讲师：柯雨金
课程背景
随着人工智能技术的飞速发展，AI 智能体（智能体）作为其中的关键概念和技术，正逐渐改变着各个行业的运作模式。从智能客服到自动驾驶，从智能投顾到智慧城市管理，AI 智能体的身影无处不在。
为了满足市场对AI 智能体专业人才的需求，帮助相关人员深入理解并掌握这一前沿技术，特开设本实战营课程。
课程目标
1.帮助学员全面且深入地理解AI 智能体（智能体）的概念、技术原理、核心能力以及广泛的应用场景。
2.使学员熟练掌握AI 智能体的技术特点、科学的分类方法，并能敏锐洞察其未来的发展趋势。
3.通过理论讲解、案例分析和编程实践，培养学员具备搭建和优化AI 智能体的实际操作能力，能够根据不同需求设计和应用智能体解决方案。
教学方法
1.理论讲授：系统讲解AI 智能体的基础概念、技术原理、核心能力等知识，构建完整的知识体系。
2.案例分析：结合DeepSeek、扣子、自动驾驶等实际案例，深入剖析AI 智能体在不同场景下的应用，帮助学员理解理论知识在实际中的运用。
3.编程实践：安排扣子实现简单智能体等搭建练习，让学员在实践中巩固所学知识，提升动手能力。
4.小组讨论：组织学员就课程中的难点、热点问题进行小组讨论，促进学员之间的思想碰撞，培养团队协作能力和创新思维。
适用对象
1. AI 从业者：希望深入学习 AI 智能体技术，提升自身专业技能，拓展职业发展空间。
2.技术管理者：需要了解AI 智能体技术趋势，以便更好地制定技术战略和管理团队。
3.对AI 技术感兴趣的学生：为未来的学术研究或职业发展奠定坚实的基础。
4.研究人员：探索AI 智能体的前沿技术，寻求创新突破。
课程内容
第一章、AI 智能体 的基础认知
1、智能体的定义及原理
◦定义：详细介绍智能体（智能体）的起源，从早期的简单概念到现代AI 领域中被广泛认可的定义，重点阐述其自主性、目标导向性等核心特征，对比不同定义的差异与联系，让学员清晰把握智能体的概念内涵。
◦核心原理：深入讲解感知- 决策 - 行动循环（Perception - Decision - Action Loop），通过流程图、实际示例展示该循环的运行机制。同时，探讨强化学习与符号推理相结合在智能体决策过程中的作用，分析两者的优势互补原理。
◦关键组件：分别剖析环境感知、知识表示、决策引擎、执行器这四个关键组件的功能与工作原理。例如，环境感知如何获取多模态数据，知识表示的常见方法及其优缺点，决策引擎的算法实现，执行器与不同系统的交互方式等。
2、智能体的分类方式：介绍基于不同标准的分类方法，如按任务类型、智能程度、结构架构等分类，详细阐述每种分类下的具体类型特点。
第二章、企业对智能体的需求与价值
1、智能体为何被企业需要
◦自动化需求：以工业自动化生产线和客户服务聊天机器人为例，讲解智能体如何解决重复性、高复杂度任务，分析其在提高生产效率、降低错误率方面的优势。
◦效率提升：通过数据对比，展示智能体24/7 不间断工作相较于人力工作在成本和效率上的巨大差异，探讨智能体在降低人力成本、提高企业运营效率方面的重要作用。
◦扩展人类能力：结合灾害救援机器人和大数据分析智能体的应用案例，阐述智能体处理超大规模数据、执行危险任务的能力，以及对人类能力的有效扩展。
◦个性化服务：以智能助手和推荐系统为切入点，分析智能体如何根据用户的历史数据和实时需求，实现用户需求的定制化响应，提升用户体验和企业竞争力。
2、智能体为企业带来的价值体现：从成本降低、收益增加、用户满意度提升等多个维度进行量化分析，展示智能体对企业的实际价值。
第三章、智能体的技术特性
1、智能体的三个技术特点
◦自主性：通过具体案例，如自主导航的无人机，讲解智能体如何在没有外部干预的情况下，根据自身的目标和环境信息自主执行任务，分析实现自主性的关键技术和算法。
◦适应性：以智能家居系统中的智能体为例，展示其如何根据环境变化（如温度、光线的改变）动态调整策略，实现对家居设备的智能控制，探讨适应性技术在不同场景下的应用策略。
◦协作性：引入多机器人协作完成复杂任务的场景，介绍多智能体系统中智能体之间的协同工作机制，包括通信协议、任务分配算法、冲突解决策略等。
2、智能体的四个关键特性
◦反应性：结合实时监测系统中的智能体，讲解其对环境变化的实时响应机制，包括传感器数据的快速处理、响应动作的及时执行等，分析反应性对智能体性能的影响。
◦主动性：以目标驱动的智能营销智能体为例，阐述其如何主动根据预设目标制定行动方案，展示主动性在智能体实现复杂任务过程中的重要作用。
◦社会性：通过虚拟社交助手的案例，探讨智能体与其他智能体或人类的交互能力，包括自然语言交互、情感识别与反馈等技术的应用。
◦学习性：详细介绍智能体通过经验提升性能的多种学习方式，如在线学习、迁移学习等，结合实际案例分析每种学习方式的应用场景和优势。
第四章、智能体的核心能力
1、智能体的六大核心能力
◦感知能力：深入讲解智能体如何实现多模态数据（视觉、语音、文本）的输入和处理，介绍相关的传感器技术和数据预处理方法，如摄像头、麦克风的工作原理，图像识别和语音识别的基本算法。
◦理解能力：以自然语言处理（NLP）和知识图谱解析为重点，介绍智能体理解人类语言和复杂知识的技术原理，包括词法分析、句法分析、语义理解、知识图谱的构建与应用等。
◦推理能力：分别阐述逻辑推理、因果推断、预测建模在智能体决策过程中的作用和实现方法，通过实际案例展示如何运用这些推理能力解决复杂问题。
◦决策能力：讲解智能体在面对多目标优化、风险评估和策略生成时的决策方法和算法，如基于博弈论的决策模型、风险评估指标体系的建立等。
◦执行能力：介绍智能体如何实现跨平台控制（硬件、软件、网络），包括与不同设备和系统的接口技术、远程控制协议等，展示执行能力在实际应用中的具体实现方式。
◦学习能力：详细介绍监督学习、无监督学习、强化学习等学习方式在智能体中的应用，包括算法原理、训练过程、模型评估等内容。
2、核心能力的相互关系与协同作用：分析六大核心能力之间的相互依赖和促进关系，通过实际案例展示它们如何协同工作，实现智能体的高效运行。
第五章、案例教学：企业智能体分类与应用
1、智能体按目的四大分类
◦任务型智能体：以自动驾驶汽车和游戏AI 为例，深入分析任务型智能体专注于单一任务的特点，包括任务的定义、目标的设定、实现任务的技术路径和关键算法等。
◦社交型智能体：以虚拟助手和心理辅导聊天机器人为例，探讨社交型智能体在人机交互与情感计算方面的技术实现，如情感识别算法、个性化交互策略的制定等。
◦探索型智能体：结合机器人探索未知环境和科学研究中的智能体应用案例，讲解探索型智能体在未知环境探索过程中的感知、决策和行动策略，包括地图构建、路径规划、探索算法等。
◦管理型智能体：以数据中心管理和智能电网调度为例，分析管理型智能体在资源调度与系统优化方面的工作原理和应用效果，包括资源分配算法、系统性能评估指标等。
2、智能体在各领域的应用
◦医疗健康：详细介绍智能体在辅助诊断、药物研发、患者监护等方面的具体应用，包括医学影像分析、疾病预测模型、远程医疗监测系统等，分析其对医疗行业的变革和影响。
◦金融科技：以智能投顾、风险控制、欺诈检测为切入点，讲解智能体在金融领域的应用技术和业务流程，如投资策略的制定、风险评估模型的建立、异常交易的识别等，探讨其在金融风险管理和服务创新方面的作用。
◦教育领域：分析智能体在个性化学习、智能辅导、虚拟教师等方面的应用模式和技术实现，如学习路径规划、智能答疑系统、虚拟教学场景的构建等，探讨其对教育教学质量提升的意义。
◦制造业：结合工业机器人、预测性维护、供应链优化等案例，讲解智能体在制造业中的应用价值和技术手段，如机器人的运动控制、设备故障预测模型、供应链协同算法等，展示其对制造业智能化升级的推动作用。
◦智慧城市：以交通管理、能源分配、公共安全为重点，介绍智能体在智慧城市建设中的应用场景和解决方案，如智能交通信号控制、能源优化调度系统、安防监控智能分析等，探讨其对城市可持续发展的重要意义。
第六章、智能体的训练与优化
1、智能体的训练奖励函数
◦奖励函数设计原则：深入讲解目标对齐、稀疏奖励与密集奖励的平衡等设计原则，通过实际案例分析如何根据不同的任务和目标设计合理的奖励函数。
◦常见方法：分别介绍直接奖励（如任务完成度评分）、内在奖励（探索奖励、技能学习奖励）、多目标奖励（同时优化效率与安全性等多个目标）的具体实现方式和应用场景，分析每种方法的优缺点。
2、优化技术
◦强化学习算法：详细讲解AI智能体等强化学习算法的原理、实现步骤和应用场景，通过代码示例展示如何运用这些算法训练智能体。
◦仿真训练：介绍数字孪生与虚拟环境在智能体仿真训练中的应用，包括虚拟环境的搭建、仿真数据的生成与利用等，分析仿真训练在加速智能体学习和降低成本方面的优势。
◦人类反馈强化学习：讲解人类反馈强化学习的原理和流程，结合实际案例分析如何收集人类偏好数据，以及如何利用这些数据优化奖励函数，提升智能体的性能和用户满意度。
第七章、课程总结与展望
1.技术趋势：深入探讨大模型与多智能体系统融合的技术路径和应用前景，分析具身智能（Embodied AI）的发展现状和未来趋势，包括机器人与智能体的结合、物理交互能力的提升等方面。
2.伦理与挑战：全面分析AI 智能体发展过程中面临的责任归属、隐私保护、就业结构变化等伦理和社会问题，引导学员思考相应的应对策略和解决方案。
3.未来方向：展望通用人工智能（AGI）的潜在路径，探讨 AI 智能体在实现通用人工智能过程中的作用和发展方向，激发学员对未来人工智能发展的创新思考。
授课老师
柯雨金 AI增效赋能讲师
常驻地：深圳
邀请老师授课：13439064501 陈助理
