资源介绍
视频数量：12个
总时长：1小时48分
课程介绍：
智能体AI与多智能体系统：企业级平台从零到一实战
你有没有想过，那些在你企业里默默运行的AI系统，底层到底是什么样的？两年来，整个行业似乎都围着那个简单的文本框转，但在这层朴素界面之下，AI的底层机制早已演变成完全不同的事物。现在的市场需求早就把焦点转向了MCP集成、先进的RAG架构管线，以及严格的安全治理。在这个时代，仅仅做提示词优化已经远远不够了，你需要的，是一套完整的系统工程能力。
这门课程就是为此而来的。它不是那种教你调调API、写写prompt的入门课，而是一套从零开始构建自主可控企业级智能体AI平台的完整路线图。课程包含10个模块、100个实验，带你从最基础的本地开发环境，一路搭建到能够真正投入生产的企业级智能体系统。整个学习过程就是一次完整的工程实践，每一步都踩在实操的点上。
先从基础打牢开始。MODULE 1用10个实验帮你把开发环境从零到一搭起来。这部分会带你熟悉Python基础语法、虚拟环境和依赖管理、Git协作工作流，还要理解API和Web服务的基本原理。当然，最重头的实验是让你亲手构建一个简单的工具调用智能体，让它能够调用外部功能来完成具体任务。这个阶段完成后，你就拥有了一个稳定可靠的技术底座，后续所有实验都要在这个环境里进行。
环境ready了，接下来进入MODULE 2，这一模块整整10个实验都在围绕LLM服务层做文章。你会深入理解LLM的工作原理、分词机制和上下文窗口的限制，掌握开源模型和托管模型的选型策略。更重要的是，课程会教你如何在本地硬件上原生运行开源模型——注意，这里的本地服务器是没有任何外部网络连接的。完全在自己的设备上跑模型，意味着你的专有数据永远不会离开安全边界。分词、采样参数、上下文管理，这些全都可以自己掌控，不必依赖第三方API。这种能力在今天的合规环境下，价值不言而喻。
MODULE 3进入智能体框架的核心地带。这10个实验覆盖了智能体设计的各种模式：工具调用架构、函数调用工作流、状态管理机制、记忆系统设计（包括短期记忆和长期记忆的实现方式）、规划策略，以及智能体的自我反思和自我纠正能力。课程会教你如何在生产环境中设计一个真正可靠、可维护的智能体架构。这些不是纸上谈兵的概念，而是实打实的工程实践。
MODULE 4专门讲MCP工程。MCP是什么？简单说，它是一种让智能体安全调用外部工具的协议标准。这部分会带你从协议基础开始，搞清楚MCP客户端和服务端的架构区别，然后手把手教你构建自己的MCP服务器。你会学到如何安全地暴露工具接口、如何实现多工具集成、如何连接外部API，以及在企业场景下使用MCP的最佳实践。完成这10个实验后，你对MCP的理解和应用能力会达到可以直接用于生产项目的水平。
MODULE 5聚焦RAG（检索增强生成）。这部分有10个实验，从RAG架构基础讲起，包括嵌入模型的工作原理、向量数据库的概念、文档处理管道、分块策略、元数据设计、检索优化技巧，最后用一个企业级知识助手的实战项目收尾。如果你需要在智能体系统中接入私有知识库，RAG是绕不开的技术点，而这里会给你最完整、最实用的实战指导。
MODULE 6转到工作流自动化。这部分探讨如何把智能体融入到真实的业务流程中去。你会学到事件驱动系统的设计方法、智能体编排工作流的实现、人类在环机制的设计、审批工作流的构建、业务流程自动化、任务队列、调度自动化，以及长时运行工作流的管理。课程最后会带你构建一个完整的企业自动化管道，把前面的技术点串联起来。
MODULE 7是整个课程的重头戏之一：多智能体系统。现代企业应用里，独立的单一智能体往往不够用，你需要多个智能体协同工作。这部分会深入讲多智能体架构的设计、Agent之间的通信模式、协调模型、层级式智能体系统的构建方法。课程会分别带你设计研究智能体、规划智能体、执行智能体和审查智能体，还会介绍蜂群智能模式，最后用一个企业级多智能体平台项目作为总结。理解了这套系统，你就掌握了构建复杂AI应用的核心能力。
MODULE 8聚焦数据工程。智能体要靠谱，数据是基础。这部分覆盖数据管道建设、数据验证技术、结构化知识系统、图数据库知识模型、数据质量控制、智能体数据契约、事件流基础、实时数据处理，以及智能体系统的分析方法。最后会呈现一个生产级数据架构的全貌。这部分内容对于想让智能体系统真正落地的工程师来说，是非常关键的数据基础设施知识。
MODULE 9转向安全、治理与合规。AI系统如果缺乏安全保障，再强大也是定时炸弹。这部分从AI威胁建模开始，依次覆盖身份认证与访问管理、密钥管理、安全的工具调用、沙箱隔离、审计日志设计、数据隐私控制、GDPR合规的AI系统设计、AI治理框架，以及企业级合规架构。10个实验，每一个都是企业在部署AI时必须认真对待的议题。
MODULE 10是最后一站：可靠性、可观测性和LLMOps。课程会问你一个尖锐的问题：当一个AI智能体彻底失控时会发生什么？它可能会泄露敏感数据，或者凭空捏造严重失实的信息，却还在兴高采烈地向你汇报一切正常。传统的监控手段在这里完全失效，因为自主系统很少会用刺耳的警报来宣告失败，它只会悄无声息地偏离轨道。这部分会教你构建一套全新的AI管理系统，涵盖可观测性基础、智能体遥测、分布式追踪、评估框架、幻觉检测、可靠性工程、LLMOps流水线、Kubernetes部署，以及最终的主权企业级智能体AI平台项目。这是整个课程的压轴大戏，把前面十个模块的所有知识点整合成一个完整的生产级系统。
学完这100个实验，你收获的不只是零散的技术点，而是构建分布式多智能体生态系统的完整能力。你会部署模型、编排工作流、配置Kubernetes集群，让AI系统真正融入企业基础设施、数据库和合规控制体系。这才是现代生产工程该有的样子。
这门课适合有一定编程基础、想真正掌握企业级AI智能体开发技术的工程师。如果你不想止步于调调API、写写prompt的层面，而是想深入到系统架构和工程实践的核心，这门课值得你花时间。从本地开发环境到生产级部署，从单一智能体到多智能体协同，这套100实验室路线图会带你走完企业级智能体AI平台的完整构建之路。