了解 LLM 的基本原理、Transformer 架构以及预训练与微调的概念，为理解 Agent 的大脑奠定基础。
掌握 Chain-of-Thought (CoT) 等高级提示词技术，学习如何引导模型进行逻辑推理与任务拆解。
学习如何构建外部知识库连接，通过向量数据库为 Agent 提供实时、准确的上下文信息。
深入研究 Function Calling 机制，让 Agent 能够通过 API 驱动外部搜索、计算器或数据库执行操作。
学习 ReAct 模式及 LangChain、AutoGPT 等主流框架，理解感知、决策、行动的闭环控制逻辑。
探索如何利用向量检索实现长期记忆，并研究 Agent 在面对复杂任务时的自主路径规划能力。
研究多个 Agent 之间的通信、协作与对抗机制，学习使用 MetaGPT 或 AutoGen 等框架编排复杂工作流。
用 AI 创建个性化课程，获得互动式课程和进度追踪。