这门课程聚焦于构建具备工具调用、知识检索与流程控制能力的 AI Agent,特别针对电商售后场景进行实战拆解。它解决的核心痛点并非模型本身的能力缺失,而是如何将大模型的不确定性约束在业务可用的边界内。内容涵盖从基础的 Agent 定义、LangGraph 节点设计,到复杂的 RAG 召回策略、上下文工程、MCP 安全边界以及多轮对话中的状态管理。对于有一定…
这门课程聚焦于构建具备工具调用、知识检索与流程控制能力的 AI Agent,特别针对电商售后场景进行实战拆解。它解决的核心痛点并非模型本身的能力缺失,而是如何将大模型的不确定性约束在业务可用的边界内。内容涵盖从基础的 Agent 定义、LangGraph 节点设计,到复杂的 RAG 召回策略、上下文工程、MCP 安全边界以及多轮对话中的状态管理。对于有一定 Python 基础、熟悉 API 调用但缺乏系统级架构思维的开发者而言,这套资料是极佳的结构化参考。它不提供泛泛的理论综述,而是直接展示如何在一个具体业务流中,处理“用户问物流”、“VIP 身份验证”、“大促规则冲突”等高频且易出错的交互场景。
课程底层依赖 LangGraph 构建状态图,利用 ToolNode 和 Runtime 模块管理工具执行的生命周期。在检索层面,重点讲解向量检索的 Top-k 选择偏差问题,以及 Agentic RAG 入门,强调“命中不代表命对”,必须引入引用召回机制来防止幻觉。项目结构中,特别突出了上下文工程对内存的限制,历史消息、工具结果与 RAG 片段容易在长对话中互相污染,课程演示了如何通过切片、过滤和持久化记忆来隔离这些噪声。此外,功能 API 的工作流设计、Human-in-the-loop 的中断与恢复机制,以及面向监控的可观测性 Trace 体系,构成了该系统的工程骨架,确保每一个回答都能追溯到具体的依据来源。
建议的学习路径分三个阶段推进。首先,从第一单元的概念与场景地图入手,理解电商 Agent 的边界,随后深入 LangGraph 的核心节点设计,重点掌握工具权限沙箱与安全边界,确保参数不越权。第二阶段聚焦 RAG 与上下文管理,重点攻克相似规则检索的准确性、引用防幻觉策略,以及长对话中的信息串台问题,这是系统稳定性的关键。第三阶段进入高级特性,包括 MCP 安全协议、成本分层优化、失败容错机制以及人工审批流的接入。学完这些模块,你能够独立构建一个具备完整工具链、可控幻觉风险、可追溯审计日志的垂直领域 Agent。练习时,不要只看不做,务必将代码中的工具调用逻辑替换为你自己业务的 API,并手动构造“虚假 VIP”或“缺失订单号”等边缘测试用例,验证系统的拒答与容错能力,将被动观看转化为主动的工程对抗。
第18课:给Agent一套工具箱,但参数和身份不能乱来.mp4 [20.5 MB] 31_工具权限沙箱与安全边界.mp4 [18.4 MB] 第17课:用户问订单物流,AI又开始编快递状态.mp4 [24.3 MB] 13_为什么需要RAG.mp4 [16.1 MB] 第10课:第一次向量检索:用户问什么,就找最像的规则.mp4 [20.7 MB] 01_什么是AIAgent.mp4 [23.7 MB] 第37课:老板问:它为什么这么回答你不能只说“大模型觉得”.mp4 [21.0 MB] 15_引用召回与防幻觉.mp4 [14.1 MB] 第27课:自由Agent不适合跑售后流程,你把流程画死.mp4 [21.2 MB] 第20课:工具结果不能原样塞回模型,不然上下文又爆了.mp4 [22.1 MB] 22_FunctionalAPI函数式工作流.mp4 [32.5 MB] 19_Runtime与运行时上下文.mp4 [11.5 MB] 26_可观测性与Trace.mp4 [13.2 MB] 12_第一个create_agent.mp4 [13.4 MB] 04_电商业务的Agent场景地图.mp4 [16.3 MB] 11_ToolRuntimeToolNode与LangGraph工具节点.mp4 [16.4 MB] 第14课:相似规则太多,top-k第一名不一定真对.mp4 [22.0 MB] 第08课:你发现问题不是模型笨,是你喂得太粗暴.mp4 [22.9 MB] 第42课:大促第一波:物流和活动规则必须走对路.mp4 [24.8 MB] 第25课:工具、知识库、流程都有了,用户一句话到底走哪条路.mp4 [24.5 MB] 第44课:大促第三波:服务抽风、越权追问和知识没命中一起打过来.mp4 [24.6 MB] 25_错误处理与容错.mp4 [16.1 MB] 28_MCP安全与权限边界.mp4 [14.4 MB] 第33课:用户自称是VIP,不代表他真是VIP.mp4 [19.8 MB] 第39课:失败了先别乱改,用户差评也不是白挨骂.mp4 [20.3 MB] 第01课:客服全跑了,老板让你下楼接电话.mp4 [23.5 MB] 第12课:命中了不代表命对了,找不到依据也不能硬编.mp4 [23.5 MB] 第40课:老板又看账单,你开始做成本分层.mp4 [22.5 MB] 第28课:未发货退款:能不能退,先查订单再查规则.mp4 [23.6 MB] 16_AgenticRAG入门.mp4 [15.8 MB] 第11课:老板终于看到回答来源.mp4 [20.2 MB] 第31课:审批恢复不能乱接,更不能重复提交.mp4 [23.6 MB] 第34课:历史消息、工具结果、RAG片段全挤在一起,模型开始串台.mp4 [19.3 MB] 02_模型与消息.mp4 [22.2 MB] 第45课:老板问能不能上线,你先把边界写清楚.mp4 [22.0 MB] 30_上下文工程与项目记忆.mp4 [14.3 MB] 24_Human-in-the-loop与Interrupt.mp4 [11.4 MB] 第32课:用户问“刚才那个订单”,但不是每句话都值得记.mp4 [19.3 MB] 第07课:月底账单来了:先看见每轮都烧了多少token.mp4 [21.2 MB] 第19课:用户没说订单号,AI别装懂.mp4 [23.0 MB] 第22课:商品推荐终于靠谱了:库存、价格、知识一起看.mp4 [22.0 MB] 第23课:工具越来越多,重复治理代码开始漏风.mp4 [22.6 MB] 21_状态节点和边.mp4 [14.6 MB] 20_为什么需要LangGraph.mp4 [13.3 MB] 第03课:第一版AI很会聊天,却一句业务都答不准.mp4 [21.6 MB] 第36课:用户、工具和知识库都可能把脏指令带进来.mp4 [20.4 MB] 第02课:你搭好chat服务,让聊天框先能接进来.mp4 [20.1 MB] 09_ToolCalling基础.mp4 [18.5 MB] 18_长期记忆与隐私边界.mp4 [22.0 MB] 14_文档切片与元数据.mp4 [13.0 MB] 第21课:模型服务抽风、工具超时,客服不能一起瘫.mp4 [22.9 MB] 32_HooksSkillsMCP与扩展分层.mp4 [12.7 MB] 第15课:只靠向量不行,关键词和规则路由也要上.mp4 [22.4 MB] 23_持久化恢复与时间旅行.mp4 [18.8 MB] 07_结构化输出.mp4 [14.2 MB] 05_Prompt如何约束业务角色.mp4 [15.7 MB] 第29课:已签收退货:要看时间、商品、原因、政策.mp4 [23.8 MB] 第43课:大促第二波:用户要退款,AI必须停下来等人批.mp4 [24.1 MB] 第41课:大促前夜,小哲电商客服Agent总演习.mp4 [21.5 MB] 第46课:老板问还能不能更强,你把路线图和项目表达一起讲清楚.mp4 [21.5 MB] 第05课:AI乱承诺赔钱了,你把规则全塞进Prompt.mp4 [23.0 MB] 第26课:用户一句“直接给我退”,退款不是一句话.mp4 [19.7 MB] 03_Agent的执行循环.mp4 [14.3 MB] 第38课:改Prompt后,物流好了,退款炸了.mp4 [19.2 MB] 第13课:用户问“那个耳机活动”,向量检索找错了规则.mp4 [20.0 MB] 第06课:Prompt越写越像一堵墙,改一处就怕塌一片.mp4 [23.1 MB] 08_Streaming与用户体验.mp4 [13.3 MB] 10_工具参数返回值与错误处理.mp4 [15.3 MB] 06_上下文工程基础.mp4 [15.2 MB] 第35课:上下文太长,模型开始把中间内容忘掉.mp4 [19.6 MB] 29_ClaudeCode工程化心智模型.mp4 [18.3 MB] 第16课:大促前规则暴涨,知识库检索也开始扛不住.mp4 [22.7 MB] 第30课:AI只能提交申请,不能自己批准.mp4 [19.5 MB] 27_评估与测试.mp4 [10.1 MB] 第09课:售后规则要先切开,再给每段贴标签.mp4 [22.6 MB] 33_Subagents多Agent协作与工程治理.mp4 [17.2 MB] 第04课:AI说“我帮你处理”,售后却没收到退货请求.mp4 [23.3 MB] 17_短期记忆.mp4 [13.2 MB] 第24课:工具不该只服务你这一版Agent.mp4 [22.8 MB]