【全網首發Manus教程】吹爆！這可能是唯一能將全球首款通用AI Agent產品Manus講清楚的教程了！上手超簡單，全程乾貨無廢話！少走99%的彎路！ P11 - 11.11、程序員A1 Agent學習最佳實踐

但是真實的做一個AI項目的話 它肯定沒那麼簡單的 它是要用到一個非常體系的一個AI大模型的應用技術的 今天咱們講的是沒有寫代碼的這種方案 非常簡單 快速去搭建 所以說它能做出來的效果的話也比較簡單 但是效果也還行 你要真的做一個這麼大的一個項目的話 你要考慮的點比較多的 比如說項目裏面 你要調用企業內部的一些API怎麼來調呢 對不對 比如說工具裏面你看 工具裏面其實這裏提到的都是一些外部的一些工具 比如說我要調內部的工具怎麼來調呢 對不對 這個是吧 它就有問題了 這個都是第三方的API 你要自定義的做一些工具 對不對 比如說這個裏面是吧 怎麼來實現呢 所以說這個裏面是一些比較深入的一些內容 但今天可以幫助大家快速入門 我主要是讓大家去了解 Agent目前開發是個什麼情況 到我們真正做項目還是要寫代碼的 只是說代碼量比較少 不是說完全沒有代碼的 雖然今天講的是沒有代碼的方案 但是真實的做一個AI大模型的應用開發的話 它還是有代碼的 比如說它的代碼量在哪裏 比如說浪圈裏面 你要用代碼去寫一個Agent 是吧 寫一些Agent 今天咱們寫的是界面配置的 界面配置的話 它有一個問題 就是Agent它被固化了 就被固化了 它的模式都是固定的 你看都是什麼提問 什麼解決問題 對不對 但是如果說我想要自定義Agent 怎麼辦 就肯定要用到浪圈的Agent 或者是咱們明天給大家講的 Language Language裏面的話 一套專門做Agent工作流的一套解決方案 明天上課的話就有代碼 這代碼的話就是給他寫 怎麼樣做個性化的Agent 怎麼樣跟企業的這些知識庫打通 是吧 還有包括其實你要真正做一個項目的話 其實要考慮的問題的話也會比較多 比如說我說一個典型的 你要做一個什麼 做一個數據存儲是吧 你看Define這一塊裏面有一個問題 你要做數據存儲的話是有問題的 它數據存儲給你限制了 它用的向量數據庫它給你限制好了 你改不了的 是吧 如果你要做自定義的一個向量數據庫的話 它是會有問題的 所以說Define它是好用也簡單 但是它有限制 就是限制 比如說我要做一個 就跟大家做開發一樣 如果說你用一些框架的話 它是會有些限制的 你用Define它限制了你的數據庫使用 它有些組件因爲官方幫你定好了 你想改改不了 那怎麼辦 是吧 所以說這時候我們爲什麼要學這些 long term一些大模型應用開發 這些東西的話 就是要教大家 我可以選不同的限量數據庫 比如說我有的用Krama 有的用Quadrat 有的用其他限量數據庫 這個是爲了考慮成本的 因爲有的限量數據庫它比較貴 有的比較便宜 有的是開源免費的 我自己去寫的話 我這個限量數據庫 我自己可以技術選行的 你用別人的話 別人給你封裝好了 你改不了 這個也是個問題 所以說 浪古拉夫爲什麼只能做簡單的場景 就是它幫你把規範定好了 你想改改不了 是吧 它只能幫你做私有化部署 你要改它源代碼的話 你得對它裏面邏輯比較熟悉纔行 不然這個也是有問題的是吧 然後的話就是Rug的一些細化的一些東西 就是你用Define的話 或者是咱們用Codes Codes這一塊 大家課後也可以去玩一下 在Codes裏面 就大家你看 Codes裏面 其實你去搭建一個智能體的話 跟剛剛在Define裏面 其實是一模一樣的 包括提示詞 大家看 這都是一模一樣的 沒有任何區別 包括它的功能頁面 你看都是一模一樣的 包括你看生成的一些問題 這個也可以配置成一模一樣的 所以說大家學Define 你只要學會了Define 你後面再去學那個啥 學什麼MetaGPT 是吧 AutoGPT 那些東西 就這幾個 還有Codes 這都是一樣的 大家只要把我今天講的理念 這個Agent的一些基礎概念 一些入門的東西 給它學會之後 你後面再去學這些東西的話 那都是 只要學一個就行了 就大家自己玩的話 用Codes 如果說你要做企業化部署的話 你用Define去部署一下 這個都是沒有問題 但是 我剛剛說了 僅限於入門 就是你 你要最終把這個技術 整個都掌握之後 你就能做一些 個性化的一些開發 你就不要被這個框架給限定了 好吧 包括你看我們還給他講一些拓展的 什麼自定義組件 是吧 這些東西 Define 它都是沒有實現的 都有問題的 就這一塊都是沒有的 你要做一些個性化的一些東西的話 比如說叫自定義Rug 你比如說公司有一些特定的文檔 用Define 一些 比如說你要公司有一個特定的加密文檔 或者什麼文檔 這個文檔什麼 它不是標準文檔 Define上傳上傳不上去 它解析不了 那怎麼辦 只能用自定義組件來實現 所以說爲什麼會給大家講這個東西 它都是有原因的 就這些東西 這都不是隨便寫上去的 這個都是真正的企業級裏面 真的用到的東西 大家去搜 你去搜 你去執聘上面 不止執聘上搜 搜崗位要求 大家拿了崗位要求 然後來看一下我們AI大模型學習路徑 你會發現 基本上都是那些崗位上面寫的 我們都是 業界裏面 真的是落地裏面用的技術 都是在我們課程裏面都有講 會講PyTorch或者TensorFlow嗎 會講 這個會講 但是 也不是 把理論講得非常複雜的那一種 因爲PyTorch跟TensorFlow 是以前機器學習深度學習裏面 傳統的那一套玩的比較多的是吧 所以我們給大家講的是PyTorch 跟TensorFlow 然後跟大模型應用開發 非常有 有關的一些東西 而不是重點說把PyTorch整個體系 理論底層算法給他講得清清楚楚 我們不會講這麼多東西 因爲你看傳統的人工智能方向 講的東西太多了 並且這個東西要求也比較高 如果說你不是博士 211985學歷的話 我建議你不要去卷這個算法 這個真的是要求太高了 學這個東西的人 那真的是 基本上都是研究生博士級別的 所以說我們會講PyTorch 或者TensorFlow 但是我們的方向是爲了幫助大家 在大模型應用開發裏面 是吧 拿到高薪就業 而不是去轉卷算法 這個一定要搞清楚 我們是講AI大模型應用開發 主要是跟目前 市場需求這一塊有關的 目前對這一塊的崗位要求 也是它的訴求比較多 就這一塊 大家可以自己去boss指名上搜 我剛剛給他搜的AI agent 你比如說你去搜AI大模型應用開發 應用開發 你就隨便搜 比如說我搜一個AI大模型應用實戰開發 大家看你看 這裏就寫了 瞭解AI agent的一個基本架構 Agent說這一塊 但凡是目前做AI應用開發的 都會基本上都會用到Agent 但是你可以看到 大家看 它裏面沒有過多的寫 什麼PyTorch Tyson flow 什麼底層算法有深入研究 基本上沒有這麼寫 所以說大家 你從崗位招聘上 你就可以看得出來 它的這一塊 目前跟以前玩法不太一樣了 它不是以前傳統的 AI開發那一套了 它是目前AI大模型應用開發 這個是不一樣的 除非它上面特定的給你寫了 AI大模型算法控制師 你看 它就是PyTorch Tyson flow要求比較高的 這個的話 如果大家確實你的算法比較厲害的話 可以去研究這一塊 但是適合我們大衆的話 還是AI大模型應用開發 大家可以看到 你看AI大模型應用開發 什麼框架 看看這裏 你看項鍊是吧 Promise提示詞 在我們VIP課程裏面 其實都有講 再看一個 這是深圳 搜一下上海的 上海的崗位應該也挺多的 你看Rug AI大模型應用開發 大家看 你看有Rug應用實踐相關 你看內容檢索 內容生成 問答系統 這不就是咱們VIP課上給他講的嗎 什麼Rug的模型調優 這個裏面咱們 重點的話就是講這些東西 Rug項目實戰 再看幾個AI大模型 高級AI大模型應用開發 大家看 你看 能將模型部署爲API 以供前端或者業務方調用 開發 AI驅動的功能 咱們課程裏面 你看是不是也講了 就剛剛在大模型訓練與微調裏面 你看 部署私有化是吧 私有部署大模型 你看這一塊 這就給大家講部署了 你看API調用了模型部署 所以說大家自己去對比一下 其實就知道 就是我們這個課程對標的 就是目前市面上 崗位的需求 市面上哪些東西 崗位有要求的 我們都會講基本上 好 大家自己可以去看一下 然後這個課程的話 大家如果想報 可以去加一下客服的微信 我就不顧多的去 我也不打什麼廣告了 大家如果說感興趣的話 你去加 如果說對AI賽道感興趣 然後你想在2025年進入賽道的 或者是你想加入我們圈子 就做一些交流的 那也是可以的 交一些創業有可能創業的小夥伴 是吧 或者說你想真的去面試找一個工作 我們都有這樣的一個服務 我再給大家看一下 我們老師做過的一些項目