任務(wù)的輸入輸出3確定執(zhí)行順序2.2.4 任務(wù)調(diào)度器1管理任務(wù)執(zhí)行隊(duì)列2協(xié)調(diào)資源分配3處理并發(fā)和串行邏輯2.3 完整執(zhí)行流程2.4 關(guān)鍵決策點(diǎn)1計(jì)劃驗(yàn)證確保邏輯完整性和依賴正確性2執(zhí)行監(jiān)控實(shí)時檢測異常和性能問題3重規(guī)劃觸發(fā)判斷何時需要調(diào)整策略4降級處理在無法完美完成時提供備選方案三、主流實(shí)現(xiàn)方案3.1 ReAct范式Reasoning Acting核心思想結(jié)合推理和行動的交替執(zhí)行模式思考 → 行動 → 觀察 → 思考 → 行動 → ...執(zhí)行示例步驟1:思考:用戶想查訂單狀態(tài)需要先獲取訂單號行動:從輸入中提取訂單號ABC123觀察:成功提取到訂單號步驟2:思考:現(xiàn)在調(diào)用訂單查詢API行動:OrderAPI.query(ABC123)觀察: 返回訂單狀態(tài)為已發(fā)貨步驟3:思考:用戶可能還想知道物流信息行動:LogisticsAPI.track(ABC123)觀察:獲取到物流詳情優(yōu)缺點(diǎn)優(yōu)勢劣勢靈活性高可動態(tài)調(diào)整Token消耗較大適合復(fù)雜推理任務(wù)執(zhí)行時間較長過程可解釋性強(qiáng)可能陷入思考循環(huán)適用場景1需要多輪交互的對話任務(wù)2復(fù)雜的推理和決策場景3動態(tài)變化的環(huán)境3.2 Plan-and-Execute范式核心思想先一次性規(guī)劃完整方案再批量執(zhí)行完整規(guī)劃 → 批量執(zhí)行 → 結(jié)果驗(yàn)證執(zhí)行示例規(guī)劃階段一次性生成步驟1:加載數(shù)據(jù)庫數(shù)據(jù)步驟2:清洗和預(yù)處理步驟3:統(tǒng)計(jì)分析步驟4:生成可視化步驟5:輸出報告執(zhí)行階段按計(jì)劃執(zhí)行[執(zhí)行步驟1]→ [執(zhí)行步驟2] → ... → [執(zhí)行步驟5]驗(yàn)證階段檢查所有步驟是否成功完成優(yōu)缺點(diǎn)優(yōu)勢劣勢效率高Token成本低缺乏動態(tài)調(diào)整能力執(zhí)行可預(yù)測依賴初始規(guī)劃質(zhì)量易于并行優(yōu)化難以應(yīng)對意外情況適用場景1流程相對固定的任務(wù)2對效率要求高的場景3確定性強(qiáng)的業(yè)務(wù)流程3.3 分層規(guī)劃Hierarchical Planning核心思想多層次的規(guī)劃結(jié)構(gòu)高層目標(biāo) → 中層策略 → 底層操作執(zhí)行示例高層目標(biāo)完成用戶數(shù)據(jù)分析報告中層策略策略1:數(shù)據(jù)準(zhǔn)備模塊策略2:分析計(jì)算模塊策略3:可視化模塊底層操作策略1.1:連接數(shù)據(jù)庫策略1.2:執(zhí)行SQL查詢策略1.3:數(shù)據(jù)清洗策略2.1:描述性統(tǒng)計(jì)策略2.2:趨勢分析...優(yōu)缺點(diǎn)優(yōu)勢劣勢結(jié)構(gòu)清晰易于管理實(shí)現(xiàn)復(fù)雜度高支持大型復(fù)雜任務(wù)層級協(xié)調(diào)成本大可復(fù)用中間層策略需要精心設(shè)計(jì)層級適用場景1大型項(xiàng)目和系統(tǒng)2多模塊協(xié)同任務(wù)3需要模塊化管理的場景3.4 反思式規(guī)劃Reflexion核心思想帶有自我反思和改進(jìn)機(jī)制規(guī)劃 → 執(zhí)行 → 反思 → 改進(jìn)規(guī)劃 → 重新執(zhí)行執(zhí)行示例第一輪規(guī)劃:[步驟A] → [步驟B] → [步驟C]執(zhí)行:在步驟B失敗結(jié)果:任務(wù)未完成反思階段分析失敗原因-步驟B的API超時-沒有設(shè)置超時保護(hù)-缺少備用方案生成改進(jìn)建議-添加3秒超時限制-準(zhǔn)備降級方案查詢數(shù)據(jù)庫-增加重試機(jī)制第二輪改進(jìn)規(guī)劃:[步驟A] → [步驟B1帶超時] → [步驟B2降級] → [步驟C]執(zhí)行:成功完成結(jié)果:任務(wù)完成并記錄優(yōu)化方案優(yōu)缺點(diǎn)優(yōu)勢劣勢從失敗中學(xué)習(xí)多輪迭代成本高持續(xù)優(yōu)化改進(jìn)執(zhí)行時間長形成可復(fù)用經(jīng)驗(yàn)需要多次完整執(zhí)行適用場景1對質(zhì)量要求極高的任務(wù)2有充足時間預(yù)算的場景3希望持續(xù)優(yōu)化的系統(tǒng)3.5 選擇建議場景類型推薦方案原因在線客服ReAct需要快速響應(yīng)實(shí)時交互代碼生成Reflexion質(zhì)量要求高可多次迭代數(shù)據(jù)分析Plan-Execute流程固定效率優(yōu)先復(fù)雜項(xiàng)目分層規(guī)劃需要模塊化管理四、核心技術(shù)要點(diǎn)4.1 Prompt工程設(shè)計(jì)4.1.1 任務(wù)分解Prompt模板TASK_DECOMPOSITION_PROMPT 你是一個任務(wù)規(guī)劃專家。請將以下任務(wù)分解為可執(zhí)行的子任務(wù)序列。## 任務(wù)描述{task_description}## 可用工具{available_tools}## 約束條件{constraints}## 輸出格式請以JSON格式輸出規(guī)劃方案{goal: 任務(wù)總體目標(biāo),reasoning: 規(guī)劃思路,steps: [{step_id: 1,action: 具體動作,tool: 使用的工具,input: 輸入?yún)?shù),expected_output: 期望輸出,dependencies: [] // 依賴的前置步驟ID}],fallback_strategy: 失敗處理策略}## 規(guī)劃要點(diǎn)1. 確保步驟之間的邏輯依賴正確2. 考慮異常情況的處理3. 盡量減少不必要的步驟4. 明確每步的成功標(biāo)準(zhǔn)4.1.2 重規(guī)劃Prompt模板REPLANNING_PROMPT 執(zhí)行過程中遇到了問題需要重新規(guī)劃。## 原始計(jì)劃{original_plan}## 已完成步驟{completed_steps}## 遇到的問題{error_info}## 當(dāng)前狀態(tài){current_state}請分析問題原因并提供調(diào)整后的執(zhí)行計(jì)劃。重點(diǎn)關(guān)注1. 問題根源是什么2. 哪些步驟需要修改3. 是否需要替代方案4. 如何避免類似問題輸出格式與初始規(guī)劃相同。4.1.3 計(jì)劃驗(yàn)證Prompt模板PLAN_VALIDATION_PROMPT 請驗(yàn)證以下執(zhí)行計(jì)劃的合理性## 計(jì)劃內(nèi)容{plan}## 驗(yàn)證標(biāo)準(zhǔn)1. 邏輯完整性是否能達(dá)成目標(biāo)2. 依賴正確性步驟順序是否合理3. 工具使用工具調(diào)用是否正確4. 異常處理是否考慮了失敗場景輸出驗(yàn)證結(jié)果和改進(jìn)建議{is_valid: true/false,issues: [問題列表],suggestions: [改進(jìn)建議]}4.2 計(jì)劃執(zhí)行器實(shí)現(xiàn)class PlanExecutor:計(jì)劃執(zhí)行器def execute_plan(self, plan):執(zhí)行規(guī)劃方案results []for step in plan[steps]:try:# 1. 檢查依賴if not self._check_dependencies(step, results):raise Exception(f依賴步驟未完成: {step[dependencies]})# 2. 執(zhí)行步驟result self._execute_step(step)# 3. 記錄成功結(jié)果results.append({step_id: step[step_id],status: success,output: result})# 4. 更新歷史self.execution_history.append({step: step,result: result,timestamp: self._get_timestamp()})except Exception as e:# 5. 記錄失敗results.append({step_id: step[step_id],status: failed,error: str(e)})# 6. 判斷是否需要重規(guī)劃if self._should_replan(step, e):new_plan self._replan(plan, results, e)return self.execute_plan(new_plan)else:raisereturn resultsdef _execute_step(self, step):執(zhí)行單個步驟...def _check_dependencies(self, step, results):檢查依賴是否滿足...def _should_replan(self, step, error):判斷是否需要重規(guī)劃...def _replan(self, original_plan, completed_steps, error):觸發(fā)重規(guī)劃...4.3 工具注冊與管理class ToolRegistry:工具注冊與管理系統(tǒng)...4.4 依賴關(guān)系分析def topological_sort(steps):拓?fù)渑判?- 確保按依賴順序執(zhí)行# 構(gòu)建圖...# 建立依賴關(guān)系...# 檢查是否存在循環(huán)依賴...return sorted_steps五、數(shù)據(jù)分析Agent案例分析5.1 場景描述用戶需求“分析最近一個月的銷售趨勢找出top 3產(chǎn)品并預(yù)測下個月銷量”5.2 任務(wù)規(guī)劃5.2.1 任務(wù)分解5.2.2 執(zhí)行流程5.3 工具實(shí)現(xiàn)5.3.1 DataLoader - 數(shù)據(jù)加載工具class DataLoader:數(shù)據(jù)加載工具description 從數(shù)據(jù)庫或文件加載數(shù)據(jù)def execute(self, query):執(zhí)行數(shù)據(jù)加載...return data5.3.2 TrendAnalyzer - 趨勢分析工具???????class TrendAnalyzer:趨勢分析工具description 分析時間序列趨勢識別增長/下降模式def execute(self, data):執(zhí)行趨勢分析...return result5.3.3 TimeSeriesPredictor - 時間序列預(yù)測???????class TimeSeriesPredictor:時間序列預(yù)測工具description 使用統(tǒng)計(jì)模型進(jìn)行時間序列預(yù)測def execute(self, trend_data):預(yù)測未來值...return result5.4 執(zhí)行結(jié)果示例???????執(zhí)行日志[Agent] 收到任務(wù): 分析最近一個月的銷售趨勢找出top 3產(chǎn)品并預(yù)測下個月銷量[規(guī)劃] 任務(wù)分析: 用戶需要銷售數(shù)據(jù)分析和預(yù)測[規(guī)劃] 生成計(jì)劃共6個步驟[執(zhí)行] 步驟1: 加載數(shù)據(jù)[DataLoader] 執(zhí)行查詢: SELECT * FROM sales WHERE date ...[DataLoader] 加載了 30 條記錄[執(zhí)行] ? 完成[執(zhí)行] 步驟2: 清洗數(shù)據(jù)[DataCleaner] 清洗前: 30 條[DataCleaner] 清洗后: 29 條[執(zhí)行] ? 完成[執(zhí)行] 步驟3: 分析趨勢[TrendAnalyzer] 分析趨勢...[TrendAnalyzer] 趨勢: increasing, 增長率: 87.23%[執(zhí)行] ? 完成[執(zhí)行] 步驟4: 統(tǒng)計(jì)TOP產(chǎn)品[Aggregator] 執(zhí)行聚合...[Aggregator] TOP 3產(chǎn)品: [智能手表, 無線耳機(jī), 平板電腦][執(zhí)行] ? 完成[執(zhí)行] 步驟5: 預(yù)測未來銷量[TimeSeriesPredictor] 構(gòu)建預(yù)測模型...[TimeSeriesPredictor] 預(yù)測完成平均預(yù)測值: 32450.00[執(zhí)行] ? 完成[執(zhí)行] 步驟6: 生成可視化[Visualizer] 生成可視化...[Visualizer] 生成了 3 個圖表[執(zhí)行] ? 完成最終報告主要發(fā)現(xiàn)- 銷售額呈上升趨勢月增長率約87%- 智能手表是最暢銷產(chǎn)品銷量領(lǐng)先- 預(yù)計(jì)下月銷售將繼續(xù)增長關(guān)鍵指標(biāo)- 總銷售額: ￥450,000- 日均銷售: ￥15,000- TOP產(chǎn)品: 智能手表建議- 加大智能手表庫存- 優(yōu)化供應(yīng)鏈以應(yīng)對增長- 考慮促銷活動進(jìn)一步提升銷量六、智能客服Agent案例分析6.1 場景描述用戶咨詢“我的訂單怎么還沒發(fā)貨訂單號是ABC123”6.2 系統(tǒng)架構(gòu)6.3 核心實(shí)現(xiàn)6.3.1 意圖識別與實(shí)體抽取def understand_query(message, conversation_history):理解用戶查詢prompt f分析以下客服咨詢識別用戶意圖和關(guān)鍵實(shí)體。用戶消息: {message}對話歷史: {conversation_history[-3:]}請識別1. 用戶意圖訂單查詢/物流追蹤/退款申請/產(chǎn)品咨詢/投訴/常見問題2. 關(guān)鍵實(shí)體訂單號、產(chǎn)品名稱、時間等3. 問題緊急程度1-5輸出JSON格式。response llm.generate(prompt)return json.loads(response)# 示例輸出{intent: 訂單查詢,entities: {order_id: ABC123},urgency: 4,keywords: [訂單, 發(fā)貨, 物流]}6.3.2 情緒分析???????def analyze_emotion(message):分析用戶情緒# 情緒關(guān)鍵詞negative_keywords [怎么還, 為什么, 太慢, 不滿意, 投訴]angry_keywords [退款, 騙子, 垃圾, 差評]score 5 # 中性# 確定情緒等級...6.3.3 響應(yīng)策略規(guī)劃def plan_response(understanding, emotion):規(guī)劃響應(yīng)策略# 根據(jù)意圖選擇策略...# 情緒嚴(yán)重時優(yōu)先安撫...6.3.4 人工轉(zhuǎn)接判斷???????def should_transfer_to_human(emotion, results):判斷是否需要轉(zhuǎn)人工# 情緒極度負(fù)面...# 查詢失敗或異常...# 涉及退款金額較大...# 連續(xù)多輪未解決...6.4 完整對話流程示例用戶: 我的訂單怎么還沒發(fā)貨訂單號是ABC123[Agent處理流程]1. 意圖識別- 意圖: 訂單查詢- 實(shí)體: order_idABC123- 緊急度: 4/52. 情緒分析- 等級: NEGATIVE- 分?jǐn)?shù): 6/10- 關(guān)鍵詞: [怎么還]3. 規(guī)劃響應(yīng)- 策略: 查詢信息型- 步驟: [查訂單] → [查物流] → [生成回復(fù)]4. 執(zhí)行計(jì)劃[執(zhí)行] 查詢訂單信息結(jié)果: 訂單ABC123狀態(tài)已發(fā)貨[執(zhí)行] 查詢物流信息結(jié)果: 順豐速運(yùn)運(yùn)輸中預(yù)計(jì)10月11日送達(dá)[執(zhí)行] 生成回復(fù)結(jié)果: 生成友好回復(fù)文本5. 輸出回復(fù)Agent回復(fù)您好我已為您查詢到訂單ABC123的情況**訂單狀態(tài)已發(fā)貨**- 下單時間2025-10-05 14:30- 發(fā)貨時間2025-10-06 09:00- 物流公司順豐速運(yùn)- 運(yùn)單號SF1234567890**物流進(jìn)度運(yùn)輸中**當(dāng)前位置廣州轉(zhuǎn)運(yùn)中心預(yù)計(jì)送達(dá)2025-10-11您的包裹正在快速配送中預(yù)計(jì)后天10月11日即可送達(dá)。如有任何延誤我們會第一時間通知您。您可以通過順豐官網(wǎng)或APP實(shí)時追蹤包裹動態(tài)。如果到期未收到或有其他問題請隨時聯(lián)系我我會為您及時處理。請問還有什么我可以幫您的嗎6.5 特殊場景處理???????場景用戶情緒激動投訴用戶: 都一周了還不發(fā)貨這什么破店我要退款[情緒分析]- 等級: ANGRY- 分?jǐn)?shù): 9/10- 觸發(fā)人工轉(zhuǎn)接[Agent回復(fù)]非常抱歉給您帶來不好的體驗(yàn)我完全理解您的著急心情。我已緊急為您查詢訂單情況[訂單詳情...]關(guān)于您提到的退款需求我已為您創(chuàng)建優(yōu)先處理工單。由于您的情況較為特殊我已為您轉(zhuǎn)接資深客服專員工單號是 TK20251010153045客服人員會在3分鐘內(nèi)與您聯(lián)系。同時作為補(bǔ)償我們將為您提供- 本單免運(yùn)費(fèi)- 下次訂單9折優(yōu)惠券再次為給您帶來的不便致歉我們會盡快為您解決問題。七、總結(jié)與展望7.1 核心要點(diǎn)1.規(guī)劃是Agent的核心能力規(guī)劃模塊直接決定任務(wù)完成的質(zhì)量和效率是AI Agent智能化的關(guān)鍵。2.沒有銀彈不同的任務(wù)場景需要選擇合適的規(guī)劃范式靈活運(yùn)用才能達(dá)到最佳效果。3.魯棒性至關(guān)重要完善的錯誤處理機(jī)制是生產(chǎn)環(huán)境的必需品決定系統(tǒng)的穩(wěn)定性。4.持續(xù)優(yōu)化通過監(jiān)控數(shù)據(jù)不斷改進(jìn)Prompt和策略形成正向迭代循環(huán)。5.人機(jī)協(xié)作在關(guān)鍵節(jié)點(diǎn)保留人工決策權(quán)平衡自動化和可控性。7.2 主流方案總結(jié)規(guī)劃范式核心機(jī)制優(yōu)勢劣勢適用場景ReAct思考→行動→觀察循環(huán)靈活性高可動態(tài)調(diào)整適應(yīng)性強(qiáng)Token消耗大執(zhí)行時間長可能陷入循環(huán)復(fù)雜推理任務(wù)、需要多輪交互的場景Plan-and-Execute一次性規(guī)劃后批量執(zhí)行效率高Token成本低執(zhí)行可預(yù)測缺乏靈活性難以應(yīng)對意外依賴初始規(guī)劃質(zhì)量確定性強(qiáng)的任務(wù)、流程固定的場景分層規(guī)劃高層→中層→底層多級規(guī)劃結(jié)構(gòu)清晰易于管理支持復(fù)雜任務(wù)實(shí)現(xiàn)復(fù)雜層級協(xié)調(diào)成本高大型項(xiàng)目、多模塊協(xié)同任務(wù)Reflexion執(zhí)行→反思→改進(jìn)循環(huán)自我優(yōu)化從失敗學(xué)習(xí)質(zhì)量持續(xù)提升迭代成本高需要多輪執(zhí)行質(zhì)量要求高、有時間預(yù)算的任務(wù)最后我在一線科技企業(yè)深耕十二載見證過太多因技術(shù)卡位而躍遷的案例。那些率先擁抱 AI 的同事早已在效率與薪資上形成代際優(yōu)勢我意識到有很多經(jīng)驗(yàn)和知識值得分享給大家也可以通過我們的能力和經(jīng)驗(yàn)解答大家在大模型的學(xué)習(xí)中的很多困惑。我整理出這套 AI 大模型突圍資料包?AI大模型學(xué)習(xí)路線圖?Agent行業(yè)報告?100集大模型視頻教程?大模型書籍PDF?DeepSeek教程?AI產(chǎn)品經(jīng)理入門資料如果你也想通過學(xué)大模型技術(shù)去幫助自己升職和加薪可以掃描下方鏈接??為什么我要說現(xiàn)在普通人就業(yè)/升職加薪的首選是AI大模型人工智能技術(shù)的爆發(fā)式增長正以不可逆轉(zhuǎn)之勢重塑就業(yè)市場版圖。從DeepSeek等國產(chǎn)大模型引發(fā)的科技圈熱議到全國兩會關(guān)于AI產(chǎn)業(yè)發(fā)展的政策聚焦再到招聘會上排起的長隊(duì)AI的熱度已從技術(shù)領(lǐng)域滲透到就業(yè)市場的每一個角落。智聯(lián)招聘的最新數(shù)據(jù)給出了最直觀的印證2025年2月AI領(lǐng)域求職人數(shù)同比增幅突破200%遠(yuǎn)超其他行業(yè)平均水平整個人工智能行業(yè)的求職增速達(dá)到33.4%位居各行業(yè)榜首其中人工智能工程師崗位的求職熱度更是飆升69.6%。AI產(chǎn)業(yè)的快速擴(kuò)張也讓人才供需矛盾愈發(fā)突出。麥肯錫報告明確預(yù)測到2030年中國AI專業(yè)人才需求將達(dá)600萬人人才缺口可能高達(dá)400萬人這一缺口不僅存在于核心技術(shù)領(lǐng)域更蔓延至產(chǎn)業(yè)應(yīng)用的各個環(huán)節(jié)。??資料包有什么①從入門到精通的全套視頻教程包含提示詞工程、RAG、Agent等技術(shù)點(diǎn)② AI大模型學(xué)習(xí)路線圖還有視頻解說全過程AI大模型學(xué)習(xí)路線③學(xué)習(xí)電子書籍和技術(shù)文檔市面上的大模型書籍確實(shí)太多了這些是我精選出來的④各大廠大模型面試題目詳解⑤ 這些資料真的有用嗎?這份資料由我和魯為民博士共同整理魯為民博士先后獲得了北京清華大學(xué)學(xué)士和美國加州理工學(xué)院博士學(xué)位在包括IEEE Transactions等學(xué)術(shù)期刊和諸多國際會議上發(fā)表了超過50篇學(xué)術(shù)論文、取得了多項(xiàng)美國和中國發(fā)明專利同時還斬獲了吳文俊人工智能科學(xué)技術(shù)獎。目前我正在和魯博士共同進(jìn)行人工智能的研究。所有的視頻教程由智泊AI老師錄制且資料與智泊AI共享相互補(bǔ)充。這份學(xué)習(xí)大禮包應(yīng)該算是現(xiàn)在最全面的大模型學(xué)習(xí)資料了。資料內(nèi)容涵蓋了從入門到進(jìn)階的各類視頻教程和實(shí)戰(zhàn)項(xiàng)目無論你是小白還是有些技術(shù)基礎(chǔ)的這份資料都絕對能幫助你提升薪資待遇轉(zhuǎn)行大模型崗位。智泊AI始終秉持著“讓每個人平等享受到優(yōu)質(zhì)教育資源”的育人理念?通過動態(tài)追蹤大模型開發(fā)、數(shù)據(jù)標(biāo)注倫理等前沿技術(shù)趨勢?構(gòu)建起前沿課程智能實(shí)訓(xùn)精準(zhǔn)就業(yè)的高效培養(yǎng)體系。課堂上不光教理論還帶著學(xué)員做了十多個真實(shí)項(xiàng)目。學(xué)員要親自上手搞數(shù)據(jù)清洗、模型調(diào)優(yōu)這些硬核操作把課本知識變成真本事?????如果說你是以下人群中的其中一類都可以來智泊AI學(xué)習(xí)人工智能找到高薪工作一次小小的“投資”換來的是終身受益應(yīng)屆畢業(yè)生?無工作經(jīng)驗(yàn)但想要系統(tǒng)學(xué)習(xí)AI大模型技術(shù)期待通過實(shí)戰(zhàn)項(xiàng)目掌握核心技術(shù)。零基礎(chǔ)轉(zhuǎn)型?非技術(shù)背景但關(guān)注AI應(yīng)用場景計(jì)劃通過低代碼工具實(shí)現(xiàn)“AI行業(yè)”跨界?。業(yè)務(wù)賦能 ?突破瓶頸傳統(tǒng)開發(fā)者Java/前端等學(xué)習(xí)Transformer架構(gòu)與LangChain框架向AI全棧工程師轉(zhuǎn)型?。獲取方式有需要的小伙伴可以保存圖片到wx掃描二v碼免費(fèi)領(lǐng)取【保證100%免費(fèi)】