Agent 工程化+ AI 编程深度实战营（完结）

第1章 大模型 Agent 开发基础

1-1 课程介绍
1-2 DeepSeek 模型是如何打造出来的？
1-3 大模型预训练流程解读
1-4 大模型微调流程解读
1-5 大模型强化学习流程解读
1-6 AI 顶级大模型特性解读
1-7 大模型 API 应用实践(1)
1-8 大模型 API 应用实践(2)
1-9 大模型 API 应用实践(3)
1-10 大模型 API 应用实践(4)
1-11 Function Calling应用实践(1)
1-12 Function Calling应用实践(2)
1-13 Function Calling应用实践(3)
1-14 Function Calling应用实践(4)
1-15 大模型应用产业落地发展趋势
1-16 AI Agent 的本质原理
1-17 AI Agent 流程工作方式总结
1-18 手写 ReAct Agent 之提示词设计
1-19 手写 ReAct Agent 之工具定义
1-20 手写 ReAct Agent 之代码设计和逻辑验证
1-21 ReAct Agent 智能客服之提示词设计
1-22 ReAct Agent 智能客服之代码设计
1-23 ReAct Agent 智能客服之云服务器测试

第2章 大模型私有化部署方案(上)

2-1 企业大模型私有化部署方案选型
2-2 Ollama 工具介绍与部署
2-3 Ollama核心参数配置
2-4 Ollama模型实现GPU负载均衡
2-5 基于Ollama部署的模型API实践
2-6 企业级vLLM推理框架优势
2-7 企业级vLLM推理框架安装部署
2-8 企业级vLLM推理框架离线推理核心参数
2-9 企业级vLLM推理框架离线推理开发参数
2-10 企业级vLLM推理框架在线推理核心参数
2-11 企业级vLLM推理框架在线推理开发参数
2-12 企业级vLLM推理框架在线推理生产实践(上)
2-13 企业级vLLM推理框架在线推理生产实践(中)
2-14 企业级vLLM推理框架在线推理生产实践(下)
2-15 企业级vLLM推理框架推理类模型支持

第3章 大模型私有化部署方案(下)

3-1 多机多卡部署之技术方案设计
3-2 多机多卡部署之主机规划
3-3 多机多卡部署之多机免密
3-4 多机多卡部署之conda环境安装
3-5 多机多卡部署之开源模型下载
3-6 多机多卡部署之同步虚拟环境
3-7 多机多卡部署之创建共享目录
3-8 多机多卡部署之pdsh工具安装
3-9 多机多卡部署之设置hosts地址
3-10 多机多卡部署之Ray集群启动
3-11 多机多卡部署之模型分布式推理测试

第4章 LangChain 应用开发快速实践

4-1 LangChain开发基础之生态介绍（上）
4-2 LangChain开发基础之生态介绍（下）
4-3 LangChain开发基础之接入大模型
4-4 LangChain开发基础之构建最简单的Chain
4-5 LangChain开发基础之构建复杂Chain
4-6 LangChain开发基础之构建复合Chain
4-7 LangChain开发基础之LCEL语言
4-8 LangChain开发基础之智能问答系统案例实践
4-9 LangChain智能体Agent之Function Call流程回顾
4-10 LangChain智能体Agent之Agent智能体构建
4-11 LangChain智能体Agent之多工具并联串联调用
4-12 LangChain智能体Agent之浏览器机器人
4-13 LangChain大模型协议MCP之MCP原理
4-14 LangChain大模型协议MCP之MCP快速入门
4-15 LangChain大模型协议MCP之智能天气系统案例实践
4-16 LangChain知识库RAG之RAG流程回顾
4-17 LangChain知识库RAG之本地知识库综合案例实践

第5章 深入浅出 LangGraph(上)

5-1 LangGraph基础之Agent开发基础
5-2 LangGraph基础之Agent开发框架选型
5-3 LangGraph基础之如何学习一个Agent智能体框架？
5-4 LangGraph基础之LangChain和LangGraph的本质区别
5-5 LangGraph基础之LangGraph结构-Graph类设计
5-6 LangGraph基础之LangGraph结构-GraphState类设计
5-7 LangGraph基础之LangGraph结构-Nodes和Edges类设计
5-8 LangGraph基础之LangGraph快速入门案例实践

第6章 深入浅出 LangGraph(中)

6-1 LangGraph进阶之State核心-State状态模式
6-2 LangGraph进阶之State核心-Graph可视化
6-3 LangGraph进阶之State核心-Reducer函数机制
6-4 LangGraph进阶之State核心-基于State构建消息传递机制
6-5 LangGraph进阶之State核心-MessageGraph实践
6-6 LangGraph进阶之State核心-LangSmith监控神器
6-7 LangGraph进阶之State核心-LangGraph与LangSmith整合
6-8 LangGraph进阶之单代理-Router Agent-LangGraph四大代理
6-9 LangGraph进阶之单代理-Router Agent-逻辑初探
6-10 LangGraph进阶之单代理-Router Agent-应用程序构建
6-11 LangGraph进阶之单代理-Router Agent-结构化输出-提示词工程
6-12 LangGraph进阶之单代理-Router Agent-结构化输出-基于内置工具
6-13 LangGraph进阶之单代理-Router Agent-基于结构化输出构建Route
6-14 LangGraph进阶之单代理-Tool Calling Agent-核心原理
6-15 LangGraph进阶之单代理-Tool Calling Agent-完整案例演示
6-16 LangGraph进阶之单代理-Tool Calling Agent-手动构建Tool
6-17 LangGraph进阶之单代理-ReAct Agent-运行流程回顾
6-18 LangGraph进阶之单代理-ReAct Agent-LangChain实现方式
6-19 LangGraph进阶之单代理-ReAct Agent-LangGraph实现方式
6-20 LangGraph进阶之单代理-ReAct Agent-实操-工具准备(1)
6-21 LangGraph进阶之单代理-ReAct Agent-实操-原理剖析(2)
6-22 LangGraph进阶之单代理-ReAct Agent-实操-效果测试(3)
6-23 LangGraph进阶之事件任务-流输出模式
6-24 LangGraph进阶之事件任务-流输出模式测试
6-25 LangGraph进阶之事件任务-事件流应用
6-26 LangGraph进阶之长短期记忆-目前应用程序存在的问题？
6-27 LangGraph进阶之长短期记忆-长短期记忆的区别
6-28 LangGraph进阶之长短期记忆-短期记忆实现原理
6-29 LangGraph进阶之长短期记忆-基于MemorySaver实现短期记忆
6-30 LangGraph进阶之长短期记忆-基于SqliteSaver实现短期记忆
6-31 LangGraph进阶之长短期记忆-实现带有记忆的智能天气助手
6-32 LangGraph进阶之长短期记忆-基于Store实现长期记忆
6-33 LangGraph进阶之人机交互-Agent中为什么需要人机交互？
6-34 LangGraph进阶之人机交互-LangGraph的人机交互实现原理
6-35 LangGraph进阶之人机交互-Graph中添加断点实践
6-36 LangGraph进阶之人机交互-Graph中添加动态断点实践
6-37 LangGraph进阶之人机交互-Graph中添加动态断点代码编写
6-38 LangGraph进阶之人机交互-Graph中添加动态断点测试

第7章 深入浅出 LangGraph(下)

7-1 LangGraph实战之多代理-OpenAI定义的5个AI阶段
7-2 LangGraph实战之多代理-单代理架构缺陷
7-3 LangGraph实战之多代理-Multi Agent架构类型
7-4 LangGraph实战之多代理-父子图之间的消息传递(上)
7-5 LangGraph实战之多代理-父子图之间的消息传递(下)
7-6 LangGraph实战之多代理-Network多代理需求分析
7-7 LangGraph实战之多代理-Network多代理代码编写
7-8 LangGraph实战之多代理-Network多代理功能测试
7-9 LangGraph实战之多代理-Magentic One原理剖析
7-10 LangGraph实战之多代理-Supervisor原理剖析与代码实践
7-11 LangGraph实战之多代理-基于Supervisor架构实现多代理系统
7-12 LangGraph实战之多代理-Multi Agent混合知识库-GraphRAG
7-13 LangGraph实战之多代理-Multi Agent混合知识库-Neo4j入库
7-14 LangGraph实战之多代理-Multi Agent混合知识库-数据库效果测试
7-15 LangGraph实战之多代理-Multi Agent混合知识库-向量数据库入库
7-16 LangGraph实战之多代理-Multi Agent混合知识库-最终效果验证
7-17 LangGraph课程总结

第8章 Agent MCP 深度剖析(上)

8-1 MCP实践之Agent的原理剖析
8-2 MCP实践之Function Call 缺点分析
8-3 MCP实践之MCP的本质是什么？
8-4 MCP实践之MCP的环境构建
8-5 MCP实践之MCP的简易Client构建
8-6 MCP实践之MCP的Client接入大模型
8-7 MCP实践之MCP的Server端构建
8-8 MCP实践之基于MCP的Client和Server通信
8-9 MCP实践之Server端Debug工具实践
8-10 MCP实践之MCP Server推荐
8-11 MCP复杂智能体之引出复杂智能体难点
8-12 MCP复杂智能体之Function Call流程回顾
8-13 MCP复杂智能体之实现Function Call的并行调用
8-14 MCP复杂智能体之实现Function Call的串行调用
8-15 MCP复杂智能体之基础依赖准备
8-16 MCP复杂智能体之数据库准备和数据准备
8-17 MCP复杂智能体之开发SQL_server服务
8-18 MCP复杂智能体之开发Python_server服务
8-19 MCP复杂智能体之MCP客户端开发
8-20 MCP复杂智能体之效果验证

第9章 Agent MCP 深度剖析(下)

9-1 MCP全流程开发之MCP全流程总结
9-2 MCP全流程开发之MCP服务器开发
9-3 MCP全流程开发之MCP服务器测试
9-4 MCP全流程开发之MCP服务器代码打包
9-5 MCP全流程开发之MCP服务器离线部署
9-6 MCP全流程开发之MCP服务器在线部署
9-7 MCP全流程开发之MCP本地客户端部署
9-8 MCP全流程开发之本地客户端接入MCP服务器
9-9 MCP通信协议
9-10 基于SSE传输的MCP服务器构建
9-11 基于SSE传输的MCP服务器测试
9-12 基于SSE传输的MCP服务器发布
9-13 基于SSE传输的MCP服务器应用
9-14 MCP HTTP消息传输方式
9-15 基于HTTP的MCP服务器创建
9-16 基于HTTP的MCP服务器测试
9-17 基于HTTP的MCP服务器应用
9-18 MCP应用之热门工具推荐
9-19 MCP应用之Cherry Studio安装部署
9-20 MCP应用之基于Cherry Studio构建文件管理系统
9-21 MCP应用之基于Cherry Studio构建爬虫智能体
9-22 MCP应用之阿里百炼平台配置
9-23 MCP应用之基于阿里百炼构建智能旅游助手
9-24 MCP应用之Dify平台配置
9-25 MCP应用之自研MCP服务器
9-26 MCP应用之基于Dify接入自研MCP服务器

第10章 SKills 从入门到精通

10-1 基础之什么是Agent Skills？
10-2 基础之Skills的本质是什么？
10-3 基础之Skills文件结构初探？
10-4 基础之Skills 如何运行？
10-5 基础之Skills 内部结构
10-6 基础之Skills 生态
10-7 基础之基于原生API实现SKills完整逻辑
10-8 基础之Skills 设计反事实对比
10-9 基础之MCP与SKills的本质区别
10-10 进阶之构建具备Skills调用能力的Agent
10-11 进阶之Skills 反面案例1
10-12 进阶之Skills 反面案例2
10-13 进阶之Skills 反面案例3
10-14 进阶之Skills 设计原则1
10-15 进阶之Skills 设计原则2
10-16 进阶之Skills 设计原则3

第11章 Agent A2A 快速实践

11-1 A2A基础之为什么会出现A2A协议？
11-2 A2A基础之A2A协议解决了什么问题？
11-3 A2A基础之A2A协议设计的关键原则
11-4 A2A基础之A2A协议核心概念-参与者
11-5 A2A基础之A2A协议核心概念-基本通信要素
11-6 A2A基础之A2A协议核心概念-交互机制
11-7 A2A代码实践之开发环境部署
11-8 A2A代码实践之Agent端代码设计
11-9 A2A代码实践之Server端代码设计
11-10 A2A基础之A2A协议是如何解决问题的？
11-11 A2A基础之A2A协议和MCP协议如何配合？
11-12 A2A代码实践之Client端代码设计
11-13 A2A代码实践之基于LangGraph的Agent设计
11-14 A2A代码实践之基于LangGraph的Server端设计
11-15 A2A代码实践之基于LangGraph的Client端设计

第12章 Context Engineering 应用实践

12-1 为什么要进行上下文工程管理？
12-2 上下文窗口全景图
12-3 Context之系统提示层
12-4 Context之对话历史管理层
12-5 Context之记忆检索注入层
12-6 Context之工具上下文管理层
12-7 Context之任务状态层
12-8 Context之外部知识层
12-9 五大策略全景图
12-10 五大策略之Write策略(1)
12-11 五大策略之Write策略(2)
12-12 五大策略之Write策略(3)
12-13 五大策略之Select策略(1)
12-14 五大策略之Select策略(2)
12-15 五大策略之Select策略(3)
12-16 五大策略之Select策略(4)
12-17 五大策略之Compress策略(1)
12-18 五大策略之Compress策略(2)
12-19 五大策略之Compress策略(3)
12-20 五大策略之Compress策略(4)
12-21 五大策略之Isolate策略
12-22 五大策略之Cache策略
12-23 上下文工程总结

第13章 Harness Engineering 应用实践

13-1 什么是Harness Engineering？
13-2 三代工程的迭代演进
13-3 naive agent的八种失效方式
13-4 驾驭工程之Agent Loop 四相循环
13-5 驾驭工程之Tool Use工具编排
13-6 驾驭工程之Progress Tracking进度追踪
13-7 驾驭工程之Context Management上下文管理
13-8 驾驭工程之Feature List任务拆解
13-9 驾驭工程之Verification Loop验证闭环
13-10 驾驭工程之Subagents子代理分治
13-11 驾驭工程之Generator-Evaluator
13-12 驾驭工程之故障与解决方案总结
13-13 驾驭工程的三大工程维度
13-14 主流的基于驾驭工程落地的产品
13-15 驾驭工程落地的官方建议
13-16 更高维度去理解驾驭工程
13-17 驾驭工程实操之配置环境构建
13-18 驾驭工程实操之四相循环
13-19 驾驭工程实操之工具编排
13-20 驾驭工程实操之进度追踪
13-21 驾驭工程实操之Memroy三层架构
13-22 驾驭工程实操之上下文管理
13-23 驾驭工程实操之任务拆解
13-24 驾驭工程实操之验证闭环
13-25 驾驭工程实操之子代理分治
13-26 驾驭工程实操之评估分离
13-27 驾驭工程实操之Hook说明
13-28 驾驭工程实操之项目全流程演示

第14章 Loop Engineering 应用实践

14-1 什么是Agent Loop(上)
14-2 什么是Agent Loop(下)
14-3 什么是Loop Engineering？
14-4 Loop Engineering 历史演进
14-5 Loop Engineering 应用实践

第15章 Agent 长短记忆管理

15-1 什么需要记忆管理？
15-2 短期记忆与长期记忆的本质区别
15-3 长短期记忆管理的主流方式
15-4 短期记忆之信息管理机制设计
15-5 短期记忆之信息管理机制实践(上)
15-6 短期记忆之信息管理机制实践(下)
15-7 长期记忆之存储引擎(上)
15-8 长期记忆之存储引擎(下)
15-9 长期记忆之写入触发机制
15-10 长期记忆之Direct注入
15-11 长期记忆之语义检索注入
15-12 长期记忆之离线记忆重组
15-13 长短期记忆协同工作机制
15-14 长短期记忆协同落地实践
15-15 记忆管理进阶之为什么需要Mem0？
15-16 记忆管理进阶之Mem0三层存储设计
15-17 记忆管理进阶之Mem0两阶段运行
15-18 记忆管理进阶之Mem0的优势与局限
15-19 记忆管理进阶之Mem0实操
15-20 记忆管理进阶之Milvus向量库部署
15-21 记忆管理进阶之Mem0云平台调用
15-22 记忆管理进阶之LangChain接入Mem0
15-23 记忆管理进阶之Web框架接入Mem0
15-24 记忆管理进阶之Mem0+RAG并行
15-25 记忆管理进阶之记忆管理生产经验(1)
15-26 记忆管理进阶之记忆管理生产经验(2)
15-27 记忆管理进阶之记忆管理生产经验(3)
15-28 记忆管理进阶之记忆管理生产经验(4)
15-29 记忆管理进阶之记忆管理生产经验(5)
15-30 记忆管理进阶之记忆管理生产经验(6)

第16章 GraphRAG 深度剖析(上)

16-1 GraphRAG原理篇之传统RAG流程回顾
16-2 GraphRAG原理篇之传统RAG流程痛点分析
16-3 GraphRAG原理篇之什么是知识图谱？
16-4 GraphRAG原理篇之GraphRAG 产品对比
16-5 GraphRAG原理篇之GraphRAG 环境部署
16-6 GraphRAG原理篇之GraphRAG 核心参数配置
16-7 GraphRAG原理篇之GraphRAG核心命令快速体验
16-8 GraphRAG原理篇之Microsoft GraphRAG原理
16-9 GraphRAG Index源码篇之源码环境准备
16-10 GraphRAG Index源码篇之index初始化动作
16-11 GraphRAG Index源码篇之文档加载格式
16-12 GraphRAG Index源码篇之文档加载策略
16-13 GraphRAG Index源码篇之文档切分策略
16-14 GraphRAG Index源码篇之文档切分逻辑
16-15 GraphRAG Index源码篇之文档切分内容
16-16 GraphRAG Index源码篇之文档实体和关系抽取
16-17 GraphRAG Index源码篇之实体和关系摘要生成
16-18 GraphRAG Index源码篇之实体和关系内容窥探
16-19 GraphRAG index源码篇之finalize_graph结果查看
16-20 GraphRAG index源码篇之社区检测流程
16-21 GraphRAG index源码篇之合并知识图谱
16-22 GraphRAG index源码篇之生成社区报告
16-23 GraphRAG index源码篇之社区报告内容查看
16-24 GraphRAG index源码篇之索引结构向量化
16-25 GraphRAG 图数据库篇之图数据库准备
16-26 GraphRAG 图数据库篇之创建节点
16-27 GraphRAG 图数据库篇之创建属性
16-28 GraphRAG 图数据库篇之常见需求Cypher语句
16-29 GraphRAG 图数据库篇之导入图数据数据脚本研发
16-30 GraphRAG 图数据库篇之导入text_units数据
16-31 GraphRAG 图数据库篇之导入entities数据
16-32 GraphRAG 图数据库篇之导入relationships数据
16-33 GraphRAG 图数据库篇之导入communities数据
16-34 GraphRAG 图数据库篇之导入community_reports数据

第17章 GraphRAG 深度剖析(下)

17-1 GraphRAG Query源码篇之Global流程概述
17-2 GraphRAG Query源码篇之Local流程概述
17-3 GraphRAG Query源码篇之Query源码环境准备
17-4 GraphRAG Query源码篇之读取索引文件信息
17-5 GraphRAG Query源码篇之加载Embedding向量文件
17-6 GraphRAG Query源码篇之获取社区报告数据
17-7 GraphRAG Query源码篇之查询提示词模板设计
17-8 GraphRAG Query源码篇之用户问题与实体信息匹配
17-9 GraphRAG Query源码篇之实体与社区信息匹配
17-10 GraphRAG Query源码篇之构建完整提示词生成答案
17-11 GraphRAG Query源码篇之Global流程解析
17-12 GraphRAG Query源码篇之索引文件加载
17-13 GraphRAG Query源码篇之加载索引文件内容展示
17-14 GraphRAG Query源码篇之静态社区与动态社区
17-15 GraphRAG Query源码篇之Map-Reduce结果展示
17-16 GraphRAG 课程总结

第18章 AI 大模型智能客服项目(上)

18-1 智能客服之需求分析
18-2 智能客服之全景架构设计
18-3 智能客服之技术选型
18-4 智能客服之资源评估
18-5 智能客服之模型能力测试-平台推荐
18-6 智能客服之模型能力测试-测评环境构建
18-7 智能客服之模型能力测试-测评数据集介绍
18-8 智能客服之模型能力测试-模型能力测试对比演练(4)
18-9 智能客服之模型部署-部署工具安装
18-10 智能客服之模型部署-核心参数配置
18-11 智能客服之模型部署-GPU负载均衡设计
18-12 智能客服之模型压力测试-API实践（上）
18-13 智能客服之模型压力测试-API实践（中）
18-14 智能客服之模型压力测试-API实践（下）
18-15 智能客服之模型压力测试-并发效果测试
18-16 智能客服之模型压力测试-并发测试脚本开发
18-17 智能客服之模型压力测试-在线DeepSeek模型压力测试
18-18 智能客服版本1之项目部署-项目文件和功能展示
18-19 智能客服版本1之项目部署-模型私有化部署
18-20 智能客服版本1之项目部署-MySQL数据库安装
18-21 智能客服版本1之项目部署-Redis数据库安装
18-22 智能客服版本1之项目部署-项目启动与功能测试
18-23 智能客服版本1之技术方案-前后端分离
18-24 智能客服版本1之技术方案-缓存语义相似度方案(上)
18-25 智能客服版本1之技术方案-缓存语义相似度方案(下)
18-26 智能客服版本1之技术方案-外部函数调用
18-27 智能客服版本1之代码落地-数据库表设计
18-28 智能客服版本1之代码落地-用户登录接口实现(上)
18-29 智能客服版本1之代码落地-用户登录接口实现(下)
18-30 智能客服版本1之代码落地-对话接口实现（上）
18-31 智能客服版本1之代码落地-对话接口实现（下）
18-32 智能客服版本1之代码落地-联网搜索功能实现

第19章 AI 大模型智能客服项目(中)

19-1 智能客服版本2之智能客服整体技术方案
19-2 智能客服版本2之智能客服核心技术选型(上)
19-3 智能客服版本2之智能客服核心技术选型(下)
19-4 智能客服版本2之智能客服数据方案架构设计
19-5 智能客服版本2之结构化数据-csv数据准备
19-6 智能客服版本2之结构化数据-csv数据处理方案设计
19-7 智能客服版本2之结构化数据-自然语言数据文件预处理
19-8 智能客服版本2之结构化数据-数据切割策略优化
19-9 智能客服版本2之结构化数据-自然语言数据切割逻辑
19-10 智能客服版本2之结构化数据-自适应提示词流程设计
19-11 智能客服版本2之结构化数据-GraphRAG数据生成
19-12 智能客服版本2之结构化数据-结构化数据导图数据库
19-13 智能客服版本2之多模态数据-minerU开源项目介绍
19-14 智能客服版本2之多模态数据-minerU项目原理剖析
19-15 智能客服版本2之多模态数据-基于minerU解析PDF文件
19-16 智能客服版本2之多模态数据-minerU结果格式文件详解
19-17 智能客服版本2之多模态数据-minerU工程化落地方案设计
19-18 智能客服版本2之多模态数据-PDF数据处理方案总体设计
19-19 智能客服版本2之多模态数据-PDF数据加载
19-20 智能客服版本2之多模态数据-PDF数据后处理逻辑
19-21 智能客服版本2之多模态数据-PDF数据处理中间文档
19-22 智能客服版本2之多模态数据-PDF数据切割策略
19-23 智能客服版本2之多模态数据-PDF数据处理全流程联调
19-24 智能客服版本2之GraphRAG工程化-方案设计
19-25 智能客服版本2之GraphRAG工程化-动态提示词模块接口设计
19-26 智能客服版本2之GraphRAG工程化-全量索引构建接口设计
19-27 智能客服版本2之GraphRAG工程化-增量索引构建接口设计
19-28 智能客服版本2之GraphRAG工程化-查询接口设计
19-29 智能客服版本2之GraphRAG工程化-数据接口前后端联调

第20章 AI 大模型智能客服项目(下)

20-1 智能客服版本2之Multi Agent架构之总体设计
20-2 智能客服版本2之Multi Agent架构之项目功能预览
20-3 智能客服版本2之Multi Agent架构之意图识别设计
20-4 智能客服版本2之Multi Agent架构之普通问答流程设计
20-5 智能客服版本2之Multi Agent架构之安全护栏设计
20-6 智能客服版本2之Multi Agent架构之复杂问题拆解
20-7 智能客服版本2之Multi Agent架构之工具选择
20-8 智能客服版本2之Multi Agent架构之GraphRAG查询
20-9 智能客服版本2之Multi Agent架构之基于规则引擎查询
20-10 智能客服版本2之Multi Agent架构之Text2Code查询
20-11 智能客服版本2之Multi Agent架构之支持多模态查询
20-12 智能客服版本2之Multi Agent架构之全流程演示

第21章 Agent 智能体评估

21-1 评估基础之为什么 Agent 评估难？
21-2 评估基础之 Agent 评估角度
21-3 评估基础之任务结果评估
21-4 评估基础之工具与动作评估
21-5 评估基础之过程轨迹评估
21-6 评估基础之依据与状态一致性评估
21-7 评估基础之多轮交互与状态保持评估
21-8 评估基础之规则、安全与权限评估
21-9 评估基础之抗扰稳定性与回归稳定性评估
21-10 评估基础之特殊评估角度
21-11 评估进阶之 Agent 评估平台技术选型
21-12 评估进阶之评估平台介绍
21-13 评估进阶之构建待评估的Agent
21-14 评估进阶之Agent接入评估平台
21-15 评估进阶之评估数据集构建
21-16 评估进阶之评估脚本构建
21-17 评估进阶之比版本Comparison
21-18 评估进阶之人工标注方案实践
21-19 评估案例之项目部署与背景介绍
21-20 评估案例之项目数据可复现性实现
21-21 评估案例之评估数据集构建
21-22 评估案例之Agent核心功能测评
21-23 评估案例之Agent多轮对话状态评估
21-24 评估案例之Agent安全规则评估
21-25 评估案例之Agent抗扰稳定性评估
21-26 评估案例之评估驱动优化

第22章 Vibe Coding 之 Cursor 快速实践

22-1 Vibe Coding课程介绍
22-2 什么是Vibe Coding？
22-3 Vibe Coding的核心特征是什么？
22-4 Vibe Coding的难点在哪儿？
22-5 Vibe Coding的开发生命周期是什么？
22-6 软件开发生命周期中的AI工具分享
22-7 Cursor安装部署与账户注册
22-8 Cursor界面核心功能介绍
22-9 ChatBot快速实践之开发目标
22-10 ChatBot快速实践之需求梳理
22-11 ChatBot快速实践之需求拆分
22-12 ChatBot快速实践之项目搭建
22-13 ChatBot快速实践之前端工程开发
22-14 ChatBot快速实践之后端工程开发
22-15 ChatBot快速实践之前后端联调
22-16 ChatBot快速实践之效果优化

第23章 Vibe Coding 之 ChatBI 平台项目

23-1 智能问数平台实战之学习目标
23-2 智能问数平台实战之项目立项
23-3 智能问数平台实战之需求分析
23-4 智能问数平台实战之架构设计
23-5 智能问数平台实战之功能拆分
23-6 智能问数平台实战之任务管理(上)
23-7 智能问数平台实战之任务管理(中)
23-8 智能问数平台实战之任务管理(下)
23-9 智能问数平台实战之构建AI管理工作流(上)
23-10 智能问数平台实战之构建AI管理工作流(下)
23-11 智能问数平台实战之项目构建
23-12 智能问数平台实战之前端代码开发
23-13 智能问数平台实战之后端代码开发(上)
23-14 智能问数平台实战之后端代码开发(中)
23-15 智能问数平台实战之后端代码开发(下)
23-16 智能问数平台实战之前后端联调
23-17 智能问数平台实战之功能优化
23-18 智能问数平台实战之语义治理
23-19 智能问数平台实战之数值映射
23-20 智能问数平台实战之意图识别
23-21 智能问数平台实战之项目总结

第24章 Vibe Coding 之小龙虾二次开发项目

24-1 二次开发-项目目标
24-2 二次开发-设计思路
24-3 二次开发-环境配置
24-4 二次开发-源码下载
24-5 二次开发-项目启动
24-6 二次开发-rules 沉淀
24-7 二次开发-MVP测试(上)
24-8 二次开发-MVP测试(下)
24-9 二次开发-需求分析
24-10 二次开发-整体架构梳理
24-11 二次开发-客户端架构梳理
24-12 二次开发-GateWay架构梳理
24-13 二次开发-Channel架构梳理
24-14 二次开发-Agent架构梳理
24-15 二次开发-规范文档校验
24-16 二次开发-开源项目升级(上)
24-17 二次开发-开源项目升级(下)
24-18 二次开发-启动项目
24-19 二次开发-接入自定义模型
24-20 二次开发-接入自定义Channel
24-21 二次开发-接入飞书测试
24-22 二次开发-接入自定义 Agent Skills
24-23 二次开发-项目总结

第25章 Vibe Coding 之 Claude Code 快速实践

25-1 为什么Claude Code如此高效？
25-2 Claude Code的核心功能
25-3 Claude Code的关键特性与高级概念
25-4 Claude Code与其它工具对比
25-5 基于Windows安装Claude Code
25-6 基于Linux安装Claude Code
25-7 基于macOS安装Claude Code
25-8 账户注册之官网订阅
25-9 账户注册之通过CC-Switch接入
25-10 Cursor中接入Claude Code
25-11 基于Claude Code快速实现HTML页面
25-12 frontend-design前端插件安装与使用
25-13 Pencil前端MCP工具安装
25-14 基于Pencil生成产品原型图
25-15 体验一句话生成完整应用
25-16 多Agent协作完成应用开发
25-17 驾驭工程(Harness Engineering)的重要性

第26章 Vibe Coding 之多模态知识库项目

26-1 多模态知识库-基于驾驭工程的项目目标
26-2 多模态知识库-项目准备(上)
26-3 多模态知识库-项目准备(中)
26-4 多模态知识库-项目准备(下)
26-5 多模态知识库-架构设计
26-6 多模态知识库-技术选型
26-7 多模态知识库-知识抽取Spec文档编写
26-8 多模态知识库-知识解析Spec文档编写
26-9 多模态知识库-SDD规范文档编写(1)
26-10 多模态知识库-SDD规范文档编写(2)
26-11 多模态知识库-SDD规范文档编写(3)
26-12 多模态知识库-SDD规范文档编写(4)
26-13 多模态知识库-SDD规范文档编写(5)
26-14 多模态知识库-SDD规范文档编写(6)
26-15 多模态知识库-SDD规范文档编写(7)
26-16 多模态知识库-SDD规范文档编写(8)
26-17 多模态知识库-PRD文档编写
26-18 多模态知识库-产品原型设计
26-19 多模态知识库-前端代码生成
26-20 多模态知识库-后端代码生成
26-21 多模态知识库-基于驾驭工程进行前后端联调
26-22 多模态知识库-功能优化
26-23 多模态知识库-项目总结

第27章 Vibe Coding 之智能文档审核平台项目

27-1 SDD编程落地之项目目标
27-2 SDD编程落地之AI编程方法论梳理
27-3 SDD编程落地之Agent Team工作原理解读
27-4 SDD编程落地之项目总流程梳理
27-5 SDD编程落地之配置项目运行环境
27-6 SDD编程落地之完成项目初始化
27-7 SDD编程落地之完成市场调研
27-8 SDD编程落地之完成竞品分析
27-9 SDD编程落地之完成业务建模
27-10 SDD编程落地之完成交互链路设计
27-11 SDD编程落地之完成前后端的职责边界梳理
27-12 SDD编程落地之完成后端系统架构设计
27-13 SDD编程落地之完成数据模型设计
27-14 SDD编程落地之完成后端接口设计
27-15 SDD编程落地之完成PRD文档生成
27-16 SDD编程落地之基于Figma完成UI开发
27-17 SDD编程落地之完成后端MVP开发
27-18 SDD编程落地之完成前端代码实现
27-19 SDD编程落地之完成前后端联调
27-20 SDD编程落地之前后端联调细节优化

第28章 AI 大模型智能问数 Agent 平台项目(上)

28-1 智能问数之项目效果演示
28-2 智能问数之服务器配置和环境构建
28-3 智能问数之总体设计和技术选型
28-4 智能问数之Embedding模型安装部署
28-5 智能问数之数据库安装部署
28-6 智能问数之开源向量数据库Milvus部署
28-7 智能问数之Neo4j数据库实例部署
28-8 智能问数之项目依赖部署
28-9 智能问数之前后台项目启动
28-10 智能问数之数据库表设计
28-11 智能问数之数据库连接管理
28-12 智能问数之数值映射设计与代码落地
28-13 智能问数之语义治理
28-14 智能问数之知识图谱设计(上)
28-15 智能问数之知识图谱设计(下)
28-16 智能问数之智能训练方案设计与落地(上)
28-17 智能问数之智能训练方案设计与落地(下)
28-18 智能问数之后台系统总结

第29章 AI 大模型智能问数 Agent 平台项目(下)

29-1 智能问数之全流程方案设计
29-2 智能问数之LangGraph核心知识准备
29-3 智能问数之多智能体核心方案设计与代码落地
29-4 智能问数之意图识别智能体设计与代码落地
29-5 智能问数之意图识别智能体动态提示词设计
29-6 智能问数之SQL生成智能体设计与代码落地
29-7 智能问数之SQL校验智能体设计与代码落地
29-8 智能问数之SQL并行校验智能体设计与代码落地
29-9 智能问数之SQL执行智能体设计与代码落地
29-10 智能问数之图表生成智能体设计与代码落地
29-11 智能问数之错误恢复智能体设计与代码落地
29-12 智能问数之人机交互逻辑设计
29-13 项目总结之Text2SQL准确率问题

本课程已完结