BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//AI聘 - ECPv5.10.0//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:AI聘
X-ORIGINAL-URL:https://aipin.io
X-WR-CALDESC:Events for AI聘
BEGIN:VTIMEZONE
TZID:America/Los_Angeles
BEGIN:DAYLIGHT
TZOFFSETFROM:-0800
TZOFFSETTO:-0700
TZNAME:PDT
DTSTART:20260308T100000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:-0700
TZOFFSETTO:-0800
TZNAME:PST
DTSTART:20261101T090000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260521T190000
DTEND;TZID=America/Los_Angeles:20260521T200000
DTSTAMP:20260605T021726
CREATED:20260527T100715Z
LAST-MODIFIED:20260527T100715Z
UID:13120-1779390000-1779393600@aipin.io
SUMMARY:100天掌握大语言模型第十三周：LLM 智能体 · 工具使用 · LangChain · LlamaIndex · 多智能体系统
DESCRIPTION:“我们花了十二周时间培养越来越强大的LLM学习模型：我们训练它们，微调它们，用RAG系统赋予它们知识，并教会它们在提示下进行推理。到了第十三周，逻辑学习模型不再等待指令，而是开始主动行动。”\n\n\n\n被动应对到主动行动的转变 \n我们迄今为止构建的每个LLM应用都具有一个基本特征：模型等待用户提问，生成答案，然后停止运行。用户阅读答案并决定下一步操作。模型本身不具备自主性——无法在现实世界中采取行动、使用工具或执行多步骤目标。 \nLLM智能体彻底改变了这一切。智能体是一种LLM，它可以使用各种工具（例如搜索网络、查询数据库、执行代码、调用API、发送电子邮件），规划一系列行动以实现目标，观察每个行动的结果并调整其计划，并循环执行直至任务完成——整个过程无需人工干预。 \n其意义深远。RAG 系统可以回答关于文档的问题。代理可以读取文档，根据其内容识别需要采取的操作，执行这些操作，验证结果，并汇报——甚至可以自主处理异常情况。这并非渐进式的改进，而是本质上的变革。 \n\n\n\n约45% \n知识工作者的很多任务都适合进行部分或全部的智能体自动化（麦肯锡 2024）。\n反应 \n主导主体推理范式：推理与行动在每个步骤中交错进行\n10岁以上 \n生产环境中的LLM代理可能访问的工具类型：搜索、代码、数据库、API、文件、日历、电子邮件……\n\n\n\n  \n\n\n\n思维模式的转变：停止将LLM视为问答机器，而应将其视为推理引擎，它可以连接到任何API、任何数据库和任何工具，然后自主地追求多步骤目标。\n\n\n\n45分钟内你将学到什么 \n第 13 周涵盖了 LLM 智能体的完整技术栈——从核心推理循环到生产级多智能体系统。包含四个深入探讨的主题模块： \n\n\n\n01什么是LLM代理人？ \n智能体循环、工具使用和ReAct推理范式 \n• 智能体循环：观察 → 思考 → 行动 → 观察 → 重复。为什么这个循环与单个 LLM 调用有着本质区别？ \n• 工具使用（函数调用）：LLM 如何决定使用哪个工具、传递哪些参数以及如何解释结果 \n• ReAct（推理+行动）：主流范式。该模型将“思考”步骤（推理）与“行动”步骤（工具调用）交错置于同一上下文中，使推理过程透明且易于调试。 \n• 工具类型：网络搜索、代码执行（Python 沙箱）、数据库查询、REST API 调用、文件 I/O、日历、电子邮件、矢量存储检索（RAG 作为工具） \n• 记忆：情境记忆（对话历史）、外部记忆（向量存储）、情景记忆（过去行为的结构化摘要）\n\n\n\n  \n\n\n\n02多智能体系统 \n能够协作、委派任务并互相检查工作成果的代理人 \n• 单个智能体在复杂任务中失败的原因：上下文窗口限制、错误传播、缺乏专业化、缺乏验证 \n• 多智能体模式：主管模式（一个智能体分解任务并委派给专业智能体）、点对点模式（智能体之间平等沟通）、层级模式（具有升级路径的分层智能体团队） \n• AutoGen（微软）：领先的多智能体框架。支持人机交互、自动化对话、沙盒环境下的代码执行、智能体角色和配置。 \n• CrewAI：基于角色的智能体团队，具备结构化的任务分配、工具共享以及顺序/并行任务执行能力。 \n• 智能体系统中的安全：为什么拥有工具访问权限的智能体是风险最高的LLM部署模式。智能体上下文中的快速注入、最小能力原则、人机交互检查点、所有智能体操作的审计跟踪。\n\n\n\n为什么代理人是LLM中最需要理解的内容 \n人工智能行业已经迅速从“LLM可以回答问题”发展到“LLM可以采取行动”。这种转变发生的速度比大多数从业者意识到的要快得多，并且给那些没有做好准备的团队带来了真正的部署风险。 \n\n\n\n机会 \n智能体可以自动化以往需要人工判断的整个工作流程。客户支持工单处理、代码审查和生成流程、研究成果汇总、数据分析和报告、需要数据库查询的内部知识问答——所有这些如今都已部署为智能体系统。\n风险 \n拥有工具访问权限的智能体可以执行现实世界的操作：发送电子邮件、修改数据库、执行代码、调用外部 API。而产生幻觉、被注入恶意指令或追求错误目标的智能体，则可能造成仅支持文本的逻辑逻辑模型无法造成的损害。二者在安全考量上截然不同。\n\n\n\n第 13 周涵盖了双方——力量和风险——因为成功部署代理的团队正是那些了解这两方面的团队。 \n谁应该参加 \n\n\n\n机器学习工程师\n已经构建了 RAG 系统（第 12 周）并希望将其发展为可以执行操作而不仅仅是回答问题的代理管道的人。\n\n\n\n  \n\n\n\n后端工程师\n正在集成 LLM API 并希望了解如何构建可靠、安全的代理工作流，并具有适当的工具隔离和审计跟踪的用户。\n\n\n\n  \n\n\n\n数据科学家\n希望使用代理编排实现多步骤分析工作流程（数据检索、处理、分析和报告生成）自动化的用户。\n\n\n\n  \n\n\n\n人工智能产品经理\n在确定产品需求和与工程团队沟通时，哪些人需要了解基于代理的功能的能力和风险？\n\n\n\n  \n\n\n\n人工智能研究人员\n那些正在构建自主系统，并且需要对当前的代理架构、框架和安全考虑因素有严格了解的人员。\n\n\n\n  \n\n\n\n系列中的所有人\n智能体是我们所有努力的最终成果：LLM理解（第1-6周）、微调（第7周）、RAG（第8和12周）、评估（第9周）、安全（第10周）和提示（第11周）。所有这些都在这里汇聚。\n\n\n\n  \n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/100%e5%a4%a9%e6%8e%8c%e6%8f%a1%e5%a4%a7%e8%af%ad%e8%a8%80%e6%a8%a1%e5%9e%8b%e7%ac%ac%e5%8d%81%e4%b8%89%e5%91%a8%ef%bc%9allm-%e6%99%ba%e8%83%bd%e4%bd%93-%c2%b7-%e5%b7%a5%e5%85%b7%e4%bd%bf%e7%94%a8/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/100天掌握大语言模型-13.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260522T190000
DTEND;TZID=America/Los_Angeles:20260522T200000
DTSTAMP:20260605T021726
CREATED:20260519T071859Z
LAST-MODIFIED:20260519T071859Z
UID:13109-1779476400-1779480000@aipin.io
SUMMARY:大语言智能主体的设计模式
DESCRIPTION:过去两年，大语言模型彻底改变了AI的能力边界。现在AI正从会聊天的大模型，快速进化成真正能够“思考、规划、执行任务”的智能主体。 \n未来的软件不再只是 App。未来的系统将是由一个个AI Agent所组成的智能协作网络。从OpenAI Agent、AutoGPT、LangGraph，到Multi-Agent System、AI Copilot、AI Workflow Automation\,全球科技产业正在进入一个新的时代，AI不只是回答问题，而是开始替人完成工作。 \n问题来了：\n· 一个真正的AI Agent 到底是什么？\n· 为什么传统的软件架构已经无法满足AI Agent？\n· 一个Agent 如何拥有“记忆”、“工具调用”、“长期规划”与“自主决策”能力？\n· Multi-Agent为什么会成为未来企业AI系统的核心架构？\n· AI Agent如何改变金融、网络安全、电商、教育、机器人与企业自动化？\n· 为什么越来越多AI工程师开始学习LangGraph、MCP、Agent Workflow 与 Context Engineering？ \n本讲座将系统性带你进入AI Agent核心世界。 \n你将学到: \n一、什么是真正的AI Agent？ \n· LLM与Agent的根本区别\n· 从Chatbot 到 Autonomous Agent \nAgent的四大核心能力： \n· Reasoning（推理）\n· Planning（规划）\n· Memory（记忆）\n· Action（执行） \n二、主流AI Agent架构设计模式 \n深入解析当前最重要的Agent Architecture：\n· ReAct Pattern\n· Tool Calling Pattern\n· Planner-Executor Pattern\n· Reflection Pattern\n· Multi-Agent Collaboration\n· Hierarchical Agent\n· Human-in-the-loop Pattern\n· Workflow Agent vs Autonomous Agent \n你将理解，为什么不同场景，需要不同Agent Design Pattern。 \n三、Agent 的“记忆系统”如何设计？ \n· Short-term Memory\n· Long-term Memory\n· Vector Database Memory\n· Context Window 管理\n· RAG 与 Agent 的结合\n· Context Engineering \n为什么“上下文管理能力”会成为未来AI工程师最重要技能之一。 \n四、Multi-Agent System的未来 \n· 多智能主体协作架构\n· AI Team 的概念\n· AI Manager + Worker Agent\n· Agent Swarm\n· 企业级 Agent Orchestration \n你将看到，未来的软件公司，可能会由大量AI Agent共同运营。 \n五、企业级AI Agent的真实应用 \n包括： \n· AI 金融交易系统\n· AI 网络安全 Agent\n· AI Coding Agent\n· AI Research Assistant\n· AI Customer Service\n· AI Data Analyst\n· AI Workflow Automation \n以及为什么未来很多白领工作，会逐渐被AI Agent自动化。 \n六、2026 年AI Agent技术趋势 \n· OpenAI Agent\n· MCP（Model Context Protocol）\n· LangGraph\n· Agent Harness\n· AI Operating System\n· AI Native Application\n· 企业级 Agent 平台 \n帮助你理解未来 3~5 年AI行业真正的机会在哪里。 \n适合哪些人参加？\n本讲座特别适合：\n· 想进入AI / LLM行业的人\n· 软件工程师\n· AI 工程师\n· 数据科学家\n· 创业者\n· 产品经理\n· 企业技术主管\n·对AI Agent感兴趣的学生与研究人员 \n即使不是AI专家，也可以通过本次讲座建立完整的AI Agent世界观。 \n————————————- \n主办方：数据应用学院 \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home
URL:https://aipin.io/event/%e5%a4%a7%e8%af%ad%e8%a8%80%e6%99%ba%e8%83%bd%e4%b8%bb%e4%bd%93%e7%9a%84%e8%ae%be%e8%ae%a1%e6%a8%a1%e5%bc%8f/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/大语言智能主体的设计模式.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2017784984600/WN_ho7eMWOTREimIaqOJzZbWg
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260529T190000
DTEND;TZID=America/Los_Angeles:20260529T200000
DTSTAMP:20260605T021726
CREATED:20260527T100535Z
LAST-MODIFIED:20260527T100535Z
UID:13117-1780081200-1780084800@aipin.io
SUMMARY:如何在2026年拿下高薪AI工作？
DESCRIPTION:过去几年，AI已经从“热门技术”变成了真正改变世界的核心生产力。 从 ChatGPT到AI Agent，从自动化软件开发到企业级AI系统，大量公司正在重新定义自己的商业模式。与此同时\,一个现实正在发生：\n· 传统软件岗位竞争越来越激烈\n· 初级程序员正在被AI工具替代部分工作\n· 企业真正缺少的，不是“会用 AI 的人”，而是“能够构建AI系统的人”\n· 年薪$200K – $300K 的 AI 岗位正在快速增长 \n问题是：为什么很多人学了AI，却仍然找不到高薪工作？因为企业真正需要的，并不是只会“调用 ChatGPT API”的人。2026 年，最有价值的AI人才，需要同时具备：\n· AI系统设计能力\n· LLM（大语言模型）应用开发能力\n· AI Agent 架构能力\n· RAG与企业知识库能力\n· Prompt Engineering能力\n· AI安全与AI产品思维\n· 真正能够落地商业项目的经验\n这也是为什么，很多公司愿意给AI Engineer、LLM Engineer、AI Security Engineer、AI Product Architect提供极高薪资。\n本次讲座将带你了解：\n1. 2026 年最热门、最高薪的AI岗位\n你将了解：\n· LLM Engineer\n· AI Application Engineer\n· AI Agent Developer\n· AI Security Engineer\n· AI Product Architect\n· AI Infrastructure Engineer\n· AI Automation Consultant\n· 这些岗位到底在做什么？\n· 企业真正需要哪些技能？\n· 哪些方向最容易进入？ \n2. 企业到底在招聘什么样的AI人才？ \n很多人以为：“会 Python 就可以做AI。”现实并不是这样。 \n我们将深入分析：\n· 为什么企业越来越重视AI系统设计\n· 为什么RAG、Agent、Workflow Automation正在成为核心能力\n· 为什么Prompt Engineering已经不够\n· 为什么AI + Business Knowledge的复合型人才最值钱 \n3. AI 求职市场的真实变化\n· 为什么传统初级软件工程岗位正在减少\n· 为什么AI正在改变技术招聘市场\n· 为什么越来越多企业希望“一个AI工程师完成过去多个岗位的工作”\n· AI如何改变未来的工作模式 \n还会讨论：“未来什么样的人最不容易被AI替代？” \n4. 如何规划自己的AI学习路线\n本次讲座将给出：从零开始到AI工程师的完整路线图 \n包括：\n· Python\n· Machine Learning 基础\n· Transformer 与 LLM\n· Prompt Engineering\n· RAG\n· AI Agent\n· MCP / Multi-Agent Systems\n· Hugging Face\n· LangChain / LangGraph\n· Open-source LLM\n· 企业级AI Application Design \n以及：\n· 哪些技能真正能帮助你找到工作\n· 哪些内容只是“看起来很热门” \n5. 如何打造真正有竞争力的AI简历 \n很多AI学习者的问题：\n· 没有项目经验\n· 不知道如何写 AI Resume\n· 不知道如何展示自己的能力\n· 不知道企业真正想看什么 \n本次Workshop会讲解：\n· AI Resume如何写\n· GitHub项目如何包装\n· 如何做自己的AI Portfolio\n· 如何准备AI技术面试\n· 如何准备LLM System Design Interview \n谁适合参加？ \n· 软件工程师\n· 数据科学家\n· Business Analyst\n· 大学生/研究生\n· 想转行AI的职场人士\n· 想进入高科技行业的人\n· 想提高薪资竞争力的人\n· 对LLM/AI Agent感兴趣的人\n即使目前不是AI工程师也可以参加。 \n你将获得：\n✅ 2026 AI Job Market最新趋势\n✅ 高薪AI岗位技能地图\n✅ AI学习路线图\n✅ AI求职准备建议\n✅ 企业真实招聘需求分析\n✅ AI Resume 与 Portfolio建议\n✅ AI面试准备方向\n✅ AI创业与未来趋势分析 \n————————————- \n主办方：数据应用学院 \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home
URL:https://aipin.io/event/2026-ai/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/如何找到高薪AI工作.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/5017784987717/WN_H3zsc8vNQ1qogxZFs65BYA
END:VEVENT
END:VCALENDAR