资源介绍
视频数量：22个
总时长：4小时36分
课程介绍：
AI智能体框架设计：6大核心组件与工程实践
---
你想构建一个真正能用的AI智能体，却被各种概念砸得晕头转向。标准智能体、记忆系统、RAG、工具调用、MCP、A2A、上下文工程，隔几天就冒出新名词。然后是框架，LangChain、CrewAI、LangGraph，一个比一个复杂。你想搞清楚这些概念到底是怎么组合在一起的，但每学一个框架就被更多框架淹没。怎么办？
这门课要解决的就是这个问题。它不教你用某个现成框架快速搭建一个半成品，而是带你从零开始，真正理解AI智能体到底是由什么组成的，每个部分负责什么，以及它们怎么协同工作。
课程从一个核心问题开始：原始语言模型到底缺了什么。你可能觉得调用API就能得到智能对话，但稍微深入一点就会发现，模型本身其实什么都不会。它不会记住你们聊了什么，不会主动调用工具，不知道自己正在执行什么任务，更不会告诉你它在干什么。模型只是一个被动的输入输出系统，你喂什么它吐什么，每次调用之间毫无关联。要把它变成真正能自主工作的智能体，必须在它周围构建一套完整的运行环境。课程把这个运行环境叫做Harness，翻译过来就是"套件"或"框架"，它是连接模型和真实任务的桥梁。
Harness由六个核心组件构成，每个组件都有明确的职责。第一个是循环架构，智能体之所以称为"智能体"而不是普通聊天机器人，关键就在于它能循环思考、反复执行，而不是一次性输出就结束。课程会教你如何设计这个循环，让模型能够不断接收反馈、调整策略、继续行动。第二个是工具系统，这是智能体与外界交互的窗口。模型本身什么都不能做，只有给它配上工具，它才能读写文件、执行代码、搜索信息。课程会演示如何设计工具接口，让智能体能够可靠地调用各种外部能力。第三个是上下文管理，信息爆炸是LLM的天敌，上下文太长会超出限制，太短又让智能体两眼一抹黑。课程会教你如何组织上下文，哪些信息该放进去、哪些该舍弃，让智能体始终拿到它真正需要的东西。
第四个是环境隔离，智能体执行任务时需要一个安全的空间，不能随便在真实系统里横冲直撞。课程会讲如何构建沙箱环境，让智能体的操作不会搞坏你的生产环境。第五个是记忆系统，这才是让智能体变得"聪明"的关键。模型本身没有记忆，每次调用都是独立的，智能体之所以看起来记得你们聊了什么、记得你的代码风格、记得项目进展，全靠记忆系统。课程会教你同时构建短期记忆和长期记忆，短期记忆处理当前会话的上下文，长期记忆让智能体跨会话记住重要信息。第六个是可观测性，智能体跑起来后你是看不见里面发生了什么的，它在调用什么工具、花了多长时间、消耗了多少Token、做出了什么决策，你一无所知。可观测性就是让你能够追踪这一切，在出问题时快速定位debug，在运行中持续优化性能。
光讲概念不够，课程设计了完整的实战项目带你动手构建。你会从零开始搭建一个会话循环框架，然后逐步为它添加功能。先加上文件系统抽象，让智能体能够读取和写入文件，这是很多智能体的基础能力。再加入Git支持，让智能体能够追踪文件变化、管理版本，这对于长期项目至关重要。然后你会为智能体添加持久记忆机制，通过AGENTS.md文件让智能体在每次启动时自动加载之前的状态，理解项目的历史和上下文。最后你会完成一个综合性任务：让智能体执行多步骤研究和报告生成，这个任务需要智能体协调使用所有学过的组件，循环调用工具、保持记忆、管理上下文，最终输出一份完整的报告。
学完这门课，你再看到新框架就不会慌了。不管是LangChain更新了还是出现了新工具，你都能快速理解它解决的是哪个组件的问题、为什么要这样做、它和其他组件怎么配合。你不只是一个调API的程序员，而是真正懂得如何设计AI智能体架构的工程师。六个核心组件在你脑海中形成清晰的地图，你知道自己要搭的智能体缺什么、该补什么、每一步怎么做。当然，最重要的收获是你获得了一套可以迁移的思维方式，能够把一个复杂系统拆解成若干清晰的部分，分别攻克再组装起来。
这门课适合已经了解大模型基本概念、想要深入理解AI智能体内部机制的中高级开发者。如果你能调用API但不知道模型背后的运行原理，如果你用过一些框架但总觉得隔着一层纱，如果你想从应用层走向架构层，这门课正是为你准备的。