这门课补什么能力缺口?
很多开发者做 AI 应用时,习惯在脚本里零散调用大模型 API,一旦需求复杂化,代码就难以维护和复用。当需要构建具备状态记忆、能检索外部知识、或根据上下文动态调整行为的企业级 Agent 时,往往不知道如何搭建底层骨架。这门实战课直接解决这些痛点,带你从零开始定制开发完整的 AI Agent 系统,覆盖从 LCEL 链式编排、高级函数封装、记忆管理,到向量数据库与检索器实现的端到端开发路径,帮助你在企业项目中具备独立落地的能力。
适合什么基础?建议先看哪几块?
课程面向有 Python 基础的开发者,不需要精通框架,但需熟悉基本语法、函数定义和面向对象概念。建议学习顺序如下:首先深入理解 Runnable 接口的设计哲学与 LCEL(LangChain Expression Language)的使用场景,这是后续所有开发的基石;其次掌握链的基本应用,包括使用管道操作符快速组装链、实现流式输出以提升体验、以及并行运行多条链来优化性能;进阶阶段重点攻克函数封装、动态配置注入、以及使用 InMemoryHistory 和 Redis 分别构建短时与长期记忆;最后学习向量艺术,从向量数据库基础出发,掌握 LangChain 的检索器实现及 BM25 混合搜索。若你的业务涉及文档问答或知识库检索,务必精读最后一部分。
学完能独立做什么?资料如何配合练习?
完成课程后,你将能够独立设计并部署一个支持对话记忆、具备流式响应、并能通过 RAG 技术检索私有知识库的智能体系统。你不仅能写出结构清晰的 Agent 代码,还能解决状态持久化和复杂路由等实际工程问题。建议在学习过程中,对照视频案例在本地环境中搭建最小可运行原型:先从最简单的管道链跑通流程,再逐步叠加函数逻辑、接入 Redis 记忆存储,最后引入向量库实现语义检索。配套的资料包提供了关键代码片段和配置示例,请逐章复现并修改参数,验证每个模块的功能后再进行整体串联,最终独立完成一个端到端的定制 Agent 项目。
课程目录
10-1 本章介绍_ev.mp4 4.58M 10-10 链的高级应用:使用RunnablePassthrough来传递值_ev.mp4 4.07M 10-11 链的高级应用:如何在运行时动态添加链的配置_ev.mp4 16.05M 10-12 链的高级应用:为链增加记忆能力(短时记忆InMemoryHistory)_ev.mp4 59.29M 10-13 链的高级应用:使用Redis构建长期记忆_ev.mp4 34.03M 10-14 链的高级应用:使用LCEL来自定义路由链_ev.mp4 41.82M 10-15 本章总结_ev.mp4 2.04M 10-2 Runnable接口到底是什么?_ev.mp4 14.85M 10-3 LCEL是什么与使用场景_ev.mp4 29.86M 10-4 链的基本应用:使用管道操作符快速生成一条链_ev.mp4 11.68M 10-5 链的基本应用:链的流式调用_ev.mp4 48.65M 10-6 链的基本应用:并行运行多条链_ev.mp4 23.71M 10-7 从老版本的chain迁移到LCEL_ev.mp4 25.64M 10-8 链的高级应用:在链中使用函数_ev.mp4 38.88M 10-9 链的高级应用:在链中自定义支持流输出的函数_ev.mp4 17.97M 10-10 11-1 本章介绍_ev.mp4 7.09M 11-10 向量艺术:向量数据库基础_ev.mp4 19.16M 11-11 向量艺术:Langchain 的向量库实现_ev.mp4 18.91M 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_ev.mp4 52.09M 11-13 向量艺术:检索器概念_ev.mp4 5.59M 11-14 检索器在langChain中的实现(基本的检索器+语法搜索构建:BM25)_ev.mp4 27.20M 11-15 查询重写:如何处理非结构化数据?_ev.mp4 21.45M 11-16 查询重构:如何处理结构化数据?_ev.mp4 39.33M 11-17 检索策略大比拼:找到合适你的方案_ev.mp4 7.99M 11-18 检索调优:让RAG系统更快更准_ev.mp4 17.44M 11-19 检索器:调优—上下文压缩+排序+相似性分数_ev.mp4 68.15M 11-2 RAG:检索增强生成是什么?RAG原理?_ev.mp4 49.17M 11-20 未来可期:RAG技术的进化之路_ev.mp4 26.39M 11-21 动一动:ChatDoc -- 又一个简单的文档检索小助手_ev.mp4 68.90M 11-22 本章总结_ev.mp4 2.17M 11-3 知识(数据)预处理:让文档变得AI友好_ev.mp4 10.03M 11-4 常见的Loader 加载器:PDF+多模态图文PDF_ev.mp4 31.52M 11-5 常见的Loader 加载器:解析网页+CVS+ Excel_ev.mp4 47.16M 11-6 文档切分:为什么以及如何切_ev.mp4 5.49M 11-7 文档切分:如何基于长度+文本+文档+语义进行切片.mp4 34.38M 11-8 向量艺术:嵌入模型_ev.mp4 5.93M 11-9 向量艺术:langChain的嵌入实现_ev.mp4 39.29M 12-1 本章介绍 (1)_ev.mp4 4.04M 12-10 感情侦测实现_ev.mp4 42.98M 12-11 工具的设计_ev.mp4 15.03M 12-12 工具的设计实现_ev.mp4 57.81M 12-13 知识库设计余实现_ev.mp4 87.00M 12-14 钉钉工具设计与实现_ev.mp4 126.66M 12-15 记忆系统设计实现_ev.mp4 36.35M 12-16 项目可观测性实现_ev.mp4 37.78M 12-17 容器化部署_ev.mp4 68.12M 12-2 小浪助手(单智能体)案例拆解_ev.mp4 13.36M 12-3 什么是单Agent?_ev.mp4 18.46M 12-4 使用LangChain 创建第一个Agent_ev.mp4 13.94M 12-5 小浪助手实战:开发环境搭建说明与实战流程_ev.mp4 11.49M 12-6 项目相关资源获取(环境和IDE&API KEY&AI编程&钉钉API)_ev.mp4 113.12M 12-7 项目架构演示_ev.mp4 36.04M 12-8 项目架构搭建_ev.mp4 91.57M 12-9 提示词模块设计_ev.mp4 47.94M 13-1 本章介绍_ev.mp4 11.63M 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_ev.mp4 52.77M 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_ev.mp4 110.64M 13-12 LangGraph 核心组件:人机交互_ev.mp4 7.01M 13-14 【实现】LangGraph人机交互-基本运用:审查工具调用 (1)_ev.mp4 37.08M 13-14 【实现】LangGraph人机交互-基本运用:审查工具调用_ev.mp4 37.06M 13-15 【实现】LangGraph人机交互-基本使用:编辑图的状态_ev.mp4 11.92M 13-16 LangGraph 核心组件:时光旅行_ev.mp4 35.61M 13-17 LangGraph 核心组件:流式输出_ev.mp4 17.28M 13-18 LangGraph 核心组件:工具调用_ev.mp4 27.02M 13-19 小实战:基于LangGraph 构建代码助手_ev.mp4 71.68M 13-2 为什么选择多智能体架构?_ev.mp4 24.45M 13-20 小实战:基于LangGraph 的提示词生成小助手_ev.mp4 33.60M 13-21 大实战:小浪助手(多智能体版)_ev.mp4 174.09M 13-22 本章小结_ev.mp4 3.71M 13-3 常见的多智能体架构_ev.mp4 13.53M 13-4 LangGraph讲解_ev.mp4 8.00M 13-5 LangGraph 核心组件:节点与可控制性_ev.mp4 8.02M 13-6 【实现】节点与可控制性-第一个LangGraph_ev.mp4 31.19M 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_ev.mp4 40.53M 13-8 【实现】节点与可控制性-精细控制:图的运行时配置&map-reduce_ev.mp4 42.15M 13-9 LangGraph 核心组件:持久化与记忆_ev.mp4 13.36M 14-1 本章介绍_ev.mp4 3.99M 14-10 如何在LangGraph cloud 上部署_ev.mp4 10.59M 14-11 本章小结_ev.mp4 2.06M 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_ev.mp4 57.53M 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_ev.mp4 37.89M 14-4 智能体效果评估:模拟用户来评估智能体_ev.mp4 29.35M 14-5 智能体效果评估:使用LangSmith评估智能体_ev.mp4 51.87M 14-6 LangGraph云平台_ev.mp4 10.23M 14-7 如何使用LangGraph 服务器进行本地开发_ev.mp4 44.39M 14-8 如何使用模板快速启动项目_ev.mp4 25.38M 14-9 LangGraph Studio UI_ev.mp4 30.08M 15-1 本章介绍_ev.mp4 6.61M 15-10 基于CrewAI 的营销策略大师_ev.mp4 107.38M 15-11 本章小结_ev.mp4 1.84M 15-2 什么是CrewAI_ev.mp4 13.55M 15-3 CrewAI安装与第一个示例_ev.mp4 20.47M 15-4 CrewAI 核心组件讲解_ev.mp4 10.31M 15-5 CrewAI 核心组件:Agents_ev.mp4 35.50M 15-6 CrewAI 核心组件:Task_ev.mp4 22.10M 15-7 CrewAI 核心组件:Crew & flow_ev.mp4 22.66M 15-8 CrewAI 核心组件:知识库 & 记忆_ev.mp4 45.23M 15-9 基于CrewAI 的游戏开发助手_ev.mp4 34.37M 16-1 课程回顾_ev.mp4 27.99M 16-2 课程总结与展望_ev.mp4 17.89M 第10章 LCEL:组件化开发的新范式 第11章 RAG:知识增强型AI系统 第12章 Agents实战:单Agent实现自定义BOT 第13章 Agents深入:多Agents工作流的实现 第14章 Agents深入:部署优化与云平台使用 第15章 CrewAI 又一款主流的Agents开发框架 第16章 课程总结 第1章 课程学习安排——助你顺利学习以及避坑 1-1 深入了解课程,少走弯路,必看!!!_ev.mp4 36.02M 第2章 AI智能体:AI3.0时代最大的转型红利 2-1 本章介绍_ev.mp4 2.40M 2-2 智能革命爆发:从梦想到现实_ev.mp4 36.89M 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?_ev.mp4 32.64M 2-4 风口以至-机遇与挑战:AI 淘汰的是不会使用AI的人_ev.mp4 46.22M 2-5 新手必知:扫清学习障碍_ev.mp4 10.28M 2-6 本章小结_ev.mp4 846.89kb 第3章 大模型:智能体的超级大脑 3-1 本章介绍_ev.mp4 3.02M 3-2 带你快速了解LLM(大语言模型)的前世今生_ev.mp4 23.91M 3-3 全景扫描:国内外主流大语言模型(LLM)_ev.mp4 21.70M 3-4 开源VS闭源:你该如何选择_ev.mp4 20.36M 3-5 大模型的短板与解决方案_ev.mp4 29.63M 3-6 练一练:搞定你的大模型源(闭源与开源)_ev.mp4 49.68M 3-7 本章小结_ev.mp4 1.43M 第4章 AI应用开发应知必会的那些事 4-1 本章介绍_ev.mp4 4.29M 4-2 如何正确使用AI编程?_ev.mp4 38.55M 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_ev.mp4 33.45M 4-4 如何正确的获取AI行业信息?_ev.mp4 16.72M 4-5 小浪助手两大项目演示:单智能体和多智能体_ev.mp4 30.37M 4-6 本章总结_ev.mp4 2.68M 第5章 DeepSeek:国产之光 5-1 本章介绍_ev.mp4 8.27M 5-10 本章小结_ev.mp4 2.60M 5-2 DeepSeek为什么火了?_ev.mp4 33.48M 5-3 推理大模型做对了什么?DeepSeek V3 与DeepSeek R1本质区别_ev.mp4 49.39M 5-4 DeepSeek 提示词模板与注意_ev.mp4 22.66M 5-5 新手必知的10个DeepSeek魔法指令_ev.mp4 7.58M 5-6 DeepSeek的模型与部署需求分析,以及资源获取方式_ev.mp4 83.37M 5-8 DS云端部署:按需付费更加灵活_ev.mp4 43.22M 5-9 DS云端API:个人用户最佳选择_ev.mp4 68.01M 第6章 初识langchain:LLM大模型与AI应用的“粘合剂” 6-1 本章介绍_ev.mp4 3.54M 6-2 langchain是什么以及发展过程_ev.mp4 11.05M 6-3 langchain能做什么和能力一览_ev.mp4 29.34M 6-4 langchain的优势与劣势分析_ev.mp4 12.35M 6-5 langchain使用环境的搭建_ev.mp4 37.19M 6-6 AI智能开发学习平台(实战+免费key+测试+AI资讯)_ev.mp4 25.08M 6-7 先跑起来:第一个实例,了解langchain的基本模块_ev.mp4 35.60M 6-8 本章总结_ev.mp4 3.13M 第7章 ChatModels:磨平不同LLM的差异 7-1 本章介绍_ev.mp4 4.29M 7-2 LangChain核心组件:LLMs与ChatModels_ev.mp4 25.11M 7-3 LangChain使用标准事件驱动大模型_ev.mp4 89.78M 7-4 tokens与上下文交互窗口_ev.mp4 33.36M 7-5 模型异常处理与缓存机制_ev.mp4 13.79M 7-6 如何配合本地大模型?模型Token usage的花费?_ev.mp4 32.60M 7-7 大模型的Tool Call工具调用能力:先进大模型的标配_ev.mp4 23.60M 7-8 练一练:使用某个大模型来驱动事件_ev.mp4 3.08M 第8章 PromptTemple 提示词工程在LangChain中的实践 8-1 本章介绍_ev.mp4 2.18M 8-10 示例选择器- 根据长度动态选择提示词示例_ev.mp4 38.12M 8-11 示例选择器-根据语义相似度选择提示词示例_ev.mp4 26.13M 8-12 示例选择器- MMR与最大余弦相似度选择示例_ev.mp4 35.94M 8-14 langchain hub加载提示词管理_ev.mp4 44.42M 8-15 练一练:使用langchain hub加载提示词模板_ev.mp4 2.24M 8-16 本章总结_ev.mp4 5.17M 8-2 提示词:大模型工作的核心部件_ev.mp4 10.12M 8-3 prompts模板:大模型推理的关键_ev.mp4 18.91M 8-4 五种prompts模板实战:字符串模板应用_ev.mp4 7.70M 8-5 五种prompts模板实战:对话模板应用_ev.mp4 10.44M 8-6 五种prompts模板实战:消息占位符应用_ev.mp4 6.57M 8-7 五种prompts模板实战:使用Message组合模板_ev.mp4 6.69M 8-8 五种prompts模板实战:自定义模板应用_ev.mp4 37.90M 8-9 Few Shot:提供推理质量的常见方式_ev.mp4 41.65M 第9章 规范化输出:OutputParsers的关键技术 9-1 本章介绍_ev.mp4 10.78M 9-2 常见的输出解析器OutputParsers 一览_ev.mp4 26.78M 9-3 文本、JSON、XML、结构化输出解析器应用(1)_ev.mp4 35.15M 9-4 文本、JSON、XML、结构化输出解析器应用(2)_ev.mp4 46.14M 9-5 LLM应用容错机制_ev.mp4 21.57M 9-6 如何自定义解析器?_ev.mp4 25.98M 9-7 本章总结_ev.mp4 3.72M 课程资料 课件ppt ppt1.pdf 2.10M ppt4.pdf 2.52M ppt5.pdf 2.32M ppt6.pdf 1.91M ppt7.pdf 1.10M ppt8.pdf 1.19M ppt9.pdf 1.18M 声音克隆 CosyVoice 工坊 CosyVoice-0824.rar 14.20G cosyvoice.7z 1.54G mksz925-AI Agent从0到1定制开发 全栈全流程企业级落地实战/






