资源介绍
视频数量：20个
总时长：6小时24分
课程介绍：
AI智能体与工作流开发实践
你有没有过这样的经历：对着一个AI聊天机器人问了一个问题，它回答了，然后就没有然后了。下一次对话，它完全不记得你们之前聊过什么。你又得从头解释一遍背景。这种“问完就忘”的交互方式，用起来总是觉得少了点什么。
现在想象另一个场景。你对一个人工智能说“帮我整理这个项目的所有需求文档，然后找出和上周会议纪要矛盾的地方，再生成一份报告”，然后你去做别的事了。AI不仅调取了文档，搜索了会议记录，识别出了不一致之处，还把报告发到了你的邮箱。它调用了多个工具，参考了历史上下文，做了分析和判断。这不是科幻，而是AI智能体正在实现的能力。
这门课程要教你的，就是如何构建这样的系统。
课程为期四周，从最基础的概念讲起，逐步深入到完整的多智能体工作流。第一周叫智能体基础，听起来是入门内容，但教的东西一点都不简单。你会从源头理解什么叫AI智能体——它不是简单的问答机器，而是一个能够自主决策、调用工具、推进任务的系统。课程会讲清楚智能体和基础大语言模型的区别：语言模型是大脑，智能体系统则给这个大脑装上了双手、记忆和与外部世界连接的接口。你会学到智能体的核心循环：思考、行动、观察。这个循环是所有智能体运作的底层逻辑。然后是工具设计，这是让智能体真正发挥作用的关键——怎么给智能体能力，让它能读取文件、查询数据库、调用API、操作业务流程。第一周最后，你会在指导下构建自己的第一个智能体。
第二周围绕三个核心技术展开：工具、记忆和RAG。工具你已经接触过一些了，但这周会深入讲怎么让多个工具协同工作。更重要的是记忆系统。没有记忆的智能体，每次对话都是从零开始。有记忆的智能体可以记住项目决策、用户偏好、任务历史，甚至能从以往的工作中提取有用信息。这带来的改变是根本性的——智能体不再只是回答问题，而是能参与持续的工作流，支持需要跨时间线推进的任务。RAG是这周的第三个重点，课程会讲到向量数据库和嵌入技术，这些是让智能体能够从海量文档中精准检索相关知识的基础设施。第二周的最后任务是构建一个RAG智能体。
第三周进入更复杂的领域：多智能体系统。大多数有价值的实际应用，单靠一个智能体是完成不了的。你需要多个智能体各司其职、相互协作。比如一个负责分析用户需求，一个负责调用工具执行，一个负责质量检查和输出。多智能体架构涉及到角色设计、通信机制、协调策略等问题。课程会讲清楚单智能体到多智能体的演进路径，介绍编排框架的使用方法，然后让你动手搭建一个多智能体工作流。
第四周是毕业项目，前三周学到的所有内容都会整合起来。你要从一个想法出发，完成架构设计、核心系统构建、记忆和可靠性保障、可观测性和测试优化，最终交付一个能在生产环境中运行的智能体系统。课程特别强调了生产环境的思维模式——不是在Jupyter Notebook里跑通demo就完事了，而是要考虑真实部署时的稳定性、可监控性和持续优化能力。
整个课程的安排是循序渐进的。第一周打基础，让你理解智能体是什么、怎么工作。第二周扩展能力边界，工具、记忆、检索三管齐下。第三周从单智能体升级到多智能体，理解协作和编排。第四周做完整项目，把所有知识点串联起来。每周都有实操环节，不是光看视频听概念，而是真的要动手写代码、做设计。
这门课适合有一定编程基础、对人工智能有基本了解、想深入学习智能体开发的人。如果你已经在用ChatGPT这类工具处理工作，想更进一步了解背后的原理，或者你想在实际项目中使用智能体技术，这门课能给你一个系统化的起点。它不会从什么是人工智能讲起，但也不会假设你是这方面的专家。基本的Python能力和对大语言模型的初步了解就够了，剩下的课程会带你走完。
六周学完，你得到的不只是概念上的理解，还有一个完整的项目作品，以及对智能体系统从设计到落地的全流程认知。