AI Agent从0到1定制开发 全栈全流程企业级落地实战（无加密MP4带资料）

先说结论：这门课不是给"想了解 AI 能干什么"的人看的。它假定你已经会用一门后端语言写接口、能看懂 JSON、大致知道大模型是个什么东西，然后把你按在工位上，从零搭一个能跑在企业环境里的 Agent 应用。如果你只是想找个周末感受一下大模型，市面上免费的对话式教程更合适；如果你是要在下一份工作里真的交付一个 Agent 功能，那这份材料的价值在于它把"能演示"和"能上线"之间的那段路补上了。

缺的往往不是模型调用，而是中间那几层

大部分人自学 AI 应用的路径是这样的：调通一次 Chat Completions，写个流式输出，然后卡住。卡住的点从来不是模型，而是模型外面那圈工程问题：用户的问题怎么变成可检索的向量、检索回来的片段怎么塞进上下文才不超长、多轮对话的状态放在哪、工具调用失败之后怎么重试、前端怎么把流式的中间过程画出来。

这门课的主题正是这几层。RAG 和 Embedding 解决的是"让模型知道你公司的私有资料"；Prompt 工程解决的是"同一份资料怎么组织，输出才稳定可解析"；Agent 构建解决的是"怎么让模型自己决定调哪个工具、调几次"；前端工程化解决的是"这套东西怎么变成一个用户能点开就用的界面"。四块内容不是并列关系，是一条链上的四个环节，缺哪一环都会在真实项目里返工。

看的时候建议带着这几个问题

这不是一份可以倍速刷完的视频清单，节点之间是有依赖的。建议在每部分结束时，用下面这些问题自查，答不上来就别往下走：

• 文档切分这一块：为什么固定长度切分经常切坏语义？重叠区间设多少是拍脑袋还是有依据？表格和代码块切碎了怎么办？
• 向量检索这一块：召回率低时，你怀疑 embedding 模型、切分策略还是相似度阈值？三者怎么分别验证？
• Prompt 这一块：要求模型输出结构化数据时，为什么自然语言约束不如给一个示例稳定？解析失败时兜底逻辑写在哪一层？
• Agent 这一块：模型选择调用哪个工具的依据是什么？工具返回报错了，是让模型自己纠正还是外层接管？死循环怎么掐断？
• 前端这一块：流式响应在前端是怎么逐段渲染的？会话历史是存本地还是存服务端，各自代价是什么？

这些问题如果在你脑子里有明确答案，说明你已经做过一轮了，这门课可以直接挑着看薄弱环节；如果大部分答不上来，说明你正处在需要它的阶段。

配套练习该怎么用

课程带资料，这个不用多说。但资料本身不产生能力，建议的用法是：不要照着敲一遍就完事，而是在每一节结束后，把示例里的数据集或业务场景换掉，用你自己手边的资料重跑一遍。比如把示例里的知识库换成你自己整理的技术文档、产品手册或者你所在行业的规范文件——换数据的这一步，才是真正暴露问题的地方，你会发现原来的切分参数不好使了，原来的 prompt 也不灵了。

另外值得留意的是"全栈"这两个字的分量。它意味着你既要碰检索和模型侧，也要碰接口和页面。如果你是从后端过来的，前端那部分别跳过；如果你偏前端，检索和 Agent 那部分要多留时间。转岗的人最容易犯的错，是只学自己熟悉的那一半。

看完之后，你应该能独立回答什么

一个可衡量的标准：给定一份几百页的私有文档和一个具体业务问题，你能不能在没有教程的情况下，独立设计出检索方案、定下切分和召回策略、写出稳定的输出约束、接上工具调用，并给出一个可以交付给同事试用的界面。这中间每一环都要能说出你选择的理由，而不只是"教程里是这么写的"。

如果目前做不到，这份材料就是补这个缺口的；如果已经能做到大半，那就把它当成一份对照清单，检查自己在哪一环上其实是凭感觉在做事。

a5fe0ce6c7bdc0cca667340079b9263e_202505301748537157322886.webp 下载附件   保存到相册 2025-6-28 00:26 上传

课程推荐

《AI Agent从0到1定制开发 全栈全流程企业级落地实战（无加密MP4带资料）》a5fe0ce6c7bdc0cca667340079b9263e_202505301748537157322886.webp 下载附件   保存到相册 2025-6-28 00:26 上传【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Prompt 提示词工程、AI Agent 智能体构建、Vue / 前端工程化。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（169 节）

*   1-1 深入了解课程，少走弯路，必看！！！.mp4

*   2-1 本章介绍.mp4

*   2-2 智能革命爆发：从梦想到现实.mp4

*   2-3 智能体揭秘：为什么它是未来的核心？智能体到底是什么？.mp4

*   2-4 风口以至-机遇与挑战：AI 淘汰的是不会使用AI的人.mp4

*   2-5 新手必知：扫清学习障碍.mp4

*   2-6 本章小结.mp4

*   3-1 本章介绍.mp4

*   3-2 带你快速了解LLM（大语言模型）的前世今生.mp4

*   3-3 全景扫描：国内外主流大语言模型（LLM）.mp4

*   3-4 开源VS闭源：你该如何选择.mp4

*   3-5 大模型的短板与解决方案.mp4

*   3-6 练一练：搞定你的大模型源（闭源与开源）.mp4

*   3-7 本章小结.mp4

*   4-1 本章介绍.mp4

*   4-2 如何正确使用AI编程？.mp4

*   4-3 什么是提示词工程？AI对话的魔法咒语+常见思维流模式.mp4

*   4-4 如何正确的获取AI行业信息？.mp4

*   4-5 小浪助手两大项目演示：单智能体和多智能体.mp4

*   4-6 本章总结.mp4

*   5-1 本章介绍.mp4

*   5-2 DeepSeek为什么火了？.mp4

*   5-3 推理大模型做对了什么？DeepSeek V3 与DeepSeek R1本质区别.mp4

*   5-4 DeepSeek 提示词模板与注意.mp4

*   5-5 新手必知的10个DeepSeek魔法指令.mp4

*   5-6 DeepSeek的模型与部署需求分析，以及资源获取方式.mp4

*   5-7 DS本地部署：本地私有化AI对话助手实现.mp4

*   5-8 DS云端部署：按需付费更加灵活.mp4

*   5-9 DS云端API：个人用户最佳选择.mp4

*   5-10 本章小结.mp4

*   6-1 本章介绍.mp4

*   6-2 langchain是什么以及发展过程.mp4

*   6-3 langchain能做什么和能力一览.mp4

*   6-4 langchain的优势与劣势分析.mp4

*   6-5 langchain使用环境的搭建.mp4

*   6-6 AI智能开发学习平台（实战+免费key+测试+AI资讯）.mp4

*   6-7  先跑起来：第一个实例，了解langchain的基本模块.mp4

*   6-8 本章总结.mp4

*   7-1 本章介绍.mp4

*   7-2 LangChain核心组件：LLMs与ChatModels.mp4

*   7-3 LangChain使用标准事件驱动大模型.mp4

*   7-4 tokens与上下文交互窗口.mp4

*   7-5 模型异常处理与缓存机制.mp4

*   7-6 如何配合本地大模型？模型Token usage的花费？.mp4

*   7-7 大模型的Tool Call工具调用能力：先进大模型的标配.mp4

*   7-8 练一练：使用某个大模型来驱动事件.mp4

*   8-1 本章介绍.mp4

*   8-2 提示词：大模型工作的核心部件.mp4

*   8-3 prompts模板：大模型推理的关键.mp4

*   8-4 五种prompts模板实战：字符串模板应用.mp4

*   8-5 五种prompts模板实战：对话模板应用.mp4

*   8-6 五种prompts模板实战：消息占位符应用.mp4

*   8-7 五种prompts模板实战：使用Message组合模板.mp4

*   8-8 五种prompts模板实战：自定义模板应用.mp4

*   8-9 Few Shot：提供推理质量的常见方式.mp4

*   8-10 示例选择器- 根据长度动态选择提示词示例.mp4

*   8-11 示例选择器-根据语义相似度选择提示词示例.mp4

*   8-12 示例选择器- MMR与最大余弦相似度选择示例.mp4

*   8-13 使用Partial实战部分格式化效果.mp4

*   8-14 langchain hub加载提示词管理.mp4

*   8-15 练一练：使用langchain hub加载提示词模板.mp4

*   8-16 本章总结.mp4

*   9-1 本章介绍.mp4

*   9-2 常见的输出解析器OutputParsers 一览.mp4

*   9-3 文本、JSON、XML、结构化输出解析器应用（1）.mp4

*   9-4 文本、JSON、XML、结构化输出解析器应用（2）.mp4

*   9-5 LLM应用容错机制.mp4

*   9-6 如何自定义解析器？.mp4

*   9-7 本章总结.mp4

*   10-1 本章介绍.mp4

*   10-2 Runnable接口到底是什么？.mp4

*   10-3 LCEL是什么与使用场景.mp4

*   10-4 链的基本应用：使用管道操作符快速生成一条链.mp4

*   10-5 链的基本应用：链的流式调用.mp4

*   10-6 链的基本应用：并行运行多条链.mp4

*   10-7 从老版本的chain迁移到LCEL.mp4

*   10-8 链的高级应用：在链中使用函数.mp4

*   10-9 链的高级应用：在链中自定义支持流输出的函数.mp4

*   10-10 链的高级应用：使用RunnablePassthrough来传递值.mp4

*   10-11 链的高级应用：如何在运行时动态添加链的配置.mp4

*   10-12 链的高级应用：为链增加记忆能力（短时记忆InMemoryHistory）.mp4

*   10-13 链的高级应用：使用Redis构建长期记忆.mp4

*   10-14 链的高级应用：使用LCEL来自定义路由链.mp4

*   10-15 本章总结.mp4

*   11-1 本章介绍.mp4

*   11-2 RAG：检索增强生成是什么？RAG原理？.mp4

*   11-3 知识（数据）预处理：让文档变得AI友好.mp4

*   11-4 常见的Loader 加载器：PDF+多模态图文PDF.mp4

*   11-5 常见的Loader 加载器：解析网页+CVS+ Excel.mp4

*   11-6 文档切分：为什么以及如何切.mp4

*   11-7 文档切分：如何基于长度+文本+文档+语义进行切片.mp4

*   11-8 向量艺术：嵌入模型.mp4

*   11-9 向量艺术：langChain的嵌入实现.mp4

*   11-10 向量艺术：向量数据库基础.mp4

*   11-11 向量艺术：Langchain 的向量库实现.mp4

*   11-12 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.mp4

*   11-13 向量艺术：检索器概念.mp4

*   11-14 检索器在langChain中的实现（基本的检索器+语法搜索构建：BM25）.mp4

*   11-15 查询重写：如何处理非结构化数据？.mp4

*   11-16 查询重构：如何处理结构化数据？.mp4

*   11-17 检索策略大比拼：找到合适你的方案.mp4

*   11-18 检索调优：让RAG系统更快更准.mp4

*   11-19 检索器：调优—上下文压缩+排序+相似性分数.mp4

*   11-20 未来可期：RAG技术的进化之路.mp4

*   11-21 动一动：ChatDoc -- 又一个简单的文档检索小助手.mp4

*   11-22 本章总结.mp4

*   12-1 本章介绍 (1).mp4

*   12-2 小浪助手（单智能体）案例拆解.mp4

*   12-3 什么是单Agent？.mp4

*   12-4 使用LangChain 创建第一个Agent.mp4

*   12-5 小浪助手实战：开发环境搭建说明与实战流程.mp4

*   12-6 项目相关资源获取（环境和IDE&API KEY&AI编程&钉钉API）.mp4

*   12-7 项目架构演示.mp4

*   12-8 项目架构搭建.mp4

*   12-9 提示词模块设计.mp4

*   12-10 感情侦测实现.mp4

*   12-11 工具的设计.mp4

*   12-12 工具的设计实现.mp4

*   12-13 知识库设计余实现.mp4

*   12-14 钉钉工具设计与实现.mp4

*   12-15 记忆系统设计实现.mp4

*   12-16 项目可观测性实现.mp4

*   12-17 容器化部署.mp4

*   13-1 本章介绍.mp4

*   13-2 为什么选择多智能体架构？.mp4

*   13-3 常见的多智能体架构.mp4

*   13-4 LangGraph讲解.mp4

*   13-5 LangGraph 核心组件：节点与可控制性.mp4

*   13-6 【实现】节点与可控制性-第一个LangGraph.mp4

*   13-7 【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.mp4

*   13-8 【实现】节点与可控制性-精细控制：图的运行时配置&map-reduce.mp4

*   13-9 LangGraph 核心组件：持久化与记忆.mp4

*   13-10 【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.mp4

*   13-11 【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.mp4

*   13-12 LangGraph 核心组件：人机交互.mp4

*   13-13 【实现】LangGraph人机交互-基本运用：等待用户数据.mp4

*   13-14 【实现】LangGraph人机交互-基本运用：审查工具调用.mp4

*   13-15 【实现】LangGraph人机交互-基本使用：编辑图的状态.mp4

*   13-16 LangGraph 核心组件：时光旅行.mp4

*   13-17 LangGraph 核心组件：流式输出.mp4

*   13-18 LangGraph 核心组件：工具调用.mp4

*   13-19 小实战：基于LangGraph 构建代码助手.mp4

*   13-20 小实战：基于LangGraph 的提示词生成小助手.mp4

*   13-21 大实战：小浪助手（多智能体版）.mp4

*   13-22 本章小结.mp4

*   14-1 本章介绍.mp4

*   14-2 智能体常见的优化方式：计划和执行智能体架构优化方式.mp4

*   14-3 智能体常见的优化方式：基本反思智能体架构优化方式.mp4

*   14-4 智能体效果评估：模拟用户来评估智能体.mp4

*   14-5 智能体效果评估：使用LangSmith评估智能体.mp4

*   14-6 LangGraph云平台.mp4

*   14-7 如何使用LangGraph 服务器进行本地开发.mp4

*   14-8 如何使用模板快速启动项目.mp4

*   14-9 LangGraph Studio UI.mp4

*   14-10 如何在LangGraph cloud 上部署.mp4

*   14-11 本章小结.mp4

*   15-1 本章介绍.mp4

*   15-2 什么是CrewAI.mp4

*   15-3 CrewAI安装与第一个示例.mp4

*   15-4 CrewAI 核心组件讲解.mp4

*   15-5 CrewAI 核心组件：Agents.mp4

*   15-6 CrewAI 核心组件：Task.mp4

*   15-7 CrewAI 核心组件：Crew & flow.mp4

*   15-8 CrewAI 核心组件：知识库 & 记忆.mp4

*   15-9 基于CrewAI 的游戏开发助手.mp4

*   15-10 基于CrewAI 的营销策略**.mp4

*   15-11 本章小结.mp4

*   16-1 课程回顾.mp4

*   16-2 课程总结与展望.mp4

配套笔记（14 份 PDF）

*   【PPT2】AI智能体 AI3.0时代的风口红利.pdf

*   【PPT3】大模型：智能体的超级大脑，如何掌握？.pdf

*   【PPT4】AI应用开发应知必会的那些事.pdf

*   【PPT5】deep seek 国产之光.pdf

*   【PPT6】初识langchain：LLM大模型与AI应用的粘合剂.pdf

*   【PPT8】PromptTemple 提示词工程在LangChain中的实践.pdf

*   【PPT9】规范化输出：OutputParsers.pdf

*   【PPT10】LCEL：链式开发新范式.pdf

*   【PPT11】RAG：知识增强型AI系统.pdf

*   【PPT12】Agents实战单Agent实现自定义BOT.pdf

*   【PPT13】Agents深入：多Agents工作流的实现.pdf

*   【PPT14】Agents深入：部署优化与云平台使用.pdf

*   【PPT15】CrewAI 又一款主流的Agents开发框架.pdf

*   【PPT16】课程回顾.pdf