getfromcode

AI Agent从0到1定制开发 全栈/全流程/企业级落地实战|完结

测试运维
课程简介

1. **Analyze the Request:** * **Goal:** Expand the previous draft to meet the 500-800 Chinese character requirement. * **Current State:** Previous draft had 421 characters. * **Ac…

已有 29 人浏览 发布 2025-12-20 更新 2026-10-12
1. **Analyze the Request:** * **Goal:** Expand the previous draft to meet the 500-800 Chinese character requirement. * **Current State:** Previous draft had 421 characters. * **Action:** Add content (learning order, prerequisites, post-learning output, material usage) if short; remove redundancy/fluff if long. Do not exceed 800 characters. Do not list filenames or titles. * **Format:** HTML snippet using `

`, `

`, `

`, `
  • `. No ``/``. * **Content constraints:** Must address what the course solves, suitable foundation, what to look at first, independent capabilities after learning, and how materials support exercises. Specific to the AI Agent development topic (LangChain, CrewAI, RAG, multi-agent, enterprise deployment). No cliché phrases. Simplified Chinese. 2. **Deconstruct the Content & Expand:** * *Problem solved:* Enterprise-level AI Agent customization from scratch (needs engineering depth, not just demos). * *Foundation:* Backend/full-stack basics, Python, API understanding. * *Learning path/modules to look at first:* Single Agent + RAG (basics) -> Multi-Agent + Workflows (advanced). * *Independent output:* Full-stack solution design, deployment, evaluation, business application. * *Material usage:* Project structure, reusable modules, hands-on debugging, source code. 3. **Drafting - Section by Section (aiming for 500-800 characters):** * *Subheading 1: Problem Solved & Suitable Foundation* 这门课解决的核心问题是:企业级AI Agent的从零定制落地。市面上的教程往往只停留在Demo层面,缺乏从需求拆解到生产部署的全栈工程参考。本课专为有一定后端或全栈开发基础、想将大模型能力产品化的开发者设计。它不教空泛的Prompt技巧,而是带你把LangChain、CrewAI、RAG等框架与Deepseek等模型深度结合,解决多Agent协作、工作流编排以及生产环境部署优化等真实工程痛点,让你具备智能化解决方案的顶层设计能力。 * *Subheading 2: Learning Path & Independent Output* 建议先看单Agent基础与RAG检索增强模块,这是构建复杂智能体的基石。随后进入多Agent协作与工作流编排部分,理解如何拆解业务逻辑并分配不同角色。学完这些,你将能独立完成从需求分析、架构设计、代码开发到部署评估的完整闭环,能直接应用于客服、运维等实际业务场景,将大模型转化为可落地的生产力工具。 * *Subheading 3: Material Usage* 资料包以工程化项目结构组织,提供可直接运行的源码与可复用模块,配合本地环境搭建练习。它不是简单的代码堆砌,而是将单/多Agent开发、企业级部署等拆分为独立可拆解的工程组件。通过对照资料包中的项目骨架与核心逻辑,配合动手调试,开发者可以迅速将理论转化为可落地的代码资产,真正掌握AI Agent的全栈开发范式。 4. **Character Count Check (excluding punctuation and English):** * *Subheading 1:* 这门课解决的核心问题是企业级AI Agent的从零定制落地市面上的教程往往只停留在Demo层面缺乏从需求拆解到生产部署的全栈工程参考本课专为有一定后端或全栈开发基础想将大模型能力产品化的开发者设计它不教空泛的Prompt技巧而是带你把LangChainCrewAIRAG等框架与Deepseek等模型深度结合解决多Agent协作工作流编排以及生产环境部署优化等真实工程痛点让你具备智能化解决方案的顶层设计能力 (155 chars) * *Subheading 2:* 建议先看单Agent基础与RAG检索增强模块这是构建复杂智能体的基石随后进入多Agent协作与工作流编排部分理解如何拆解业务逻辑并分配不同角色学完这些你将能独立完成从需求分析架构设计代码开发到部署评估的完整闭环能直接应用于客服运维等实际业务场景将大模型转化为可落地的生产力工具 (123 chars) * *Subheading 3:* 资料包以工程化项目结构组织提供可直接运行的源码与可复用模块配合本地环境搭建练习它不是简单的代码堆砌而是将单多Agent开发企业级部署等拆分为独立可拆解的工程组件通过对照资料包中的项目骨架与核心逻辑配合动手调试开发者可以迅速将理论转化为可落地的代码资产真正掌握AI Agent的全栈开发范式 (125 chars) * *Total:* 155 + 123 + 125 = 403 chars. Still too short! Need to expand significantly. 5. **Expansion Strategy:** * Add more detail to the "Problem Solved" section: What specific enterprise needs? (Integration, reliability, scaling). * Add more detail to "Foundation": Python, system design, understanding LLM APIs. * Add more detail to "Learning Path": Step-by-step progression from simple to complex. * Add more detail to "Material Usage": How the source code maps to the concepts. 6. **Draft 2:** * *Subheading

课程介绍

AI Agent 开发已是AI时代的关键技能,市场需求旺盛,人才紧缺。越早掌握,未来收益越大!本课从基础出发,手把手带你逐步深入,覆盖从需求分析到设计、开发、部署优化及评估的全流程。你将掌握全栈技能(LangChain、CrewAI、Deepseek、RAG、单/多Agent及工作流等)。积累10+多场景实战经验;具备智能化解决方案设计能力;全方位提升企业定制化、智能化开发综合实战能力,助力成为AI时代市场紧缺、枪手人才。

试看链接:

相关推荐:

课程目录

第1章 课程学习安排——助你顺利学习以及避坑(试看)

2节 | 12分钟
1-1 视频:深入了解课程,少走弯路,必看!!! (11:55)
1-2 图文:如何提问&进入课程群&使用 IDE学习环境


第2章 AI智能体:AI3.0时代最大的转型红利

6节 | 56分钟
2-1 视频:本章介绍 (01:39)
2-2 视频:智能革命爆发:从梦想到现实 (17:50)
2-3 视频:智能体揭秘:为什么它是未来的核心?智能体到底是什么? (10:11)
2-4 视频:风口以至-机遇与挑战:AI 淘汰的是不会使用AI的人 (19:43)
2-5 视频:新手必知:扫清学习障碍 (05:54)(试看)
2-6 视频:本章小结 (00:32)


第3章 大模型:智能体的超级大脑

7节 | 67分钟
3-1 视频:本章介绍 (02:11)
3-2 视频:带你快速了解LLM(大语言模型)的前世今生 (12:19)
3-3 视频:全景扫描:国内外主流大语言模型(LLM) (10:25)
3-4 视频:开源VS闭源:你该如何选择 (10:23)
3-5 视频:大模型的短板与解决方案 (15:43)
3-6 视频:练一练:搞定你的大模型源(闭源与开源) (13:58)
3-7 视频:本章小结 (01:04)


第4章 AI应用开发应知必会的那些事

6节 | 69分钟
4-1 视频:本章介绍 (03:18)
4-2 视频:如何正确使用AI编程? (24:24)
4-3 视频:什么是提示词工程?AI对话的魔法咒语+常见思维流模式 (15:11)
4-4 视频:如何正确的获取AI行业信息? (10:06)
4-5 视频:小浪助手两大项目演示:单智能体和多智能体 (13:42)(试看)
4-6 视频:本章总结 (01:57)


第5章 DeepSeek:国产之光

10节 | 125分钟
5-1 视频:本章介绍 (05:55)
5-2 视频:DeepSeek为什么火了? (14:43)
5-3 视频:推理大模型做对了什么?DeepSeek V3 与DeepSeek R1本质区别 (17:03)
5-4 视频:DeepSeek 提示词模板与注意 (08:42)
5-5 视频:新手必知的10个DeepSeek魔法指令 (03:05)
5-6 视频:DeepSeek的模型与部署需求分析,以及资源获取方式 (24:12)
5-7 视频:DS本地部署:本地私有化AI对话助手实现 (19:14)
5-8 视频:DS云端部署:按需付费更加灵活 (16:13)
5-9 视频:DS云端API:个人用户最佳选择 (13:35)
5-10 视频:本章小结 (01:43)


第6章 初识langchain:LLM大模型与AI应用的“粘合剂”

8节 | 70分钟
6-1 视频:本章介绍 (02:35)
6-2 视频:langchain是什么以及发展过程 (05:52)
6-3 视频:langchain能做什么和能力一览 (11:57)
6-4 视频:langchain的优势与劣势分析 (07:30)
6-5 视频:langchain使用环境的搭建 (15:30)
6-6 视频:AI智能开发学习平台(实战+免费key+测试+AI资讯) (09:16)
6-7 视频:先跑起来:第一个实例,了解langchain的基本模块 (15:24)
6-8 视频:本章总结 (01:56)


第7章 ChatModels:磨平不同LLM的差异

8节 | 101分钟
7-1 视频:本章介绍 (02:59)
7-2 视频:LangChain核心组件:LLMs与ChatModels (13:26)
7-3 视频:LangChain使用标准事件驱动大模型 (33:16)
7-4 视频:tokens与上下文交互窗口 (15:21)
7-5 视频:模型异常处理与缓存机制 (07:06)
7-6 视频:如何配合本地大模型?模型Token usage的花费? (13:38)
7-7 视频:大模型的Tool Call工具调用能力:先进大模型的标配 (13:04)
7-8 视频:练一练:使用某个大模型来驱动事件 (02:04)


第8章 PromptTemple: 提示词工程在LangChain中的实践

16节 | 100分钟
8-1 视频:本章介绍 (01:40)
8-2 视频:提示词:大模型工作的核心部件 (05:49)
8-3 视频:prompts模板:大模型推理的关键 (04:25)
8-4 视频:五种prompts模板实战:字符串模板应用 (04:27)
8-5 视频:五种prompts模板实战:对话模板应用 (04:25)
8-6 视频:五种prompts模板实战:消息占位符应用 (03:42)
8-7 视频:五种prompts模板实战:使用Message组合模板 (03:32)
8-8 视频:五种prompts模板实战:自定义模板应用 (10:14)
8-9 视频:Few Shot:提供推理质量的常见方式 (12:45)
8-10 视频:示例选择器- 根据长度动态选择提示词示例 (12:53)
8-11 视频:示例选择器-根据语义相似度选择提示词示例 (05:50)
8-12 视频:示例选择器- MMR与最大余弦相似度选择示例 (06:25)
8-13 视频:使用Partial实战部分格式化效果 (05:56)
8-14 视频:langchain hub加载提示词管理 (12:46)
8-15 视频:练一练:使用langchain hub加载提示词模板 (01:36)
8-16 视频:本章总结 (03:02)


第9章 规范化输出:OutputParsers的关键技术

7节 | 78分钟
9-1 视频:本章介绍 (07:23)
9-2 视频:常见的输出解析器OutputParsers 一览 (12:56)
9-3 视频:文本、JSON、XML、结构化输出解析器应用(1) (17:39)
9-4 视频:文本、JSON、XML、结构化输出解析器应用(2) (17:06)
9-5 视频:LLM应用容错机制 (09:22)
9-6 视频:如何自定义解析器? (10:17)
9-7 视频:本章总结 (02:38)


第10章 LCEL:组件化开发的新范式

15节 | 122分钟
10-1 视频:本章介绍 (03:13)
10-2 视频:Runnable接口到底是什么? (07:53)
10-3 视频:LCEL是什么与使用场景 (13:00)
10-4 视频:链的基本应用:使用管道操作符快速生成一条链 (05:57)
10-5 视频:链的基本应用:链的流式调用 (14:28)
10-6 视频:链的基本应用:并行运行多条链 (07:57)
10-7 视频:从老版本的chain迁移到LCEL (05:49)
10-8 视频:链的高级应用:在链中使用函数 (13:45)
10-9 视频:链的高级应用:在链中自定义支持流输出的函数 (06:23)
10-10 视频:链的高级应用:使用RunnablePassthrough来传递值 (02:18)
10-11 视频:链的高级应用:如何在运行时动态添加链的配置 (06:21)
10-12 视频:链的高级应用:为链增加记忆能力(短时记忆InMemoryHistory) (15:44)
10-13 视频:链的高级应用:使用Redis构建长期记忆 (07:39)
10-14 视频:链的高级应用:使用LCEL来自定义路由链 (09:43)
10-15 视频:本章总结 (01:31)


第11章 RAG:知识增强型AI系统

22节 | 191分钟
11-1 视频:本章介绍 (04:30)
11-2 视频:RAG:检索增强生成是什么?RAG原理? (23:07)
11-3 视频:知识(数据)预处理:让文档变得AI友好 (06:41)
11-4 视频:常见的Loader 加载器:PDF+多模态图文PDF (07:39)
11-5 视频:常见的Loader 加载器:解析网页+CVS+ Excel (11:02)
11-6 视频:文档切分:为什么以及如何切 (03:29)
11-7 视频:文档切分:如何基于长度+文本+文档+语义进行切片 (06:38)
11-8 视频:向量艺术:嵌入模型 (02:54)
11-9 视频:向量艺术:langChain的嵌入实现 (14:24)
11-10 视频:向量艺术:向量数据库基础 (08:53)
11-11 视频:向量艺术:Langchain 的向量库实现 (07:53)
11-12 视频:向量库实现:向量库的数据增加+删除+相似性搜索+ MMR+混合搜索 (13:43)
11-13 视频:向量艺术:检索器概念 (02:53)
11-14 视频:检索器在langChain中的实现(基本的检索器+语法搜索构建:BM25) (08:16)
11-15 视频:查询重写:如何处理非结构化数据? (06:55)
11-16 视频:查询重构:如何处理结构化数据? (12:39)
11-17 视频:检索策略大比拼:找到合适你的方案 (02:51)
11-18 视频:检索调优:让RAG系统更快更准 (07:52)
11-19 视频:检索器:调优—上下文压缩+排序+相似性分数 (14:53)
11-20 视频:未来可期:RAG技术的进化之路 (09:11)
11-21 视频:动一动:ChatDoc — 又一个简单的文档检索小助手 (12:05)
11-22 视频:本章总结 (01:37)


第12章 Agents实战:单Agent实现自定义BOT

17节 | 232分钟
12-1 视频:本章介绍 (03:05)
12-2 视频:小浪助手(单智能体)案例拆解 (06:16)
12-3 视频:什么是单Agent? (07:25)
12-4 视频:使用LangChain 创建第一个Agent (07:57)
12-5 视频:小浪助手实战:开发环境搭建说明与实战流程 (07:17)
12-6 视频:项目相关资源获取(环境和IDE&API KEY&AI编程&钉钉API) (20:27)
12-7 视频:项目架构演示 (08:14)
12-8 视频:项目架构搭建 (21:36)
12-9 视频:提示词模块设计 (15:07)
12-10 视频:感情侦测实现 (14:12)
12-11 视频:工具的设计 (10:55)
12-12 视频:工具的设计实现 (11:31)
12-13 视频:知识库设计余实现 (18:06)
12-14 视频:钉钉工具设计与实现 (25:20)
12-15 视频:记忆系统设计实现 (11:48)
12-16 视频:项目可观测性实现 (13:11)
12-17 视频:容器化部署 (28:55)


第13章 Agents深入:多Agents工作流的实现

22节 | 242分钟
13-1 视频:本章介绍 (06:54)
13-2 视频:为什么选择多智能体架构? (10:39)
13-3 视频:常见的多智能体架构 (05:18)
13-4 视频:LangGraph讲解 (04:40)
13-5 视频:LangGraph 核心组件:节点与可控制性 (04:18)
13-6 视频:【实现】节点与可控制性-第一个LangGraph (14:44)
13-7 视频:【实现】节点与可控制性-基本控制:串行控制&分支控制&条件分支与循环 (19:19)
13-8 视频:【实现】节点与可控制性-精细控制:图的运行时配置&map-reduce (13:30)
13-9 视频:LangGraph 核心组件:持久化与记忆 (06:52)
13-10 视频:【实现】持久化与记忆-基本运用:相乘隔离的持久层&跨线程持久化调用 (12:40)
13-11 视频:【实现】持久化与记忆-记忆:短期记忆的实现&长期以及实现&使用总结技术优化记忆 (21:55)
13-12 视频:LangGraph 核心组件:人机交互 (04:48)
13-13 视频:【实现】LangGraph人机交互-基本运用:等待用户数据 (09:10)
13-14 视频:【实现】LangGraph人机交互-基本运用:审查工具调用 (08:39)
13-15 视频:【实现】LangGraph人机交互-基本使用:编辑图的状态 (02:58)
13-16 视频:LangGraph 核心组件:时光旅行 (10:26)
13-17 视频:LangGraph 核心组件:流式输出 (07:19)
13-18 视频:LangGraph 核心组件:工具调用 (11:11)
13-19 视频:小实战:基于LangGraph 构建代码助手 (18:19)
13-20 视频:小实战:基于LangGraph 的提示词生成小助手 (10:08)
13-21 视频:大实战:小浪助手(多智能体版) (35:26)
13-22 视频:本章小结 (02:38)


第14章 Agents深入:部署优化与云平台使用

11节 | 85分钟
14-1 视频:本章介绍 (02:46)
14-2 视频:智能体常见的优化方式:计划和执行智能体架构优化方式 (20:55)
14-3 视频:智能体常见的优化方式:基本反思智能体架构优化方式 (10:32)
14-4 视频:智能体效果评估:模拟用户来评估智能体 (08:41)
14-5 视频:智能体效果评估:使用LangSmith评估智能体 (12:33)
14-6 视频:LangGraph云平台 (04:37)
14-7 视频:如何使用LangGraph 服务器进行本地开发 (07:59)
14-8 视频:如何使用模板快速启动项目 (04:10)
14-9 视频:LangGraph Studio UI (07:48)
14-10 视频:如何在LangGraph cloud 上部署 (03:14)
14-11 视频:本章小结 (01:34)


第15章 CrewAI: 又一款主流的Agents开发框架

11节 | 82分钟
15-1 视频:本章介绍 (05:12)
15-2 视频:什么是CrewAI (08:13)
15-3 视频:CrewAI安装与第一个示例 (07:56)
15-4 视频:CrewAI 核心组件讲解 (04:29)
15-5 视频:CrewAI 核心组件:Agents (08:04)
15-6 视频:CrewAI 核心组件:Task (05:58)
15-7 视频:CrewAI 核心组件:Crew & flow (05:24)
15-8 视频:CrewAI 核心组件:知识库 & 记忆 (10:22)
15-9 视频:基于CrewAI 的游戏开发助手 (11:07)
15-10 视频:基于CrewAI 的营销策略大师 (13:21)
15-11 视频:本章小结 (01:19)


第16章 课程总结

2节 | 31分钟
16-1 视频:课程回顾 (18:12)
16-2 视频:课程总结与展望 (12:17)

(本课程已完结)

课程购买
课程价格
金币49
490金币限时优惠会员免费
销量:0
💎 开通会员每日免费下载,比单买更划算 →
支付成功后会自动显示下载资源云盘的链接!点击链接即可下载到本地。