资源介绍
初学者AI智能体开发实战营 (英文视频课程，中文外挂字幕)
视频数量：67个
总时长：5小时34分
课程介绍：
初学者AI智能体开发实战营
你有没有过这样的经历，面对ChatGPT时，虽然它能回答各种问题，但你总觉得它像是一个博学但有些被动的百科全书，你得一步步引导它，它才能给你想要的答案。如果你觉得仅仅通过对话框输入文字太慢，或者希望有一个能替你查资料、算数据、甚至直接操作电脑完成任务的数字员工，那么你其实已经在接触智能体技术的边缘了。现在的AI已经不再仅仅是能说会道的聊天机器人，它正在向智能体，也就是Agent，这个方向进化。这种进化意味着AI开始拥有了思考、规划和使用工具的能力，它能像人一样，接到一个模糊的任务后，自己拆解步骤并去执行。
这门课程就是专门为那些想从零开始，亲手做出属于自己的AI智能体的人准备的。我们不需要你一开始就精通复杂的数学公式或深奥的神经网络理论，我们的目标很明确，就是让你学会如何利用现有的强大模型，通过编程和逻辑设计，构建出能够解决实际业务问题的智能体系统。
课程的第一部分会带你理清一些基础概念，这对于理解智能体至模型之间的区别至关重要。很多人会把大语言模型和智能体混为一谈，但实际上，模型只是智能体的核心大脑，而智能体还需要手脚、记忆和规划能力。我会带你拆解什么是智能体的核心组件，包括记忆系统、工具调用能力以及任务规划逻辑。我们还会讨论不同类型的智能体，比如简单的单体智能体，以及更复杂的、多个智能体协同工作的多智能体系统。你会了解到一个智能体从诞生到执行任务的完整生命周期，以及如何运用设计思维去构思一个真正有商业价值的AI应用场景。
在掌握了理论逻辑后，我们会进入实操环节。在动手写代码之前，我会先帮你搭建好工作环境。无论你使用的是Windows、MacOS还是Linux系统，我都会手把手教你如何安装Python，配置PyCharm集成开发环境，并确保你的开发工具链是完整且可用的。对于那些担心自己编程基础不够的朋友，我会准备一个快速复习环节，帮你捡回AI开发中必须掌握的Python基础知识，让你能迅速进入状态。
接下来的重头戏是让你体验到本地运行AI的魅力。我会教你如何安装和使用Ollama这个非常棒的工具，让你能在自己的电脑上直接运行像Llama3这样强大的开源大模型，而不需要依赖昂贵的云端API。我们会一起编写代码，为这个模型注入智能体的灵魂。你会看到，通过简单的代码编写，我们能让这个原本只能聊天的模型学会使用计算器，学会通过搜索API去互联网上寻找实时信息。这种从“只会说话”到“会用工具”的转变，正是智能体开发最迷人的地方。
当你能够让智能体使用简单工具后，我们会引入目前工业界最主流的开发框架——LangChain。LangChain就像是搭建智能体大厦的脚手架，它提供了极其丰富的组件来连接模型、记忆和工具。我会详细讲解链式调用与智能体之间的区别，教你如何利用提示词模板来规范化智能体的行为。通过LangChain，你会亲手完成一个真正的AI智能体项目，体验到逻辑链条是如何串联起复杂任务的。
在现代AI应用中，有一个词你一定听过，那就是RAG，也就是检索增强生成。现在的模型虽然强大，但它们不知道你公司的内部文档，也不知道昨天刚刚发生的新闻。为了解决这个问题，我会带你深入了解向量数据库、嵌入技术以及RAG的工作原理。我们将一起动手构建一个基于私有数据的AI助手，让它能够阅读你上传的PDF或文档，并基于这些特定知识回答问题。这不仅仅是一个技术练习，更是目前企业落地AI应用最核心的技术路径。
为了让学习成果更具说服力，我会展示几个非常具体的行业落地案例。我们会开发一个AI研究助手，它可以自动搜集并整理特定主题的深度资料；我们会做一个针对人力资源部门的简历分析助手，能够自动从成堆的简历中筛选出符合要求的候选人；我们还会模拟一个客户服务智能体，它能理解客户需求并给出准确的答复。这些案例会让你看到，AI智能体是如何在实际的商业流程中发挥作用的。
最后，一个好用的工具不应该只运行在黑漆漆的命令行窗口里，它需要一个漂亮的界面。我会教你使用Streamlit这个轻量级的框架，快速为你的AI智能体搭建出一个网页版的交互界面，让它看起来就像一个真正的商业产品。同时，我也不会忽略工程化中的难点，我们会讨论如何处理程序运行中的错误，如何设计重试机制，以及如何监控智能体在执行任务时的性能表现。
这门课程不适合那些只想通过阅读文章来获取知识的人，它更适合那些想要动手实践、想要在AI浪潮中掌握核心开发技能的开发者、产品经理或者技术爱好者。如果你已经具备了一定的Python基础，并且渴望能够亲手创造出能解决问题的AI工具，那么这里会有你需要的全部路径。通过这五个多小时的学习，你将不再只是一个AI的使用者，而会成为一个AI能力的创造者。你会发现，通过合理的逻辑设计和工具集成，你其实可以构建出一个规模庞大的数字员工团队，去处理那些曾经繁琐且重复的任务。