理解 Transformer、Token 与模型响应，用 Python 和 Postman 调用模型，记录输出、错误与成本。
小班筹备中
从大模型原理到应用部署
AI 系统实战营Agent 与 RAG
从大模型原理和 API 调用出发，逐步学习 Prompt 工程、LangChain、RAG 知识库与 LangGraph 流程编排。通过八周项目练习，把多轮对话、工具调用和知识问答整合为一个 AI 助手，并完成界面、部署说明与作品集材料。
- 第 01–02 周调用与 Prompt
接通模型，比较回答与成本。
- 第 03–04 周工具与知识库
加入会话、工具和 RAG。
- 第 05–06 周工作流与 Agent
管理状态、路由和协作。
- 第 07–08 周优化与项目展示
整理 UI、日志与演示交付。
适合谁
从你的基础与目标出发。
- 会写 Python，希望把模型调用做成应用的开发者
- 想做知识助手、RAG 或自动化项目的学习者
- 具备技术基础，希望理解 AI 应用交付的产品经理
- 愿意动手调试，并记录结果与失败原因的人
学习成果
练习之后，能做些什么。
围绕任务、上下文、示例、角色与输出格式设计 Prompt，用同一测试集比较不同方案。
组织模型、Prompt、工具与短期会话，再用图状态、条件分支和中断恢复编排多步骤任务。
完成文档处理、Embedding、向量检索与回答链，检查引用依据、拒答边界和检索质量。
区分单 Agent 与多 Agent 的职责，设计工具描述、任务路由、协作通信与失败处理。
为项目加入 Streamlit 界面、日志和成本记录，整理 Demo、代码仓库、技术文档与项目讲解材料。
课程安排
8 周，逐步搭建自己的 AI 助手。
每周按「文字教程 → 项目练习 → 课后作业」推进。八周表示课程路线；自学可按自己的节奏学习。
Week 01 LLM 原理与 API 调用实战
理解大模型的基本工作方式，完成第一次模型调用，并比较同一任务的回答与成本。
- LLM 架构：Transformer 与 Decoder-only
- GPT、Claude 与 Llama 生态及调用方式
- Token 机制与调用成本估算
- Python + Postman 调用 OpenAI / Anthropic API
本节成果调用不同模型API，输出一致任务的结果对比分析
Week 02 Prompt 工程基础
围绕同一助手任务设计多组 Prompt，比较不同提示方式的效果，把有效方案沉淀为模板。
- 清晰指令、上下文与输出格式
- Zero-shot 与 Few-shot 对照实验
- 任务分解、结构化输出与结果检查
- Roleplay / Persona 角色设定
- Prompt 版本管理、控制变量与重复测试
本节成果设计多个Prompt完成同一任务的效果对比实验
Week 03 LangChain 框架实战
用 LangChain 组织模型与工具，为助手加入多轮对话和短期会话记忆。
- 模型、Prompt、Chain 与 Agent 核心抽象
- 短期会话状态与 session 隔离
- 计算器与自定义工具的封装和调用
- Agent 与 Chain 的适用场景
- 工具调用日志、停止条件与错误处理
本节成果构建多轮对话Bot，具备基本记忆功能和工具调用能力
Week 04 RAG 系统构建与优化
把文档转成可检索的知识库，让助手根据资料回答，并用测试问题检查检索与回答质量。
- 向量数据库原理与常见方案
- Embedding 与向量检索
- 文档加载、切分与预处理
- Retriever + RAG Chain 构建
- 切分大小、查询改写、检索过滤与引用检查
本节成果知识库问答系统：上传文档或知识资料，用户可自由提问
Week 05 LangGraph 高阶流程编排
把多步骤任务组织成有状态的工作流，让每一步的执行、分支与恢复都有据可查。
- 图、节点与状态建模
- 条件分支、循环与中断处理
- 多步骤任务分配和执行追踪
- Agent 状态流转、检查点与恢复
本节成果设计多步骤任务（如文章写作、图像生成）流程图，实现自动执行
Week 06 Agent 系统架构设计
为不同问题设计处理路径，组合工具与多个 Agent，并明确它们之间的职责和通信方式。
- 单体 Agent 与多 Agent 架构
- Tool Calling 与工具描述
- Agent 通信、调度和任务路由
- 文本、图像等多模态输入与失败处理
本节成果智能助手Agent：用户输入问题，Agent根据上下文和工具调用智能分配任务并响应
Week 07 系统优化与部署上线
为已有项目构建交互界面，分析成本和性能，并准备应用部署与运行材料。
- 调用成本评估与缓存机制
- 性能调优与 Debug
- Streamlit 交互界面开发
- 应用部署、环境配置与静态展示页
- 用户行为日志与使用分析
本节成果将前述项目构建前端UI并部署上线，生成公开链接用于演示
Week 08 项目整合与 Demo 展示
整合八周开发的能力，整理项目仓库、技术说明和演示材料，形成可以讲解的 AI 应用作品。
- 多功能整合与前后端协同
- GitHub 仓库与 README 规范
- 技术文档与项目说明
- 5 分钟项目讲解与演示脚本
- 项目自检、答辩问题与改进记录
本节成果完整AI应用上线
贯穿项目
My AI Assistant · 个人智能助手
将多轮对话、工具调用、知识问答与多步骤工作流组合成个人 AI 助手。项目综合运用 LangChain、Prompt、向量检索与 Streamlit，并通过可复现的 Demo 展示完整使用流程。
- LangChain Chain / Agent
- 自定义 Prompt
- 向量数据库与文档检索
- LangGraph 状态工作流
- Streamlit UI 与 API 封装
你的目标交付物
- 可交互的 Web Demo 与部署或本地运行说明
- GitHub 项目仓库：代码、README 与架构说明
- 技术文档、测试结果、调用日志与成本记录
- 5 分钟讲解视频或演示材料
以上是课程练习的目标成果。当前可学习八周文字教程与作业；完整项目交付仍在验证，公网 Demo 与团队项目辅导尚未开放。
学习方式
选择小班共学或文字版自学。
小班包含课程、讨论与反馈；文字版提供课程正文与配套资料。
班期筹备中
Agent 系统实战小班
原价 ¥7,999¥3,999优惠价一次付清
交付方式
班期筹备中。开课时间、项目反馈方式与服务安排确认后开放报名，当前可先咨询。
- 8 周完整项目路线
- 小班项目讨论与代码反馈
- Agent 系统验收与交付复盘
文字版筹备中
Agent 文字版自学课
¥699优惠价一次付清
交付方式
八周文字教程与作业已上线，已授权账号可学习；完成项目实测与试学验证后开放购买。
- 8 周文字教程与 8 份课后作业
- 9 个配套学员资料包
- 架构、日志与部署练习说明
- 不含小班项目讨论
- 不含代码反馈与系统交付复盘
常见问题
开始之前，了解这些。
- 零基础可以直接学吗？
- 建议先掌握 Python 基础，再进入本课。如果还不能独立运行脚本、安装依赖或读懂 API 请求，可以先学习 Vibe Coding 免费课或 Python 数据分析课。
- 现在能学到哪些内容？
- 已获授权的账号可以学习 8 周文字教程、8 份课后作业，并下载 9 个配套资料包。当前以文字和本地练习为主，不包含录播视频、站内作业批改或结业证书。
- 需要额外购买什么？
- 真实模型调用需要自行准备可用的 API 账号并承担调用费用，部署时也可能产生平台费用。部分练习提供离线示例，用于理解流程；它们不能替代真实模型效果的验证。
- 现在如何报名？
- 目前可咨询学习基础、项目方向与班期。文字版和小班均尚未开放付款；已开通账号可继续学习。开放前会明确课程权益、学习期限、服务安排和退款规则。