Agentic AI
围绕语言模型智能体，学习工具使用、规划与任务执行的基本思路。
关于这组笔记
个人自学讲义，参考公开课程材料与相关论文整理，并配套自学实验。
查看原课程资料适合的起点
建议熟悉 Python、机器学习与语言模型基础。
本系列为个人学习整理，非学校官方发布，不代表学校或授课教师的认可或背书。
沿着目录阅读
当前 15 篇课程讲义
- Lecture 01第 1 讲：导论——LLM 会幻觉，怎样把它变成可靠的智能体？
- Lecture 02第 2 讲：知识策展与深度研究——STORM、Co-STORM 与 GRILL
- Lecture 03第 3 讲：智能体的构件——工具、循环、harness 与 Agentic OS
- Lecture 04第 4 讲：可问责的 AI——用 SMT 和定理证明器做高风险决策
- Lecture 05第 5 讲：无幻觉的 RAG——WikiChat 深入
- Lecture 06第 6 讲：结构化数据上的智能体——语义解析与 Text-to-SQL
- Lecture 07第 7 讲：SUQL——结构化与非结构化数据的统一查询语言
- Lecture 08第 8 讲：知识图谱上的反应式智能体——SPINACH
- Lecture 09第 9 讲：深度研究员——SLIDERS 与长文档集合
- Lecture 10第 10 讲：不幻觉的任务型智能体——Genie Worksheet
- Lecture 11第 11 讲：洞见发现——DataSTORM
- Lecture 12第 12 讲：编程智能体与元优化
- Lecture 13第 13 讲：视觉语言模型与历史文献转写——CHURRO
- Lecture 14第 14 讲：训练大语言模型——预训练、指令微调、训练数据与蒸馏
- Lecture 15第 15 讲（拓展）：评估方法与期末项目
从讲义到代码
按课程目录整理的配套示例，保留各单元的文件结构。阅读讲义时，可以下载整套代码，在本地逐步探索。
下载 CS224V 代码请在独立虚拟环境中查看依赖后运行；未附模型权重和运行产物；示例未逐一验证。