AI Agent应用开发系统课：从LLM原理到智能体架构，掌握RAG、工具调用、多Agent协作与企业级应用设计

AI Agent应用开发系统课：从LLM原理到智能体架构，掌握RAG、工具调用、多Agent协作与企业级应用设计

一套系统讲解 AI Agent 技术体系的入门到进阶课程，通过动画化方式拆解智能体开发的核心知识。课程从 AI Agent 基础概念切入，解析 Agent 与传统 AI、Chatbot、LLM 应用的区别，理解自主 Agent、目标驱动、多步推理、记忆系统、工具调用、环境交互等核心机制；随后学习大语言模型原理，包括 Transformer、注意力机制、Token 预测、提示词工程与模型选择等底层知识；并进一步深入 Agent 架构设计、任务规划、多 Agent 协作、RAG 检索增强、向量数据库、Function Calling、MCP 协议等关键技术，覆盖 LangChain、LangGraph、CrewAI 等主流框架，以及企业级 Agent 系统设计、性能优化、安全防护与质量评估，帮助学习者建立完整的 AI Agent 开发知识体系。

课程亮点

• 从概念到架构：AI Agent 与传统 AI、Chatbot、LLM 应用的区别
• 大语言模型底层原理：Transformer、注意力机制、Token 预测与提示词工程
• 关键技术：任务规划、多 Agent 协作、RAG 检索增强、向量数据库、Function Calling、MCP
• 主流框架与企业级实践：LangChain / LangGraph / CrewAI、性能优化与质量评估

课程目录

第 1–10 节（10 节）

• 1.01 什么是 AI Agent？它与传统 AI 有什么区别？
• 2.02 什么是 Agentic AI？
• 3.03 LLM 与 Agent 有什么区别？
• 4.04 为什么从 LLM 应用转向 Agent？
• 5.05 Agent 的核心组件有哪些？
• 6.06 Agent 和 Chatbot 的区别？
• 7.07 什么是自主 Agent？
• 8.08 什么是目标驱动型 Agent
• 9.09 什么是多步推理 Agent 如何实现
• 10.10 为什么 Agent 需要记忆

第 11–20 节（10 节）

• 11.11 什么是推理引擎
• 12.12 工具使用在 Agent 中的作用
• 13.13 什么是环境交互
• 14.14 感知与行动在 Agent 中如何体现
• 15.15 单 Agent 与多 Agent 系统的区别
• 16.16 Agent 的能力边界在哪里
• 17.01 什么是大语言模型(LLM)
• 18.02 LLM 是如何训练的
• 19.03 什么是 Token
• 20.04 什么是下一个 Token 预测

第 21–30 节（10 节）

• 21.05 Transformer 的核心机制是什么
• 22.06 注意力机制(Attention)是怎么工作的
• 23.07 Temperature 参数对生成结果有什么影响
• 24.08 Top-K 和 Top-P 采样是什么
• 25.09 什么是幻觉(Hallucination)
• 26.10 LLM 为什么会产生幻觉
• 27.11 如何评估 LLM 的质量
• 28.12 开源模型 vs API 模型，如何选择
• 29.13 如何为项目选择合适的 LLM
• 30.14 Prompt 对 LLM 输出有什么影响

第 31–40 节（10 节）

• 31.15 什么是指令微调(Instruction Tuning)
• 32.16 RLHF 在 LLM 中起什么作用
• 33.01 什么是提示词工程（Prompt Engineering）？
• 34.02 Zero-Shot 和 Few-Shot 有什么区别？
• 35.03 什么是思维链（Chain of Thought）？
• 36.04 为什么 CoT 能提升推理能力？
• 37.05 什么是自洽性（Self-Consistency）？
• 38.06 什么是 ReAct 提示策略？
• 39.07 如何设计稳定可靠的 Prompt？
• 40.08 什么是 Prompt 注入攻击？

第 41–50 节（10 节）

• 41.09 如何防御 Prompt 注入？
• 42.10 如何设计高质量的 Prompt 模板？
• 43.11 System Prompt 和 User Prompt 有什么区别？
• 44.12 如何控制 LLM 的输出格式？
• 45.13 如何提升 Prompt 的鲁棒性？
• 46.14 如何为多步骤任务设计 Prompt？
• 47.15 Prompt 对 Agent 行为有什么影响？
• 48.01 一个完整的 Agent 架构包含哪些部分？
• 49.02 Agent 的规划（Planning）机制是什么？
• 50.03 什么是任务分解？Agent 如何做任务分解？

第 51–60 节（10 节）

• 51.04 Agent 的决策机制是什么？
• 52.05 工具调用和函数调用是什么？有什么区别？
• 53.06 Agent 如何调用外部 API？
• 54.07 什么是执行循环（Execution Loop）？
• 55.08 Agent 如何处理重试和错误恢复？
• 56.09 Agent 的记忆系统有哪些设计模式？
• 57.10 短期记忆和长期记忆在 Agent 中如何实现？
• 58.11 Agent 如何管理状态（State Management）？
• 59.12 什么是 Agent 的自我反思（Reflection）？
• 60.13 多 Agent 如何协作？

第 61–70 节（10 节）

• 61.14 Agent 如何进行任务优先级排序？
• 62.15 如何设计一个通用 Agent 框架？
• 63.16 如何设计一个垂直领域 Agent？
• 64.01 什么是 RAG（检索增强生成）？
• 65.02 RAG 的工作流程是什么？
• 66.03 为什么 Agent 需要 RAG？
• 67.04 什么是向量嵌入（Embedding）？
• 68.05 什么是文档分块（Chunking）？
• 69.06 如何选择合适的 Chunk Size？
• 70.07 什么是向量数据库？

第 71–80 节（10 节）

• 71.08 常见向量数据库有哪些？如何选择？
• 72.09 向量相似度搜索是如何实现的？
• 73.10 如何优化 RAG 的召回率？
• 74.11 如何优化 RAG 的精确率？
• 75.12 Rerank 在 RAG 中起什么作用？
• 76.13 RAG 如何解决长上下文问题？
• 77.14 RAG 如何减少幻觉？
• 78.15 RAG 和微调如何选择？
• 79.16 RAG 落地最难的问题是什么？
• 80.01 什么是工具使用（Tool Use）？

第 81–90 节（10 节）

• 81.02 Agent 如何进行工具选择？
• 82.03 工具选择的底层机制是什么？
• 83.04 如何设计好的工具 Schema？
• 84.05 Function Calling 的设计原则是什么？
• 85.06 Agent 如何调用数据库？
• 86.07 Agent 如何调用搜索引擎？
• 87.08 Agent 如何执行代码？
• 88.09 如何协调多工具的调用？
• 89.10 如何避免 Agent 错误地调用工具？
• 90.11 工具调用失败后 Agent 如何处理？

第 91–100 节（10 节）

• 91.12 如何验证工具调用结果的可靠性？
• 92.13 如何设计 Agent 的插件系统？
• 93.14 什么是 MCP（Model Context Protocol）？
• 94.15 如何控制工具的权限？
• 95.01 你用过哪些 Agent 框架？如何评价？
• 96.02 LangChain 的核心组件是什么？
• 97.03 LangGraph 和 LangChain 有什么区别？
• 98.04 AutoGPT 的核心思路是什么？
• 99.05 ReAct Agent 是如何工作的？
• 100.06 什么是 CrewAI？它的设计理念是什么？

第 101–110 节（10 节）

• 101.07 OpenAI Assistants API 有哪些核心功能？
• 102.08 如何选择适合项目的 Agent 框架？
• 103.09 用开源框架还是自研 Agent 框架？
• 104.10 如何设计 Agent 的工作流？
• 105.11 DAG 和循环流在 Agent 工作流中如何选择？
• 106.12 多 Agent 编排的核心挑战是什么？
• 107.13 如何构建一个 Agent Pipeline？
• 108.14 如何实现 Agent 的可观测性（Observability）？
• 109.15 Agent 系统如何调试？
• 110.01 如何设计企业级 Agent 系统？

第 111–120 节（10 节）

• 111.02 如何设计一个 AI 助理产品？
• 112.03 如何设计智能客服 Agent 系统？
• 113.04 如何设计办公自动化 Agent？
• 114.05 如何设计一个代码生成 Agent？
• 115.06 Agent 系统如何扩展（Scale）以支持高并发？
• 116.07 Agent 系统中如何做并发控制？
• 117.08 如何降低 Agent 系统的响应延迟？
• 118.09 如何控制 Agent 系统的 Token 成本？
• 119.10 Agent 系统如何设计缓存策略？
• 120.11 Agent 系统的日志系统如何设计？

第 121–130 节（10 节）

• 121.12 Agent 系统中如何做 A-B 测试？
• 122.13 如何设计 Agent 系统的高可用架构？
• 123.14 Agent 系统如何实现优雅降级？
• 124.15 多模型 Fallback 策略如何设计？
• 125.01 如何评估 Agent 的质量？
• 126.02 什么是离线评估
• 127.03 什么是在线评估
• 128.04 如何设计 Agent 评估基准(Benchmark)
• 129.05 什么是 AgentBench
• 130.06 如何评估 Agent 的推理能力

第 131–140 节（10 节）

• 131.07 如何评估 Agent 的工具使用能力
• 132.08 如何评估 RAG 系统的质量
• 133.09 如何检测 Agent 的幻觉问题
• 134.10 什么是 LLM-as-Judge 如何使用
• 135.11 如何优化 Agent 的整体性能
• 136.12 如何系统地优化 Prompt
• 137.13 如何通过模型选择来优化性能
• 138.14 Agent 系统中如何设计反馈闭环
• 139.15 Agent 系统如何实现持续学习
• 140.01 什么是 Prompt 注入攻击

第 141–150 节（10 节）

• 141.02 Agent 系统中数据泄露的风险有哪些？
• 142.03 Agent 系统面临哪些安全风险
• 143.04 如何防止 Agent 的权限提升攻击
• 144.05 如何限制 Agent 的工具权限
• 145.06 多用户场景下如何隔离用户数据
• 146.07 如何防止 Agent 被越狱(Jailbreak)
• 147.08 Agent 系统的审计日志应该记录什么
• 148.09 如何设计安全的代码执行沙箱
• 149.10 如何防止恶意输入攻击 Agent
• 150.11 生产环境中如何加固 Agent 系统

第 151–160 节（10 节）

• 151.12 Agent 系统中如何处理用户隐私数据
• 152.13 内容安全过滤如何实现
• 153.14 如何防止 Agent 输出敏感信息
• 154.15 如何为 Agent 系统设计安全策略
• 155.01 如何设计一个报告撰写 Agent？
• 156.02 如何设计一个智能客服 Agent
• 157.03 如何设计一个金融分析 Agent
• 158.04 如何设计一个代码生成 Agent
• 159.05 如何设计一个多 Agent 协作系统
• 160.06 Agent 在多目标冲突时如何决策

第 161–170 节（10 节）

• 161.07 如何为 Agent 实现长期记忆
• 162.08 Agent 输出错误时如何排查
• 163.09 Agent 成本过高如何优化
• 164.10 Agent 延迟过高如何处理
• 165.11 RAG 效果不好如何排查改进
• 166.12 如何提高 Agent 系统的稳定性
• 167.13 如何提升 Agent 的任务成功率
• 168.14 如何让 Agent 具备自我纠错能力
• 169.15 如何设计生产级别的 Agent 系统
• 170.01 Agent 的未来发展方向是什么

第 171–180 节（9 节）

• 171.02 Agent 会取代人类工作吗
• 172.03 多 Agent 社会是什么概念 有什么潜力
• 173.04 Agent 与 AGI 的关系？
• 174.05 当前 Agent 技术的瓶颈在哪里？
• 175.06 你做过最复杂的 Agent 项目是什么？（参考性回答）
• 176.07 如何评价主流 Agent 框架？
• 177.08 Agent 和传统工作流有什么本质区别？
• 178.09 Agent 真的 智能 吗？
• 179.10 Agent 架构与传统软件架构的根本区别？

课程资料总量

• 共 179 个视频 / 资料文件，约 3332 MB

适合人群

• 想系统学习 AI Agent 的新手开发者
• 希望掌握大模型应用开发的程序员
• 想了解智能体技术的 AI 从业者
• 需要搭建自动化 AI 应用的创业者
• 对 LLM 与 Agent 方向感兴趣的学习者

温馨提示：1、本内容由作者投稿，版权归原作者所有！2、本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。3、本内容若侵犯到你的版权利益，请联系我们，会尽快给予删除处理！