<span class=“js_title_inner“>上海交大俞勇团队“动手学”系列第6本重磅新作上市!</span>

上海交大2026版《动手学大模型》:零基础掌握LLM、Agent与RAG实战 大语言模型(LLM)作为人工智能领域的核心技术,基于Transformer架构实现了突破性的自然语言理解能力。其核心原理通过自注意力机制捕捉长距离依赖关系,在预训练-微调范式下展现出强大的泛化性能。这一技术价值在于降低了AI应用门槛,使开发者能够快速构建智能对话、内容生成等应用。在实际工程实践中,智能体(Agent)技术让模型具备了工具调用和任务规划能力,而RAG(检索增强生成)系统则通过结合外部知识库显著提升了回答的准确性和时效性。上海交大2026版教程正是围绕LLM基础、Agent开发和RAG系统构建这 阅读详情

深耕AI实战教育二十余年,打造出“动手学”系列爆款教程的俞勇团队,再推重磅新作!继多部行业标杆教材、豆瓣高分佳作之后,俞勇教授携手温睦宁、林江浩、张伟楠三位学者,潜心打磨的《动手学大模型智能体》正式上市。

▲“新一代人工智能实战型人才培养系列教程”

▲上交大ACM班毕业生沐神作品

作为“新一代人工智能实战型人才培养系列教程”第6部力作,这本书延续了俞勇团队“理论+实战”的核心基因,系统讲解了大模型智能体的基本内容及其代码实现。

一经推出,便在学术界和产业界引起了广泛关注,得到了奇绩创坛创始人陆奇、伦敦大学学院讲席教授汪军、南洋理工大学校长讲席教授安波和纽约大学助理教授谢赛宁等多位业内领军人士联袂推荐,堪称大模型智能体领域的权威入门范本。

▼点击下方,即可购书

Part.1

为什么要读这本书?

(1)王牌作者天团,堪称“学术+工程”的顶配组合

温睦宁

上海交通大学人工智能学院助理研究员,2025年博士毕业于上海交通大学计算机科学与技术专业。研究方向聚焦于强化学习、大模型智能体以及多智能体系统等方面,拥有丰富的强化学习及智能体系统实践经验。累计发表国际学术论文20余篇,自2022年以来持续担任NeurIPS、ICML、ICLR等国际学术会议审稿人。

林江浩

上海交通大学安泰经济与管理学院助理教授,2025年博士毕业于上海交通大学计算机科学与技术专业。研究方向聚焦于生成式人工智能与数据科学,以及此类技术在推荐系统、运筹优化、智能商务等真实场景中的应用。累计发表国际学术论文40余篇,获得两项最佳论文奖,1篇论文入选ESI全球Top 1%高被引论文。

张伟楠

上海交通大学教授、博士生导师,ACM班机器学习与强化学习课程授课教师,上海创智学院全时导师。主要研究方向为强化学习、大模型智能体、具身智能。吴文俊人工智能优秀青年奖、达摩院青橙奖得主,主持国家自然科学基金优秀青年科学基金项目和科技部科技创新2030—“新一代人工智能”重大项目课题。

俞勇

上海交大ACM班创办人、国务院特殊津贴专家、国家高层次人才教学名师。他一手打造的ACM班,被誉为中A人才的 “黄埔军校”,培养出李沐、陈天奇等顶尖学者与企业家,20余年的教学经验,让他深知学习者的痛点与难点。

2018年创办伯禹人工智能学院,在上海交通大学ACM班人工智能专业课程体系的基础上,对人工智能课程体系进行创新,致力于培养卓越的人工智能算法工程师和研究员。2025年创办知春创新中心,探索中学和大学贯通式人才培养模式,打造AI时代创新人才培养“加速器”。

(2)精准击穿行业痛点,行业认可度拉满

市面上关于大模型智能体的资料,要么是晦涩难懂的学术论文,要么是零散的案例教程,难以满足不同人群的学习需求。

而本书不仅避开复杂的公式堆砌,用“案例先导”的方式,让零基础读者也能快速理解智能体的核心逻辑;还聚焦工程实践,从架构设计、工具调用到模型微调,拆解每一个技术环节的实现细节,提供可直接运行的代码示例;

更是覆盖多模态智能体、多智能体协作、智能体安全等前沿方向,帮助读者把握技术发展趋势,实现从“会用”到“创新”的跨越。

自然而然,本书凭借扎实的内容体系与实战价值,收获了多位业内领军人士的联袂推荐。

(3)延续“动手学”精髓,学完即能落地

“动手学”系列之所以成为领域标杆,核心在于拒绝纸上谈兵。本书延续这一优良传统,将实战贯穿始终。

本书的内容编排采用 “示例先行,原理托底” 的模式,每一章先让读者亲手完成一个可运行的案例,再深入讲解背后的理论原理,让学习从被动接受变为主动探索。

书中所有代码基于Python生态,兼容OpenAI风格接口的开源模型(如DeepSeek、Qwen),读者可根据自身算力条件灵活替换,无需担心环境配置门槛。

本书尤为注重项目驱动,从“构建第一个智能体”,到“构建文档问答智能体”“构建多功能智能体”,再到“构建基于大模型的多智能体”“基于MCP的智能体助手”,多个递进式实战项目,让读者边学边练,积累可复用的工程经验。

对于可落地的智能体系统,评估与调试同样重要,读者将学会如何记录与回放数据链路,定位失败原因,并设计合理的回退与异常处理机制。

(4)豪华配套资源,一站式解决学习需求

为了降低学习门槛,提升学习效率,本书配备了覆盖“学-练-教-用”全场景的资源包:

学习资源:理论解读视频课程、完整源代码(GitHub 仓库:boyu-ai/Hands-on-AA)、样例数据、提示词模板,手把手辅助自学。

教学资源:配套教学课件、课后习题,完美适配高校备课、企业内训需求。

平台支持:登录伯禹平台(http://haa.boyuai.com),即可获取在线代码运行环境,无需本地配置,随时随地上手实践。

获取方式:扫描本书封底二维码,或登录异步社区本书主页,即可免费领取所有资源,无需额外付费。

Part.2

这本书怎么读?

本书共15章,分为基础篇、架构篇、微调篇、前沿篇四大模块,逻辑清晰、层层递进。遵循“先搭框架、再攻核心、实战巩固、前沿拓展”的思路,能让你高效掌握大模型智能体的核心技能。

(1)明确前置基础,做好学习准备

阅读本书无需深厚的深度学习背景,但建议具备三项基础能力,以确保学习顺畅。

编程基础:掌握Python基本语法,能独立运行脚本和Jupyter Notebook;

工具基础:熟悉pip/conda包管理工具,了解HTTP/API、JSON及常见数据结构;

认知基础:对生成式大模型有基本了解,知道其核心功能与应用场景。

如果你暂时缺乏相关基础,可先通过“动手学”系列的入门书籍补全短板,再开启本书的学习之旅。

(2)按模块分阶段学习,循序渐进不迷茫

智能体基础篇(第1-4章)——入门筑基

从大模型与智能体的融合机制、生成式大语言模型基础,到提示工程核心技巧,再到智能体评估与调试,最后手把手带你构建第一个智能体,快速入门无门槛。

智能体架构篇(第5-8章)——核心攻坚

拆解智能体核心组件,讲解 LangChain、LlamaIndex 等主流框架用法,带你实现文档问答智能体、多功能智能体,掌握“感知-思考-行动”闭环设计逻辑。

智能体微调篇(第9-11章)——技术进阶

深入指令微调、LoRA低秩适应微调、模型量化、强化微调等关键技术,配套完整训练流程实践,教你优化模型性能、降低部署成本。

智能体前沿篇(第12-15章)——把握趋势

聚焦多模态智能体、多智能体系统协作、智能体安全、智能体协议四大前沿方向,实战手机个人助手、多智能体协作系统,提前布局技术风口。

(3)针对性学习建议,适配不同人群

高校师生:按 “基础篇→架构篇→微调篇→前沿篇” 顺序系统学习,将本书作为课程教材,结合配套课件和习题开展教学,重点掌握理论体系和实践方法;

研发工程师:优先学习架构篇和微调篇,快速掌握智能体落地核心技术,结合自身业务场景针对性攻关,提升项目落地效率;

创业者/产品经理:重点学习基础篇和前沿篇,理解智能体技术边界和应用场景,结合行业需求探索落地方案,把握技术创新机遇;

自学者:按模块顺序逐步学习,先完成基础实践,再攻克复杂项目,遇到问题可通过学习社群、配套资源交流解决,稳步提升技能。

Part.3

“动手学”系列书籍

1

《动手学强化学习》

▼点击下方,即可购书

本书是图灵奖得主John Hopcroft推荐的强化学习入门书。

本书系统地介绍了强化学习的原理和实现,是一本理论扎实、落地性强的图书。本书理论与实践并重,在介绍强化学习理论的同时,辅之以线上代码实践平台,帮助读者通过实践加深对理论的理解。

2

《动手学机器学习》

▼点击下方,即可购书

本书是周志华、朱军、李文新、黄萱菁、刘铁岩、陈天奇等多位业内领军人士联袂推荐的机器学习入门书。

本书系统地介绍了机器学习的基本内容及其代码实现,是一本着眼于机器学习教学实践的图书。本书将机器学习理论和实践相结合,以大量示例和代码带领读者走进机器学习的世界,让读者对机器学习的研究内容、基本原理有基本认识,为后续进一步涉足深度学习打下基础。

3

《动手学计算机视觉》

▼点击下方,即可购书

《动手学计算机视觉》知识体系全面系统,理论与实践深度融合,突出实用性与案例教学,更有丰富的配套资源,为初学者提供了极其友好的阅读学习体验。而本书是交大ACM班作者团队创作的“动手学”系列的新近一本,该系列还有更多人工智能领域的优秀著作。

对于已初步踏入计算机视觉领域的读者,若期望进一步提升知识水平、拓展知识边界,无论是深度学习、机器学习,还是数据结构与算法、自然语言处理、强化学习等内容,都能在 “动手学” 系列中展开深入学习。

4

《动手学自然语言处理》

▼点击下方,即可购书

本书解读了大模型背后的核心技术,文继荣、周明、邱锡鹏、李磊、杨笛一等多位业内领军人士推荐。

本书介绍自然语言处理的原理和方法及其代码实现,是一本着眼于自然语言处理教学实践的图书。本书将自然语言处理的理论与实践相结合,提供所介绍方法的代码示例,能够帮助读者掌握理论知识并进行动手实践。

5

《动手学数据结构与算法》

▼点击下方,即可购书

本书是何钦铭、张铭、邓俊辉、李沐、陈天奇、杨笛一、张伟楠等推荐的数据结构与算法入门书。

本书系统介绍了数据结构与算法的基本概念和相关知识,既注重理论,又注重算法设计,更突出代码实现,是一本着眼于数据结构与基本算法的教学实践的教材。

本书将数据结构的理论与真实应用的实践紧密结合,从各种数据结构的代码实现到火车票管理系统的代码实现,手把手地指导读者学习数据结构与算法,帮助读者轻松掌握数据结构与算法的基本知识及基本技能,为后续进行更多专业课程的学习打下扎实基础。

6

《动手学深度学习(Pytorch版)》

▼点击下方,即可购书

如果说《动手学深度学习》是深度学习领域不可替代的入门级教程图书,那么《动手学深度学习(PyTorch版)》就是李沐、阿斯顿·张等大咖作者顺应PyTorch发展潮流,强强联合,精心编撰,送给所有深度学习领域初学者的一份重磅级新礼物——全新升级版的深度学习入门教程PyTorch版本,被全球60多个国家、400多所大学用作教科书,是一本面向中文读者能运行、可讨论的深度学习入门书。

上交2024最新-动手学大模型 动手学大模型》系列编程实践,由上海交通大学2024年春季《人工智能安全技术》(NIS3353)讲义拓展而来(教师:张倬胜),旨在提供大模型相关的入门编程参考。通过简单实践,帮助同学快速入门大模型,更好地开展设计或学术研究。今天分享一个上海交大的免费的大模型,有相关文档和Slides,目前是2.2K星标,还是挺火的! 阅读详情

相关推荐

动手学大模型智能体:从基础到实战的完整学习指南

大语言模型(LLM)作为生成式AI的核心技术,通过深度学习架构实现了对人类语言的深度理解与生成能力。其技术原理基于Transformer架构,通过预训练和微调使模型具备强大的泛化能力。在工程实践中,提示词工程和智能体架构成为关键环节,前者通过优化输入指令提升模型输出质量,后者则构建具备记忆管理、工具调用等能力的自主系统。微调技术如LoRA(低秩适应)让模型能够快速适配特定任务场景,在智能客服、代码生成、多智能体协作等领域展现巨大应用价值。上海交通大学APEX实验室推出的实战课程,正是围绕大模型基础、智能体架

weixin_29039773的博客 297

TensorFlow相关组件的安装

TensorFlow相关组件的安装

AAI666666的博客 3939

使用LaTex写IEEE trans 论文的参考文献(bib)

(1)在.TeX文件的最下方添加这几行内容,主要为生成tran形式的参考文献,第二行为参考文献名称,我命名为reference.bib,所以写的是reference,要根据自己的命名改写。(5)如果要在文中引用的话,就在.tex文件中添加\cite{},中括号里面内容为方框圈出来部分,但引用之后,在参考文献后面会出现[1]这样的标识,不知道为什么。(4)完成(3)以后,点击工具-命令-LaTeX,编译,然后按照此步骤LaTeX-bibtex-LaTeX-LaTeX,就可以完成参考文献的导入。

qq_45884215的博客 6260

上海交大《动手学大模型》教程,完全免费,从入门到精通!

最近,GitHub上一个名为"Dive into LLMs"的项目火了!短短时间内获得数千星标,成为大模型学习者的新宠。这究竟是什么样的神仙项目?为什么能在众多教程中脱颖而出?

瓦罗兰特顶级C位的博客 2256

R语言dlnm包避坑指南:手把手教你配置交叉基矩阵(附温度分层与滞后多项式设置)

本文详细介绍了R语言dlnm包在配置交叉基矩阵时的实用技巧与避坑指南,特别针对温度分层与滞后多项式设置提供了具体参数配置建议。通过解析`crossbasis()`函数的核心参数、温度分析的分层策略以及不同基函数的适用场景,帮助研究者高效构建分布滞后非线性模型,避免常见错误并优化模型性能。

weixin_34094282的博客 403

Kindle电子书DRM破解全攻略:从下载到转换的完整流程(含最新DeDRM插件配置)

本文详细介绍了如何合法移除个人购买的Kindle电子书的DRM保护,实现跨设备阅读与备份。核心内容包括使用最新DeDRM插件(如noDRM分支)配合Calibre进行配置,并针对亚马逊最新的KFX加密格式提供了密钥提取与实战操作指南。文章强调该方法仅适用于个人合理使用,旨在帮助读者真正掌控自己的数字资产。

delta的博客 578

晚相恨见晚!动手学大模型从入门到精通!

这里也给大家推荐一个非常全面的大模型项目,包含大模型相关技术原理以及实战经验(大模型工程化、大模型应用落地)。正如开源这个项目的作者所说,天下没有难学的大模型 现在国内外还是比较缺乏全面成熟的大模型入门到精通教程,想比较于机器学习,深度学习等传统方向,入门大模型的难度还是比较大的。LLM的框架图如下,可以发现大模型现在也已经发展出挺多分支了,如果想要掌握所有的技术是需要一个比较系统的教程的,所以推荐这个项目llm-action

2401_84208172的博客 1207

傻白入门芯片设计,SystemVerilog Assertion(SVA)学习(二十一)

对SVA(SystemVerilogt Assertion)有了更深刻的认识,对经典的AveMC形式验证工具进行了介绍

qq_46675545的博客 8474

动手学习大模型-概述篇

本文作为整个系列的开篇,先带大家过一遍大模型领域的主体知识,同时规划后续的详细学习计划。在阅读过程中遇到不理解的地方不必纠结,在后续实践课程中遇到了会有详细的解释。

2401_82469710的博客 546

大数据实战:Python与MySQL在足球赔率分析中的高效应用

本文详细介绍了如何利用Python与MySQL进行大数据实战,实现足球赔率的高效分析。通过对比Excel处理的局限性,阐述了数据库在处理百万级数据时的速度优势。文章提供了从环境搭建、使用pymysql连接数据库、利用pandas进行数据清洗与分析,到构建自动化分析系统的完整流程,旨在帮助读者将大数据技术应用于实际业务场景,显著提升数据处理与洞察效率。

weixin_29080843的博客 448

Android Activity面试题最全解析(5万字长文)

Intent是Android中用于启动活动、服务或广播的一种消息对象。它包含了一系列键值对数据,用于描述操作的目的以及需要传递的信息。IntentString:字符串intfloatlong:基本数据类型Parcelable:实现了Parcelable接口的对象:实现了接口的对象示例代码如下:Java深色版本1// 创建Intent并传递数据");67// 启动新的Activity是一个XML标签,用于定义ActivityService或可以响应的Intent类型。它包含了。

大模型大数据攻城狮的专栏 804

动手学习大模型:小白程序员入门指南(收藏版)

对于正在迷茫择业、想转行提升,或是刚入门的程序员、编程小白来说,有一个问题几乎人人都在问:未来10年,什么领域的职业发展潜力最大?答案只有一个:人工智能(尤其是大模型方向)当下,人工智能行业正处于爆发式增长期,其中大模型相关岗位更是供不应求,薪资待遇直接拉满——字节跳动作为AI领域的头部玩家,给硕士毕业的优质AI人才(含大模型相关方向)开出的月基础工资高达5万—6万元;即便是非“人才计划”的普通应聘者,月基础工资也能稳定在4万元左右。

大模型教程的博客 470

SAP ABAP 如何实现物料主数据接口的增量传输机制?

如何实现物料主数据接口的增量传输机制?我在各客户系统中看到了五花八门的实现方式,即使是 IBM 实施的开发质量也并没有保证。其实这是一个很简单的问题,下面以物料主数据接口为例子,介绍 SAP 中更改文档对象的接口数据增量传输机制。

SAP李斌,本人承诺所有原创文章均不使用任何AI生成技术,请大家放心阅读。 1317

大模型开源教程「动手学大模型应用开发」,从零基础到掌握大模型开发的关键技能!

LLM 正逐步成为信息世界的新革命力量,其通过强大的自然语言理解、自然语言生成能力,为开发者提供了新的、更强大的应用开发选择。随着国内外井喷式的 LLM API 服务开放,如何基于 LLM API 快速、便捷地开发具备更强能力、集成 LLM 的应用,开始成为开发者的一项重要技能。

2301_81940605的博客 938

(5)ModalAI VOXL2

Ardupilot官网关于《Non-GPS navigation》的翻译 —《(5) ModalAI VOXL2》。

无人机开发(开源Ardupilot) 1万+

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

开源教程「动手学大模型应用开发」,从零基础到掌握大模型开发的关键技能!

动手学大模型应用开发」是一个面向小白开发者的大模型应用开发教程,以个人知识库助手项目为实践目标,通过这个项目完成大模型开发的重点入门。

python122_的博客 1285

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

GitHub霸榜项目!上海交大《动手学大模型》开源教程,从入门到实战全攻略

一行行清晰的代码,一个个精心设计的实验,上海交大这份开源教程正在降低大模型技术的学习门槛,让每个人都能动手实践AI前沿技术。

1万+

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

动手学大模型应用开发第一章:大模型简介

本文内容来自 https://datawhalechina.github.io/llm-universeLarge Language Model , 简称 LLM,也称大语言模型,是一种旨在理解和生成人类语言的人工智能模型。LLM 通常指包含数百亿(或更多)参数的语言模型,它们在海量的文本数据上进行训练,从而获得对语言深层次的理解。目前,国外的知名 LLM 有 GPT-3.5、GPT-4、PaLM、Claude 和 LLaMA 等,国内的有文心一言、讯飞星火、通义千问、ChatGLM、百川等。

raulyy7777的博客 1950

【LLM大模型】开源大模型食用指南:快速部署开源大模型,更适合中国宝宝的部署教程

随着大模型的兴起和开源LLM的不断发展,越来越多的人希望使用这些模型来处理自然语言任务。然而,部署和使用这些模型需要一定的技术能力,对于初学者来说有一定的门槛。因此,本项目旨在提供全面的教程和指导,帮助初学者快速入门并掌握开源LLM的使用方法。通过本项目,更多的人可以享受到大模型带来的便利,同时也可以促进开源文化和技术的传播和发展。

瓦罗兰特顶级C位的博客 1142

从零入门大模型:最全学习路线、实战案例与资源汇总(2025最新版)

人工智能大模型(如ChatGPT、DeepSeek等)正驱动着技术变革,掌握相关技术已成为提升竞争力的关键。然而,大模型技术涉及领域广泛,学习曲线陡峭。为了帮助大家系统性地学习和掌握大模型技术,我们整理了一份资源包,旨在提供从理论基础到实践应用的全面支持。提供清晰的学习路径,帮助学习者了解不同阶段的学习目标和所需技能。收录了重要的大模型相关论文,涵盖Transformer架构、预训练模型、微调技术等关键领域,方便深入研究。

weixin_42764105的博客 948

最强开源大模型炸场!全网独一份AI大模型学习实践资源...(待会删)

最强开源大模型炸场!全网独一份AI大模型学习实践资源...(待会删)

Y525698136的博客 1661

AI 时代就业指南:Java 程序员如何转行做大模型?

在人工智能(AI)迅速发展的背景下,从传统的编程领域如Java程序员转向大模型开发是一个既充满挑战也充满机遇的过程。对于 Java 程序员来说,这也是一个实现职业转型、提升薪资待遇的绝佳机遇。一、明确大模型概念简单来说,大模型就是具有大量参数和强大计算能力的人工智能模型,可以处理各种复杂的任务,如自然语言处理、图像识别等。想象一下,大模型就像是一个超级聪明的大脑,能够理解和处理各种信息。二、转行步骤第一步:学习基础知识。了解机器学习、深度学习的基本概念和原理,掌握常见的算法和模型架构。

qingkahui24689的博客 2168

动手学大模型应用开发笔记--用dash开发一个大模型知识库,大模型入门到精通,收藏这篇就足够了!

动手学大模型开发( github.com/datawhalech… )这个教程比较全面,正好可以结合自己常用的数据平台开发工具dash来开发一个web界面,做个简单的demo用起来,可以本地调用各种大模型api来和自己的文本知识库来对话。

2401_82469710的博客 1137

上海交通大学出品《动手学大模型》LLM 实战课,从0入门到精通,附课件+实战教程

《动手学大模型》是上海交大 更新的系列编程实践教程。从已经跟新的内容来看,侧重安全垂直方向。命名是向他们的学长李沐的《动手学深度学习》课程致敬。

2301_81940605的博客 632

AI大模型零基础入门学习路线(非常详细)从入门到精通,看这篇就 够了

学习AI大模型从零基础入门到精通是一个循序渐进的过程,涉及到理论知识、编程技能和实践经验。下面是一份详细的指南,帮助你从头开始学习并逐步掌握AI大模型的构建与应用。

2401_85379281的博客 2486
上一篇: 真羡慕!拼多多春节加班工资曝光:9天3万!
下一篇: 美女同事离职了,程序员常对着她工位发呆,我仿佛明白了什么,于是告诉他…
菜鸟学Python
博客等级 码龄9年 8089粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值