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/