夜雨聆风今天给大家介绍一门谷歌联合DeepLearning刚刚发布的硬核课程，教你如何用AI智能体快速自动制作精美视频、图像。
这个课程也获得了AI大牛吴恩达的推荐。整体时间不长就1小时左右，但讲的很干货，授课老师也是谷歌内部的高级开发人员。
课程地址：https://www.deeplearning.ai/courses/ai-agents-for-image-and-video-generation
以前咱们玩AI智能体，大多都是让它们写写文章回回邮件，顶多也就是在文字圈里打转。
可一旦到了要做产品演示、搞网站素材或者剪个讲解视频的时候，纯文字就不够看了，咱们急需能直接出图出视频的得力助手。
其实单纯用模型根据提示词生成一张图或者一段视频并不难，谷歌自家的Nano Banana图像模型和Veo视频模型点一下就能出结果。
真正让人头疼的是怎么一直稳定地产出高质量内容，毕竟视觉这东西没有标准答案，好看与否全看场景和用途难点一直都是评估环节。
这课的核心就是教你搞定评估，让智能体能自己给自己把关，批量自动化产出精美的视频、图像。
一种是图像和文本的相似度比对，你可以把它想象成让AI当考官，看看生成的图和咱们最初的要求到底对不对得上号。
另一种是基于大语言模型的评判器，这就相当于请了个资深专家来挑刺。还有一种是结构化评分标准，就像咱们考试用的量规表一样，每一项都有明确的打分细则。
把这三种方法揉在一起，智能体就有了自我纠错的能力。一旦发现生成的图或者视频不达标，会自动回去修改提示词重新生成，直到结果让人满意为止，再也不用咱们人工一遍遍去试错了。
学完理论就要上手实操了，课程带你搭两个特别落地的智能体。
一个是专门搞UI原型的图像智能体，你只要把品牌的设计规范喂给它，就能自动把视觉稿给弄出来，不满意就一直迭代。另一个更绝，是个多场景视频讲解智能体。
咱们平时做视频最怕什么？前后场景画风突变呀。
这个智能体不仅能帮你规划场景、生成参考帧、把画面动起来、配上声音，还能专门检查视频跨场景的时序一致性，简直是个不知疲倦的剪辑助理。
还会教你用Gemini CLI工具直接敲自然语言来搭应用，把你学到的这些东西封装成以后能反复用的Skills。
我大致看了一下，整套课程分为九节教学视频，搭配六个实操代码案例，最后还有一份评分作业用来巩固知识点。
开篇先用简短视频做课程介绍，随后讲解生成式视觉媒体的基础常识。接着分开讲解图片和视频的提示词技巧，两节课程都附带实操代码，上手门槛很低。
中期重点讲解三种审核技术，这也是整门课干货最密集的板块。之后依次实操搭建图片智能体和视频智能体，两节实操课含金量很高。
临近结尾讲解高级搭建思路，教大家整合工具完善智能体，最后通过实验课巩固全部知识点，两分钟简短总结收尾，末尾还有十分钟的随堂测验，用来检验学习成果。
需要注意的是，学习这个课程需要有点Python基础，平时也调用过AI模型的API，学起来就不会太费劲。
想系统掌握AI核心技能、获取行业认可资质？
CAIE注册人工智能工程师认证
助你拓宽职业赛道，成为AI领域持证实力派
企业、高校及渠道合作
请联系微信：FYLlaoshi
