前些日子，体验了下字节的扣子平台，也就是时不时就有人提出来的AI Agent的平台。

体验下来并没有改变我个人的观点，我个人认为Agent以及AI工作流的出现只是AI技术尚不完全成熟的现在的过渡。就像自动驾驶领域中，从机械的算法、发展到分别应用AI处理不同阶段数据、最后变为端到端的模式一样，当AI具备全局思维、创造性思维之后，我们应该是不需要多个AI分别处理了。当然，这又带出来了另一个话题——端到端的架构是不是自动驾驶的最优架构，后面有机会了再聊吧。

总之，结合之前接触的大模型AI相关的知识（参考之前发布的一篇关于大模型AI基础概念的文章），对这类AI Agent平台的各项机制和功能概念做了个简单的总结。

Agent智能体

一个能够独立执行任务的自动化程序，可以根据用户指令自主调用资源库里的内容并完成编排；

提示词

Agent的设置，也就是AI中的系统消息的层面，对AI进行规则设置；

技能

Agent可以添加技能来支持更多功能，比如可以添加搜索功能支持网络搜索；

插件

插件能够让Agent调用外部API，如搜索信息，来扩展Agent的能力；

● 卡片数据：支持绑定消息卡片，绑定成功后，Agent将以消息卡片的形式发送消息，只在飞书、豆包内支持；

工作流

● Agent可以设置工作流，用于实现多步骤任务；

● Agent会根据工作流编排的流程来响应用户需求。工作流开始节点通常需要设置输入参数，对话时Agent会根据用户提示词Query中包含的参数进行工作流的执行；

● 可以在Agent的提示词中引入工作流的名称调用工作流；

● 工作流默认为同步运行，Agent只会在工作流执行完毕后才会输出。可以将工作流设为异步，异步执行时会先默认返回一条预设的回复内容，执行完毕后，Agent会做出最终回复；

触发器

Agent可以设置触发器，用于实现定时执行或通知；

● 定时触发：在指定时间触发；

● 事件触发：服务端向指定url发送请求时执行；

● 触发器绑定的任务应在1分钟内运行完毕，且工作流需要关闭流式输出；

知识

● 文本：将文档、URL、三方数据源上传为文本知识库后，用户发送消息时，Agent可以引用文本知识的内容回答用户问题；

● 表格：将表格上传为表格知识库后，Agent可以支持对数据的查询和计算；

● 照片：照片上传到知识库后，添加语义描述，Agent可以基于描述匹配合适的照片；

● 自动调用：每一轮对话都会调用知识库；

● 按需调用：根据需要调用，需要在提示词中写清楚什么情况下调用；

记忆

● 变量：变量功能可以用来为用户保存变量，比如用户的语言偏好、个性化设置之类的。也包括了系统变量的配置；

● 数据库：建立后，多用户可以对同一数据表进行快速查询和修改，比如待办功能；

● 长期记忆：打开后，Agent会对对话进行长期保留，以提升长期的用户体验；

● 文件盒子：打开后，Agent可以储存多模态数据供用户反复使用；

对话体验

● 开场白：打开时发送给用户的信息，可以预置问题供用户选择；

● 用户问题建议：Agent回复后，自动根据对话内容提供3条用户提问建议；

● 快捷指令：对话输入框上方的按钮，配置完成后，用户可以快速发起对话或插件等；

● 背景图片：对话的背景图片；

● 语音：为Agent设置语音音色；

● 用户输入方式：可以设置打字输入、语音输入；

模式

● 单Agent模式：单Agent模式下，只会使用一个Agent进行任务处理，在处理复杂任务时会增加调试的复杂性；

● 多Agent模式：可以为不同的Agent配置独立的提示词，将复杂任务拆解为简单任务。多Agent模式下，可以在每个Agent节点配置独立的插件和工作流。调试时可以针对单个Agent节点进行修改；

● 对话流模式：仅对话，适合流程固定的场景；

AI应用

有用户界面的Agent组合，可以不只是对话；

可以搭建通用移动端、WEB端应用；

资源库

插件、知识库、数据库、提示词等资源，可以被同空间的Agent或应用使用；

资源可以存在于空间，也可以存在于应用中，在应用中时就不会干扰其它应用；

项目：单个Agent和单个应用两种类型都是一个独立的项目；

空间：资源组织的主体；

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发