大学课程

Berkeley 课程

链接： https://rdi.berkeley.edu/llm-agents/f24

简介： 由 Dawn Song 教授主讲，系统覆盖 LLM Agent 的核心概念，包括推理、规划、工具使用、Multi-Agent 系统等。课程视频公开在 YouTube。

推荐理由： 这是目前最全面的 LLM Agent 大学课程之一。内容从基础概念到前沿研究都有涉及，适合想要系统性学习的人。YouTube 公开视频降低了学习门槛。

核心内容：

链接： https://rdi.berkeley.edu/agentic-ai/f25

简介： 前述课程的迭代版本，聚焦于 Agentic AI 的最新进展，涵盖更多实际应用场景和工程化实践。

推荐理由： 反映了 Agent 领域的最新发展趋势，更贴近工业界实践。

链接： https://rdi.berkeley.edu/adv-llm-agents/sp25

简介： LLM Agent 进阶课程，深入探讨前沿研究方向，包括复杂推理、自我改进、协作式 Agent 等高级主题。

推荐理由： 适合已有基础想要深入研究的学习者，涉及多篇最新论文的讨论。

链接： https://cs329a.stanford.edu/

简介： 探索能够自我改进的 AI Agent，涵盖自动化 Prompt 优化、Agent 自我评估与反思、强化学习与 Agent 结合等主题。

推荐理由： 聚焦于 Agent 的自我改进机制，这是实现真正自主 Agent 的关键方向。与 DSPy 等优化框架有密切关联。

链接： https://cs224g.stanford.edu/

简介： 从工程化角度讲解如何构建和扩展 LLM 应用，包括 RAG、Agent 架构、部署优化、评估方法等。

推荐理由： 工程导向，非常适合希望将 LLM 应用到实际产品中的开发者。覆盖了从原型到生产的完整链路。

简介： 研究 Foundation Models 的能力边界和应用方法，讨论 fine-tuning、prompt engineering、以及在各领域的应用。

推荐理由： 提供了对 Foundation Models 更深层的理解，有助于在 Agent 设计中更好地利用模型能力。

链接： https://harvardonline.harvard.edu/course/agentic-ai-foundations

简介： Harvard 在线课程，面向更广泛的受众介绍 Agentic AI 的基础概念、设计原则和应用场景。

推荐理由： 来自 Harvard 的系统性介绍，适合想要建立完整认知框架的学习者。在线课程形式灵活。

如果只能选一门： 推荐 Berkeley CS294 LLM Agents（Fall 2024），YouTube 公开、内容全面。

如果时间充裕： 先学 Berkeley LLM Agents 打基础，再学 Stanford CS224G 补工程化视角。

如果已有基础： 直接看 Berkeley Advanced LLM Agents 或 Stanford CS329A 深入研究。