资源介绍
视频数量：60个
总时长：4小时19分
课程介绍：
构建真实世界的AI智能体
想象一下，你正在开发一个智能助手，它不仅能回答问题，还能帮你自动查询数据、分析结果、写代码、执行任务，甚至和其他系统协同工作。这样的系统正在成为现实，而构建它的核心技术就是AI智能体。这门课程会带你从零开始，真正掌握构建这类系统的方法。
课程讲师Alper Daldal在IT行业深耕多年，早期从事技术岗位，后来转向管理岗位。过去十年，他一直专注于人工智能领域的培训和咨询服务，涉及机器学习、神经网络、强化学习以及生成式AI。他花费将近一年时间精心准备了这门课程，把自己多年的实战经验和对行业的理解都融入了其中。
课程分为几个主要部分循序渐进展开。
第一部分从基础概念讲起。你会搞清楚什么是生成式AI，什么是大语言模型，它们和AI智能体之间的关系是什么。很多人容易把生成式AI和AI智能体混为一谈，实际上两者有本质区别。生成式AI主要依赖单一的大语言模型根据输入生成输出，而AI智能体则具备了感知环境、自主决策、执行动作的能力，能够形成完整的感知、思考、行动闭环。课程会详细解释AI智能体的定义、它由哪些核心组件构成，以及什么叫Agentic AI——也就是那种能够自主规划、分解任务、调用工具完成复杂目标的智能体。
第二部分聚焦工具，这是AI智能体能够执行实际任务的关键。大语言模型本身只能接受文本输入并生成文本输出，它无法直接操作外部世界。比如让它计算复杂的数学题，或者查询昨天的新闻，它很可能给不出准确答案。课程会教你如何为智能体装备工具，让它能够访问实时信息、执行精确计算、操作数据库、调用各种外部服务。你会学到工具调用的基本原理，以及如何设计有效的工具接口。
第三部分是智能体设计模式，这里是课程的核心精华之一。设计模式是在长期实践中总结出来的、行之有效的智能体构建方法论。课程会逐一讲解Chain of Thought（链式思考），教智能体分步骤推理复杂问题；ReAct模式，让智能体在思考和行动之间交替进行；Tree of Thoughts（思维树），探索多种可能的解决路径；ReWOO，不依赖观察的推理方法；Plan and Execute，先规划再执行的策略；Reflection，让智能体能够审视和改进自己的输出；Human in the Loop，在关键环节引入人工干预；以及Multi-agent Structure，多个智能体协作的架构设计。掌握这些模式，你就知道在不同场景下该用什么方法来构建系统。
第四部分介绍Agentic RAG，这是将检索增强生成和智能体能力结合的技术。传统RAG帮助模型获取最新信息，而Agentic RAG则让智能体能自主决定何时检索、检索什么、如何利用检索结果完成复杂任务。
第五部分讲解AI智能体之间的通信协议。随着智能体应用越来越普及，不同智能体、不同系统之间需要标准化地交换信息。MCP、A2A、ACP这些协议分别解决什么问题、如何使用，课程都有专门讲解。
第六和第七部分是两个主流框架的实战教学，这是课程的重头戏。LangGraph部分从LangChain基础讲起，让你理解链式调用的概念，然后深入到LangGraph，教你如何用状态图的方式构建复杂的智能体工作流。课程提供了大量代码示例，包括如何创建工作流、如何添加记忆功能、如何实现对话、如何应用ReAct模式、如何做计划执行、如何实现Human in the Loop、如何构建Agentic RAG，以及如何实现多智能体协作（包括supervisor模式和swarm模式）。每个示例都有配套的Python代码和运行截图，你可以边学边动手实践。
CrewAI部分同样内容丰富。你会学到如何编写YAML配置来定义智能体和任务、如何创建Crew、如何使用Flows编排工作流程、如何实现条件分支和并行执行、如何结合Flows和Crew、如何利用Knowledge功能管理知识库、如何让多个智能体协作、如何添加记忆、如何实现推理能力、如何为智能体添加工具、如何生成和执行代码、以及如何进行测试和训练。
整个课程共60个视频，总时长4小时19分钟，全部配有中文字幕。课程适合有一定编程基础、想进入AI智能体领域的开发者，也适合已经接触过生成式AI、想进一步学习如何构建智能系统的工程师，还适合对AI智能体技术感兴趣的产品经理和创业者。如果你有Python基础，学起来会更顺畅；如果你没有编程经验，可能需要先补充一些基础知识再开始。
学完这门课程，你会对AI智能体的工作原理有清晰的理解，能够根据不同场景选择合适的设计模式，熟练使用LangGraph和CrewAI这两个主流框架构建应用。这些技能可以直接应用到你的工作项目或者个人作品中。