视频选集 1.什么是智能 Agent--多任务协同的核心角色 2.Agent 架构解析模型、工具与调度逻辑 3.执行机制揭秘从自然语言到自动决策 4.意图识别与任务匹配如何理解用户需求 5.多工具动态调用实战构建可扩展的智能助手 1.快速构建对话系统，实现与大模型的高效交互 2.利用内存模块实现多轮对话和上下文跟踪 3. 使用API集成实时数据提升模型回答的准确性 4.通过自定义工具扩展模型功能，支持多场景应用 5.结合Agent实现智能决策与自动化任务执行 1、AI Agent是什么 2、深度剖析Al Agent核心模块 3、构建Al代理系统面临的挑战 4、为什么记忆能力如此重要 5、短期记忆与长期记忆原理 6、如何管理短期记忆和长期记忆 7、管理长期记忆的关键架构决策 8、LangGraph Memory管理机制与实现方案 9、LangMem SDK高效实现长期记忆管理 10、从零构建生产级AlAgent服务技术方案 1、什么是 ReAct Agent 2、ReAct Agent 核心原理与设计 3、MCP基本概念 4、为什么出现MCP 5、MCP有哪些好处 6、基于MCP的集成架构 7、MCP消息协议JSON-RPC2.0 8、深度剖析MCP三种传输协议 9、LangGraph 构建 ReAct Agent 并使用高德地 10、基于LangGraph MCp Server 开发 8. 智能体(agent)命理大师虚拟项目（需求分析、技术选型、技术分解） 9. 初始langchain：LLM大模型与AI应用的粘合剂 10. langchain是什么以及发展过程 11.langchain能做什么和能力一览 12. langchain的优势与劣势分析 13.langchain使用环境的搭建 14.先跑起来：第一个实例，了解langchain的基本模块 18. 模型IO 大语言模型的交互接口 19.prompts模板：更加高级和灵活的提示词工程 20. prompts实战两种主要的提示词模板 21. 自定义prompts模板 22. 两种模板引擎以及组合模板使用 23.序列化模板使用 24.示例选择器之根据长度动态选择提示词示例组 25. 示例选择器之MMR与最大余弦相似度 26.langchain核心组件：LLMs vs chat model 27. 更好的体验：流式输出 28. 花销控制：token消耗追踪 29. 输出结构性：不止于聊天 32. RAG：检索增强生成是什么？ 33. loader：让大模型具备实时学习的能力 34.文档转换实战：文档切割 35.文档转换实战：总结精炼和翻译 36. Lost in the middle 长上下文精度处理问题 37. 文本向量化实现方式 38.与AI共舞的向量数据库 39. Chatdoc 又一个智能文档助手（1） 40. Chatdoc 又一个智能文档助手（2） 41. ChatDoc 几种检索优化的方式 42. ChatDoc 与文件聊天交互 45. chains：langchain的重要组成部件 46.四种基本的内置链的介绍与使用(1) 47. 四种基本的内置链的介绍与使用(2) 48.四种基本的内置链的介绍与使用(3) 49. 四种基本的内置链的介绍与使用(4) 50. 四种基本的内置链的介绍与使用(5) 51. 链的不同调用方法和自定义 52. 四种处理文档的预制链(1) 53. 四种处理文档的预制链(2) 54.四种文档预制链使用(3) 55.四种文档预制链使用(4) 56.memory工具使用(1) 57. Memory工具使用(2) 58. Memory工具使用(3) 59. 为链增加memory（1） 60. 为链增加memory(2) 61.主要的预制链和memory工具 64. 什么是agent 65.第一个agent 66.几种主要的agents类型介绍（1） 67. 几种主要的agents类型介绍（2） 68. agent中正确添加memory的方式 69. 如何让agent与tool共享记忆 70.tool的使用 71.tookit的使用.mp4 72. LCEL是什么 73. LCEL不同的接口实现 74. LCEL里chain和prompt实现 75. LCEL记忆的添加方式 76. LCEL Agents的使用（1） 77. LCEL Agents的使用（2） 78. 最佳开发实践
