资源介绍
视频数量：50个
总时长：7小时43分
课程介绍：
AI智能体训练营：ADK与GCP驱动的自主系统实践
你有没有想过，为什么现在很多AI产品能做到自动化处理复杂任务？比如一个AI助手不仅能回答问题，还能帮你写代码、分析数据、甚至替你完成整个工作流程。这背后的技术就是AI智能体。很多人在学习AI时，停留在调用大模型接口的层面，写出来的代码本质上只是一个聊天机器人。而真正的AI工程师，要掌握的是让AI系统能够自主思考、调用工具、记忆上下文、协同工作——这正是这门课要教你做的事情。
这门课叫AI智能体训练营，专注于用Google的ADK开发工具和GCP云平台构建生产级别的自主系统。总共50个视频，时长将近8小时，内容覆盖从环境搭建到项目部署的完整流程。课程的设计思路非常明确：不是讲空洞的理论，而是带着你一步一步动手构建真实可用的AI系统。
课程从AI智能体的基础概念讲起。什么是AI智能体？它和大语言模型有什么区别？和传统的工作流自动化又有何不同？这些问题看似基础，但理解清楚才能在后续开发中不走弯路。你会看到课程用了很多实际案例来说明智能体在真实世界中的应用场景，比如客服自动化、数据分析、内容生成等，帮助你建立对这项技术价值的认知。
环境配置部分会手把手教你搭建开发环境。需要安装Python、配置Visual Studio Code、申请Google AI Studio的API密钥、创建GCP云账户，还要安装ADK及其依赖项。这部分内容对新手比较友好，每一步都有详细的操作指引，确保你能顺利进入后面的实战环节。
进入ADK架构部分，你才算真正踏入AI智能体开发的大门。这里会剖析智能体内部的构造：大语言模型负责推理和决策，工具模块让智能体能够调用外部API、执行代码、读写文件，记忆系统让智能体记住对话历史和长期知识，配置感知模块负责接收各种类型的输入。这些组件如何协同工作、数据在系统中怎么流动，理解清楚这些之后，你才能正确设计自己的智能体，而不是盲目试错。
工具调用是智能体变得强大的关键。你会学习如何给智能体装备各种能力：编写自定义Python工具、连接外部API、处理文件。更进一步，还会学到多工具智能体的设计，让一个智能体能够同时调用多个工具完成复杂任务。比如让智能体既能从数据库查询数据，又能调用绘图库生成图表，还能把结果写成报告。
记忆系统单独用了一个模块来讲解。智能体为什么需要记忆？因为没有记忆的智能体每次对话都是全新的，无法理解上下文。课程会教你区分短期记忆和长期记忆的实现方式：短期记忆处理当前会话的状态，长期记忆则依赖向量数据库实现语义检索。上下文管理也是重点内容，如何让智能体在长对话中保持连贯的逻辑和准确的理解。
安全问题是很多课程忽略但这门课特别重视的内容。你会学到护栏机制的重要性，了解提示词注入攻击的原理和防范方法。课程会教你设计输入验证和输出过滤的技巧，确保你的智能体不会被恶意用户误导或滥用。这些内容对有志于做企业级应用的人来说尤其重要。
评估和指标模块教你如何衡量一个AI智能体的表现。AI智能体的评估比普通软件困难得多，因为它的输出往往是开放式的。课程会介绍基于评分标准的评估方法、如何创建测试用例、设计自动化评估流程，以及持续优化智能体性能的技巧。
多智能体系统是进阶内容。当单个智能体无法完成复杂任务时，需要让多个智能体协作。课程会讲解多智能体架构的设计思路、智能体之间的通信协议（比如MCP、A2A、ACP）、任务的委托和分发机制，以及规划器和编排器的实现方式。这是目前AI领域的前沿方向，掌握了你就领先很多人。
项目实战部分给了四个完整的真实案例。第一个是开发者生产力助手，集成代码分析、Bug修复、测试生成等功能；第二个是语音转录和通话分析系统，能把录音转成文字、分析情感、提取关键信息；第三个是企业知识库聊天机器人，用RAG引擎实现精准的知识检索；第四个是多模态智能体，能处理文本、图像等多种类型的数据。每个项目都提供了完整的代码库和详细说明。
最后是部署和安全相关内容。你会学到智能体的可观测性和调试方法、如何用GCP数据库存储智能体记忆、如何用VPC网络保护AI系统、构建生产级别的AI系统要考虑哪些因素、数据泄露防护的实践方法，以及如何用Docker容器化部署AI系统。课程结尾还提供了成本优化策略和AI工程师的职业发展路线图。