本文介绍如何利用飞书和豆包工作搭建一套自进化的 Agent 系统。通过设定体验预期、选择合适的工具设计自循环改进流程Agent 能够自动捕捉用户反馈并根据反馈优化自身实现越来越懂你的工作流。文章以信源订阅系统为例详细介绍了搭建过程并探讨了 Context 在 Agent 工作流中的重要性。你想让自己的 Agent 工作流每天自动迭代吗是否发现用了一段时间的 Workflow、Skill就会和实际需求脱节今天我们来聊「如何给自己搭一套自进化的 Agent 系统」。Loop Engineering 这个概念火了一段时间。核心理念是“不用反复提示 Agent让 Agent 在运行中具备「积累反馈验证信号-自我改进」的循环能力”。概念是真好但因为落地复杂度大多数朋友的实践还集中在 Coding 场景远不及 Agent Skill “飞入寻常人家”的热度。然随着 Agent 产品普及、DS Flash 级的高性价比算力出现。搓一套「在日常使用中自动收集反馈信号进化的 Agent Loop」已不再难事使用场景也足够广阔1小到一套可自动改进的信源订阅系统替自己每天推送更感兴趣的信息Agent 在 Loop 中无需人为迭代自动收集群聊讨论、日报批注 → 按需增减监控信源 → 迭代日报呈现2大到一整个组织业务数据指标异动Agent 自己翻项目版本文档、会议纪要、群聊内容给出归因报告。业务的每一条反馈批注都会校准它下一次归因策略报告越给越准。这些都是 Loop Engineering 理念在日常办公中的实践。只不过日常任务中“什么是最好的成果”没有唯一答案。人类在正常工作中留下的批注、群聊讨论与使用反馈是 Agent 自然的评价信号。Agent in the loop, context is everything.借着飞书、豆包工作的上下文联动能力本文将从「10 分钟手搓信源 Loop 系统」入手包含1.手把手教你搭一套自进化 Agent 系统全流程照抄就能跑2.设计个人 Agent Loop 的思路可以试用在你任何重复做的工作流上3.识别 Agent 工具能力边界的方式方便判断选什么工具、能搭多大的 Loop➡️ 兼顾「只想上手即用」、「想了解 Context、Loop 理念」的朋友阅读。首先Context 和 Loop 是什么关系不需要看原理的可以直接滑到后面有手把手教程能直接跟做。本节讲得比较通俗已经剪掉了过于复杂且非开发场景用不上的部分。Context 即上下文一个很宽泛的概念。从日常发给 AI 的消息再到 Agent 运行时读取的文档、Skill、Memory.md 等长期记忆以及 AI 产品背后的 System Instruction、Tool Description。它们都算 context。在 Agent 运行时被拼成长长的上下文也决定了 Agent 在接到任务消息时的回应。Loop 是 Agent 的不断循环。在自改进循环的系统中Agent 自动进行循环把上一轮积累的反馈信号写回 Loop。或以长期记忆回流 Context或直接调优代码程序目的都在于让下一轮 Loop 得到更优的结果。聪明如你不难发现Agent 整个运行过程中多数人容易管理的部分正是 「任务过程消息 → 沉淀长期记忆如 Skill、Memory、运行时必读文档」 这一环。让我们姑且称这类只涉及 Context 循环优化的循环为 Context Loop想让依赖人类自然反馈的 Context Loop 真正跑顺则需要同时满足三个条件1.人能完全顺手地留下反馈的痕迹比如发消息、写批注、回邮件2.Agent 有足够的工具权限看到这些反馈痕迹3.Agent 能够自主编辑长期记忆也方便人类共同编辑如何设计 Loop 架构在设计 Agent 工作流程前让我们先设定最重要的几个体验预期。比如作为示例的这套信源 Loop 系统我希望它是这样的1.每天定时运行按照预定的信源偏好总结成日报通过群聊直接推送到我面前2.在阅读时人类用户随手在日报里的批注、或在群里的反馈与话题讨论都能自然作为反馈信号改进下一轮 Loop 质量因为足够自然面向整个组织时也不用改造这个信号反馈流程3.增加信源需求时无需人为介入Agent 自行找出新信息的采集方案有了需求预期才能去选能实现的工具组合。本文选择了用豆包工作来做 Case 示范它与飞书的衔接度超出预期ㅤ同一个账号无需任何配置直接能读到飞书的聊天消息、多维表格、文档甚至批注也能代发与编辑。ㅤ整合了 Codex 备受好评的远程操控功能方便远程管理 Agent确定了体验预期与工具后信源 Loop 系统的架构就清晰了1.飞书多维表格负责记录需求任务、信息采集入口知识库文档负责同时承载日报模板、个性化精选规则以及日报内容与反馈沉淀是非常方便的 人-AI 实时数据写作面。2.豆包工作内置的 Search、Fetch、本地运行脚本、Browser Use 共同负责信源采集这个 Browser Use 好用的和 Codex 体验接近3.整体由豆包工作的 Agent 执行定时器触发一个专门的 Skill 统合任务执行流程你当然也能选自己喜欢的 AI 产品不过就需要你自己按每个步骤调试了。 打造「自进化」的 Agent 信源系统0️⃣ 前置操作先下载「豆包工作」、「飞书」这就不说了 ↕️建议你在豆包工作的左侧导航栏中创建一个干净的项目文件夹然后模型档位我在实操过程中全程选择「自动、中等推理」体感够用了。省点 token加速执行。顺便解释一下ㅤ设置项目文件夹的原因后续若有需要本地脚本采集方案的信源对应的程序脚本均可在此处统一管理。ㅤ选择本地电脑而不是云电脑的原因因为必然有部分网页信源需要 Browser Use 才能采集豆包工作本地电脑的浏览器自动化效果很不错。1️⃣ 让 AI 创建监测任务表 从这一步开始你开始正式打造自己的信源 Loop 系统了。发送以下 Prompt 给到豆包工作创建用于监测任务的两张表1.监测任务维护用户的监测需求2.信息入口按监控对象如「OpenAI、DeepSeek」维护其相关信源渠道…我想搭建一套会随着使用和反馈逐渐变准的精选信源系统。以后用户只需要说自己想持续关注什么Agent 就会把需求拆清楚找到合适的信息入口确认可行的采集方式再定期生成日报。并且可通过用户反馈每日更新信源精选规则不断优化 Agent 信源精选的准确度。 现在你的第一个任务是创建一个飞书多维表格“信源管理系统”在里面建立两张数据表作为后续运行的地基之一。 第一张叫“监测任务”每一行是一条可以独立新增、修改或暂停的需求字段为 - 需求条目主字段单行文本用来识别一条最小、可独立维护的需求 - 监测对象单选用来汇总同一对象下的需求也是后续分配 subagent 时的筛选依据 - 监测要求多行文本说明具体想关注哪些变化以后出现明确误判时也在这里补充必要边界 - 证据边界多行文本说明什么来源或证据足以确认这条信息 - 状态单选选项为“启用”“暂停”决定当前是否执行这条需求 示例需求条目为“模型发布”监测对象为“OpenAI”监测要求为“关注新模型、重要版本升级及模型上线或下线”证据边界为“以 OpenAI 官方公告、文档或官方账号为准”状态为“启用”。 第二张叫“信息入口”每一行是一个可以独立检查的具体入口字段为 - 入口名称主字段单行文本用来识别一个具体的信息入口 - 监测对象单选用来把入口归到对应对象让 subagent 能与监测任务一起筛选 - 入口地址链接保存实际访问位置 - 渠道定位单行文本说明这个入口主要提供什么信号例如正式公告、开发者更新、实时动态或招聘信号 - 采集方式单行文本记录当前确认可行的主要采集路线例如结构化接口、脚本或 Browser Use不在这里展开完整操作步骤 - 状态单选选项为“待验证”“启用”“暂停”“失效”表示这个入口当前是否可投入运行 - 上次成功检查时间日期时间作为下一轮查找新增内容的时间起点只有检查成功后才更新 示例入口名称为“OpenAI 官方动态”监测对象为“OpenAI”入口地址为其官方 News 页面渠道定位为“正式公告”采集方式为“Browser Use 读取更新列表”状态为“启用”上次成功检查时间为最近一次成功运行的时间。这个示例只用于说明字段含义实际入口和采集方式需要后续验证。 两张表共用“监测对象”作为筛选和分组依据不需要另外创建监测对象表。默认视图都按“监测对象”分组再为信息入口建立一个“待验证”视图。 完成后把表格链接发给我并告诉我最终创建的字段和视图。 这一步只创建空表不添加正式需求和入口也不创建日报、Skill 或定时任务。注意现在用 Agent 时其实用不着这么长的 Prompt而且实际上也很难在复杂系统设计伊始就给出如此完备的提示。往往是通过跟 AI 多轮交流慢慢打磨出需要的结果。该 Prompt 也是我在实验过程中递归整理的完整提示方便读者直接“抄作业”。 豆包工作内置了多维表格、云文档、飞书消息等 Skill能比较方便的一次性替你创建完成对应表格。换成其他 Agent虽然也能通过飞书 CLI 实现但需要多一步终端配置授权Agent 所创建的飞书文档、表格都归属在同一账号的飞书里 ⬇️所以方便你和 Agent 一起查看任务结果。打开后你能看到这样的多维表这就是我们监测任务的长期 Context 规则了 。2️⃣ 按对象生成监测需求、采集方法搞定监测任务的数据载体后就可以向 Agent 提出自己的「信源监测需求」让它帮你拆成持久化的任务要求入库了。在原对话输入以下 PromptAI 就会自动拆解需求条目确定信源获取渠道接下来请帮我把新的监测需求加入“信源管理系统”。请先读取其中的“监测任务”和“信息入口”两张表理解字段和已有记录然后问我你想持续监测什么收到回答后请直接完成这件事理解其中的监测对象和监测主题。监测任务表的一行表示某个对象下面一项可以独立维护的主题例如“OpenAI 的模型更新”是一项监测需求不需要继续拆成发布、升级、上线、下线等多行按已经建立的字段新增或更新监测任务避免产生重复记录围绕这个监测对象寻找能够覆盖该主题的具体信息入口优先复用已有入口对新增入口实际验证是否可以访问以及适合怎样自动获取更新再写入信息入口表验证采集方式时请从轻到重逐级尝试上一层能够稳定取得信息就停止优先使用现成的结构化入口例如连接器、RSS、API、GitHub Releases 或提交记录没有合适的结构化入口时再尝试直接读取网页或编写轻量脚本提取列表页面依赖动态交互、登录状态或前两种方式无法稳定读取时再使用 Browser Use常见例子GitHub 项目更新可以先检查 Releases 或 API官方博客、更新日志和文档先检查是否提供 RSS 或其他结构化入口没有再尝试直接读取页面或脚本需要登录或高度依赖交互的网站才考虑 Browser Use。这些只是判断示例实际方案仍由你验证后决定。验证不能只确认“网址能打开”。请实际取得最近的内容列表并确认至少能识别标题、链接、发布时间或稳定 ID以便以后判断增量。没有实际跑通的方案不要写成已确定的采集方式可以保留为“待验证”。例如我回答“我想持续监测 OpenAI 的模型更新”时你可以这样理解和记录监测任务需求条目为“模型更新”监测对象为“OpenAI”监测要求涵盖新模型、重要版本变化以及模型上线或下线证据边界以 OpenAI 官方公告、文档或官方账号为准状态为“启用”信息入口围绕 OpenAI 查找能够提供正式公告、开发者更新或实时动态的具体官方入口例如先验证 OpenAI News RSS 是否能够稳定返回标题、链接和发布时间再判断是否还需要其他入口补足覆盖。验证成功的状态设为“启用”本次先不填写“上次成功检查时间”这个示例只说明需求如何落到两张表。实际采用哪些入口、使用什么采集方式由你访问和验证后决定。除非存在会改变监测对象或主题的歧义否则请自行判断并继续完成。最后告诉我你如何理解这次需求、写入了哪些监测任务、采用了哪些信息入口和采集方式。这一步不启动定时任务也不生成日报。豆包工作会问你想要持续监测什么。你按照你的需求自然描述即可“帮我监测 OpenAI 的模型、产品更新以及 Codex 重置预告”。不用紧张不用深呼吸简单说需求就好了现在的豆包工作还挺聪明的输入后无需其他操作即可看到如下变化ㅤ监测任务表中以「OpenAI」为监测对象拆分出了 3 条 MECE 的任务需求ㅤ信息入口表中在 Agent 长程自动化采集实验后登记了相关信息来源及采集方式如果你有更偏好的信息入口与采集方式也可以让 Agent 给你更换直接和 Agent 说就好不是说 Agent 给你选了 Browser Use 策略你就必须用这个可以像乐高积木一样随意局部拼接豆包工作会对你提供的渠道进行验证后并更新信源表内容ㅤ需求表ㅤ信源入口表附 根据信源入口、采集方法不同有时会受到网站登录限制Agent 可能会需要你配合帮忙在浏览器工具中登录或者需要你授权对新信源验证根据 AI 指示继续就行。3️⃣ 建立日报规则跑出第一份日报Agent 工作流往往由大量环节组成又因为模型生成的不确定性需要做一点测一点不然积成山积重难改。⬇️所以完善了采集方案后别加太多信源需求尽快先验证整套系统的最小闭环根据信源管理多维表根据日报生成规则自动采集信息更新日报内容。发送给 Agent 以下指令请创建一个飞书知识库“信源 Loop 系统”作为这套系统长期文档的统一入口。目前只建立以下结构知识库首页用于长期维护整套系统的说明和文档索引包括这套系统解决什么问题、目前怎样运行已有组成部分分别负责什么指向各项正式资产的入口当前先在首页登记“信源管理系统”多维表格维护监测任务和信息入口“每日日报”目录归档系统每天生成的日报以后新增日报规则、反馈日志或 Research Map 等正式文档时再把它们补进首页索引。“日报规则”文档包含以下章节使用材料索引、信息筛选规则、日报模板在“使用材料”中放入“信源管理系统想调整日报的格式与内容也直接说或者直接在云文档里改「日报规则」——下一轮它就按新规则出至此loop 的内容采集-生成层已经完整。下一步则是让我们的日报能够每天定时推送。而这就需要由定时任务 Skill 机制以及豆包工作与飞书的联动来完成。ㅤ1自动生成每日信源 Skill用于简化定时启动的 Prompt直接在原任务对话的基础上发送要求接下来我希望这套系统能在每天早上 9 点把当天日报自动推送到我的群里。请先创建一个 Skill届时我将结合定时任务用于指导该任务的自动定时执行。ㅤ即可得到 每日信源 Skill 的初版骨架 ⬇️ㅤAI 会提示你指定一个发送的群随意选择都可以如「一泽与豆包工作 Bot / 部门信源监控群」豆包工作就会搜索到飞书内的该群 ID更新 Skill 内容ㅤ2确定推送消息形态由于飞书聊天支持文本消息、长文内联消息、交互式卡片可选的呈现方式多样最好提前规定推送形态。我选了交互式卡片直接和 AI 说“我需要推送消息以交互卡片形式呈现”即可并要求其尝试推送今日信息作为示例 ⬇️这也是识别 Agent 工具能力的方法之一直接询问 Agent让它自己读内置工具说明告诉你它支持什么。有些时候可能有幻觉所以必须要让Agent 先尝试一下按结果来判断实际可行性。ㅤ最终实验出以下结果 ✅ㅤ不过豆包工作目前在发飞书消息时没有自己的 ID 身份只能以你的账号代发。ㅤ当然也可以单独为豆包工作新建一个专属飞书账号使得你可以把它以独立身份拉入各种群中。ㅤ3最后是创建定时任务支持最小间隔 15 分钟同样在原窗口发送自动完成定时任务的创建↕️ 自此每天 9 点你都能自动收到豆包工作为你筛选的信源日报了ㅤ到这里这个系统其实已经每天能够把你的信源日报送到群里。从日报系统本身来看已足够完整但它仍只是一个固定 Agent Workflow。它按照你给的规则、预设的信源需求而运行并不能够自动按照你的阅读体验反馈而进行优化。ㅤ而我们真正的目标是达成自改进的 Context Loop ⬇️Agent 能够在每天的运行中自然收集你以及其他读者对日报的反馈看法使得它能够自动增减需求、筛选规则和呈现形式变成一个越来越懂你的信源 Loop 系统。ㅤㅤPS 在开始下一步前建议先让 Agent 总结一下监测任务与信息入口表的拆解与登记规则。后续当有反馈涉及增删需求时即可按 Skill 自动完成表格维护。复杂 Skill 的维护过程想要写的阅读体验丝滑太累了 - 想来想去还是塞这里提醒合适…请参考我之前给你的指令在 Skill 内增加多维表格中监测任务与信息入口表的登记规则当用户有新的信源监测需求时自动按之前的方式完成需求识别、采集方式验证与入表。ㅤㅤ5️⃣ 反馈的 Loop让系统学会自己变好这一步的目标是让 Agent 能自己收集人类反馈迭代下一次的行为关键在于人反馈的 Context 如何流动到 Agent 那里去又该什么时候处理、处理成什么样。ㅤ以这个场景为例飞书内常见的反馈输入途径是这几样ㅤ直接在发日报的群里说「今天的日报不错」「这条我感兴趣」「这个方向不用再盯了」自然、低门槛ㅤ在日报文档里直接批注看到哪条觉得好就在那条旁边写一笔ㅤ单独提供一份问卷让读者按固定格式反馈。ㅤ我更偏向群聊的自然发送和文档自带的批注。因为它们在阅读过程中顺手就发不用专门填表。反馈越顺手Loop 才越能持续。所以需要让 Agent 定时去总结群聊与日报批注中的反馈留言。譬如我在日报中批注、在群聊中留言借着豆包工作与飞书的联动我所写的内容自然能被 Agent 捕捉。再者就是自动循环。凭借豆包工作提供的「定时任务」功能在每天抓新内容前先整理前一天的反馈信息进行 Autodream就能把新的监控需求、采集方法、日报规则、模板更新在核心文档了。故使用以下 Prompt让 Agent 补上日报反馈目录并更新 Skill要求每天定时任务都得先总结反馈信号 …请在“信源 Loop 系统”知识库中新增“日报反馈”目录并把它登记到知识库首页。该目录用于按天保存从群聊消息和日报批注中整理出的反馈每天建立一份以对应日报日期命名的子文档。当天无反馈可不创建 并新增 Skill 规则从下一次定时任务开始每次运行信源采集前必须先完成以下流程 1. **读取上一份日报发布后至本次运行前群聊中与该日报相关的消息以及该日报中的批注。** 2. **在“日报反馈”目录下创建当天的反馈文档总结当天收到的日报反馈以及根据这些反馈完成了哪些调整谁、提出什么反馈、反馈处理结果。** 3. **根据当日反馈文档按照本 Skill、知识库核心文档指引更新它所对应的信源 Loop 系统的正式资产比如** - 涉及新增、修改或停止某项监测范围时更新“监测任务”表 - 涉及新增或调整信息来源时完成必要验证后更新“信息入口”表 - 涉及已有监测范围内更关注什么、哪些内容值得入选时更新“日报规则”中的“选材规则” - 涉及日报结构、篇幅、图片、截图或链接形式时更新“日报规则”中的“日报模板” 向“日报规则”写入新规则时说明它适用于全部日报、某个监测对象还是某类监测主题并放到对应位置。只有实际出现特定规则时才新增相应的小标题不提前建立完整分类。你就可以看到ㅤ豆包工作在之前创建的 Skill 中增加了「日报反馈流程」指引ㅤ飞书知识库中也成功建立了日报反馈目录来归档每天的反馈信号ㅤ这时再让豆包工作就能根据最新的指引完成整个反馈-优化信源规则-再生成的 Loopㅤ1.成功读取了我在群聊与批注中留言的反馈形成了今日反馈总结2.并根据反馈在对应条目中新增了监测需求与信息入口ㅤ3.随后根据新要求开始重置今日日报内容。还主动结合表中的「上次检查时间」游标信息简化了有无新内容的判断难度ㅤ最终成功在日报中插入了推文截图Seed 多模态 Browser Use 神力 至此Loop 验证通过可以为自己鼓掌了恭喜你也为自己实践了一套自改进循环的 Agent 工作流拥有了可以根据你 or 组织的留言反馈自动「进化」的 Agent 工作流程了 ✅ㅤㅤ 加餐个性化推荐机制上文因行文节奏着重只讲了采集固定信息需求的方法如“OpenAI 的模型更新信息”。但实际上如果放宽要求即使是同一组信源这套 Loop 系统还能根据你的阅读喜好自动推荐你可能感兴趣的内容。ㅤ譬如ㅤ专心做 Agent 应用的产品同学就多推“AI 应用新品”资讯ㅤ模型 Researcher就多筛出模型训练相关的新论文ㅤ甚至你对某类“文风”、“调调”的内容不感兴趣也能让这套系统逐渐熟悉你的偏好为你筛选一二ㅤ那么怎么做呢答案是在整个 Loop 中引入「内容推荐画像」的概念比如你的职业、关注话题、喜欢的内容风格等。要求 Agent 在筛选监测需求之余同样留意有没有值得额外推荐的内容。ㅤ同样准备好了可以直接照抄的提示词你也可以根据自己的理解再做修改发给豆包工作就好请在知识库中创建一份「内容推荐画像」文档用来记录我希望收到什么样的推荐内容例如关注方向、判断偏好、喜欢或不喜欢的内容特征。同时更新「日报规则」每次生成日报时读取「信源管理系统」中的监测任务以及「内容推荐画像」和「日报规则」。信息入口产生的新内容有两种入选方式命中已启用的监测任务作为监测内容进入日报。未命中监测任务但符合「内容推荐画像」作为推荐内容进入日报。同一内容同时满足两种条件时只保留一次并优先标记其命中的监测任务。每日总结用户反馈后按反馈所影响的对象更新对应资产关注范围发生变化更新监测任务推荐偏好发生变化更新「内容推荐画像」日报的通用呈现规则发生变化更新「日报规则」。你可以直接维护修改创建好的画像也可以让 Agent 替你修改大概会是这么个效果这同样也是 Context 的新瓶装旧酒就不再展开单独演示了。ㅤㅤ另外如果你是老读者应该还记得我之前做的 Web Access Skill其中有提到过「站点经验」的机制。「信源入口」表的采集方式字段也在起着类似的作用。如果需要积累更完善的站点经验让 Agent 操作更快更准确或者直接叠加 Web Access Skill 来运行当然也是可以的感谢认可同样要求豆包工作调整日报流程 Skill 即可可以在本地新增站点经验文件 or 存在云文档中或者直接要求遵循 Web Access Skill 来联网。ㅤㅤ 写在最后看 Context 是 Context走到这里你可能已经发现了这套 Loop 从头到尾所有调整只围绕一件事 —— Context 的打通与循环。ㅤContext 可以提醒 Agent 读另一段 Context日报 Skill 引导 Agent 读知识库、多维表里的规则规则引导 Agent 联网采集新闻。ㅤContext 的来源与存储形态很多样可以是本地文件、飞书群聊、文档、表格甚至批注。ㅤAgent 本身还是 Context 的输出者既可以输出日报也能推送聊天消息也能自己编辑给自己看的 Skill、规则文件仅在 Context Loop 层上就足以自循环优化。ㅤ虽然本文只列了信源日报场景的 Loop 系统但实际上放宽到 Agent 场景中「信息 input」非常开放你能接入的信息远不止这些。借助 MCP、API、CLI 生态现在的 Agent 已经能够很方便的连接大量信息。比如豆包工作积累了飞书等 IM 内的组织关系、讨论、文档和决策也提供了连接器方便访问邮箱、会议、同花顺、淘宝和企业内部数据来源。而 Agent 对 Context 的处理结果更不止日报这种形式读时事分析外部行业趋势读会议纪要帮你拆行动项、盯完成进度接内部系统做异常告警分析整理客户信息生成跟进建议。ㅤ设计 Agent需要让自己到一种看 Context 不是 Context但看 Context 是 Context 的状态。换一种输入 Context、换一种输出形态就是全新的 Agent 工作流。定义好 Agent 体验预期、选好匹配的工具好好设计每套 Loop 的自循环改进流程就能让 Agent 自动捕捉你的每一次反馈越用越合心意。ㅤ如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。大模型入门到实战全套学习大礼包1、大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通2、大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。3、AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。4、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。5、大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。适用人群第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
