价格： 69 学币
AI Agent从0到1定制开发 全栈+全流程+企业级落地实战视频教程。AI Agent 开发已成为AI时代的核心技能，市场需求强劲，人才供不应求。越早掌握这一技能，未来的收益将越大！本课程从基础知识入手，手把手引导您逐步深入，涵盖从需求分析到设计、开发、部署优化及评估的全过程。您将掌握全栈技能，包括 LangChain、CrewAI、Deepseek、RAG、单/多Agent 和工作流等。通过积累10多个场景的实战经验，您将具备设计智能化解决方案的能力，全方位提升企业的定制化与智能化开发综合实战能力，助力成为AI时代市场紧缺的高端人才。
.
├──第1章 课程学习安排——助你顺利学习以及避坑/
│ ├── [ 29M] 1-1深入了解课程，少走弯路，必看！！！
│ └── [421K] 1-2如何提问&进入课程群&使用IDE学习环境.pdf
├──第2章 AI智能体：AI3.0时代最大的转型红利/
│ ├── [2.0M] 2-1本章介绍
│ ├── [ 34M] 2-2智能革命爆发：从梦想到现实
│ ├── [ 23M] 2-3智能体揭秘：为什么它是未来的核心？智能体到底是什么？
│ ├── [ 41M] 2-4风口以至-机遇与挑战：AI淘汰的是不会使用AI的人
│ ├── [9.4M] 2-5新手必知：扫清学习障碍
│ └── [677K] 2-6本章小结
├──第3章 大模型：智能体的超级大脑/
│ ├── [2.6M] 3-1本章介绍
│ ├── [ 23M] 3-2带你快速了解LLM（大语言模型）的前世今生
│ ├── [ 21M] 3-3全景扫描：国内外主流大语言模型（LLM）
│ ├── [ 19M] 3-4开源VS闭源：你该如何选择
│ ├── [ 28M] 3-5大模型的短板与解决方案
│ ├── [ 35M] 3-6练一练：搞定你的大模型源（闭源与开源）
│ └── [1.2M] 3-7本章小结
├──第4章 AI应用开发应知必会的那些事/
│ ├── [3.7M] 4-1本章介绍
│ ├── [ 33M] 4-2如何正确使用AI编程？
│ ├── [ 31M] 4-3什么是提示词工程？AI对话的魔法咒语+常见思维流模式
│ ├── [ 15M] 4-4如何正确的获取AI行业信息？
│ ├── [ 27M] 4-5小浪助手两大项目演示：单智能体和多智能体
│ └── [2.2M] 4-6本章总结
├──第5章 DeepSeek：国产之光/
│ ├── [7.5M] 5-1本章介绍
│ ├── [ 32M] 5-2DeepSeek为什么火了？
│ ├── [ 44M] 5-3推理大模型做对了什么？DeepSeekV3与DeepSeekR1本质区别
│ ├── [ 21M] 5-4DeepSeek提示词模板与注意
│ ├── [6.8M] 5-5新手必知的10个DeepSeek魔法指令
│ ├── [ 68M] 5-6DeepSeek的模型与部署需求分析，以及资源获取方式
│ ├── [ 55M] 5-7DS本地部署：本地私有化AI对话助手实现
│ ├── [ 34M] 5-8DS云端部署：按需付费更加灵活
│ ├── [ 39M] 5-9DS云端API：个人用户最佳选择
│ └── [2.3M] 5-10本章小结
├──第6章 初识langchain：LLM大模型与AI应用的“粘合剂”/
│ ├── [3.0M] 6-1本章介绍
│ ├── [ 11M] 6-2langchain是什么以及发展过程
│ ├── [ 27M] 6-3langchain能做什么和能力一览
│ ├── [ 11M] 6-4langchain的优势与劣势分析
│ ├── [ 28M] 6-5langchain使用环境的搭建
│ ├── [ 19M] 6-6AI智能开发学习平台（实战+免费key+测试+AI资讯）
│ ├── [ 28M] 6-7先跑起来：第一个实例，了解langchain的基本模块
│ └── [2.6M] 6-8本章总结
├──第7章 ChatModels：磨平不同LLM的差异/
│ ├── [3.9M] 7-1本章介绍
│ ├── [ 24M] 7-2LangChain核心组件：LLMs与ChatModels
│ ├── [ 73M] 7-3LangChain使用标准事件驱动大模型
│ ├── [ 31M] 7-4tokens与上下文交互窗口
│ ├── [ 14M] 7-5模型异常处理与缓存机制
│ ├── [ 29M] 7-6如何配合本地大模型？模型Tokenusage的花费？
│ ├── [ 24M] 7-7大模型的ToolCall工具调用能力：先进大模型的标配
│ └── [2.8M] 7-8练一练：使用某个大模型来驱动事件
├──第8章 PromptTemple： 提示词工程在LangChain中的实践/
│ ├── [2.0M] 8-1本章介绍
│ ├── [9.5M] 8-2提示词：大模型工作的核心部件
│ ├── [ 13M] 8-3prompts模板：大模型推理的关键
│ ├── [7.3M] 8-4五种prompts模板实战：字符串模板应用
│ ├── [9.3M] 8-5五种prompts模板实战：对话模板应用
│ ├── [5.9M] 8-6五种prompts模板实战：消息占位符应用
│ ├── [6.0M] 8-7五种prompts模板实战：使用Message组合模板
│ ├── [ 27M] 8-8五种prompts模板实战：自定义模板应用
│ ├── @优库it资源网ukoou.com
│ ├── [ 30M] 8-9FewShot：提供推理质量的常见方式
│ ├── [ 32M] 8-10示例选择器-根据长度动态选择提示词示例
│ ├── [ 16M] 8-11示例选择器-根据语义相似度选择提示词示例
│ ├── [ 18M] 8-12示例选择器-MMR与最大余弦相似度选择示例
│ ├── [8.5M] 8-13使用Partial实战部分格式化效果
│ ├── [ 35M] 8-14langchainhub加载提示词管理
│ ├── [2.1M] 8-15练一练：使用langchainhub加载提示词模板
│ └── [4.6M] 8-16本章总结
├──第9章 规范化输出：OutputParsers的关键技术/
│ ├── [9.3M] 9-1本章介绍
│ ├── [ 25M] 9-2常见的输出解析器OutputParsers一览
│ ├── [ 31M] 9-3文本、JSON、XML、结构化输出解析器应用（1）
│ ├── [ 37M] 9-4文本、JSON、XML、结构化输出解析器应用（2）
│ ├── [ 19M] 9-5LLM应用容错机制
│ ├── [ 22M] 9-6如何自定义解析器？
│ └── [3.2M] 9-7本章总结
└──第10章 LCEL：组件化开发的新范式/
├── [3.8M] 10-1本章介绍
├── [ 14M] 10-2Runnable接口到底是什么？
├── [ 27M] 10-3LCEL是什么与使用场景
├── [ 10M] 10-4链的基本应用：使用管道操作符快速生成一条链
├── [ 35M] 10-5链的基本应用：链的流式调用
├── [ 19M] 10-6链的基本应用：并行运行多条链
├── [ 16M] 10-7从老版本的chain迁移到LCEL
├── [ 32M] 10-8链的高级应用：在链中使用函数
├── [ 15M] 10-9链的高级应用：在链中自定义支持流输出的函数
├── [3.5M] 10-10链的高级应用：使用RunnablePassthrough来传递值
├── [ 14M] 10-11链的高级应用：如何在运行时动态添加链的配置
├── [ 43M] 10-12链的高级应用：为链增加记忆能力（短时记忆InMemoryHistory）
├── [ 20M] 10-13链的高级应用：使用Redis构建长期记忆
├── [ 27M] 10-14链的高级应用：使用LCEL来自定义路由链
└── [1.8M] 10-15本章总结
├── 第11章 RAG：知识增强型AI系统/
│ ├── [6.2M] 11-1本章介绍
│ ├── [ 46M] 11-2RAG：检索增强生成是什么？RAG原理？
│ ├── [8.7M] 11-3知识（数据）预处理：让文档变得AI友好
│ ├── [ 20M] 11-4常见的Loader加载器：PDF+多模态图文PDF
│ ├── [ 31M] 11-5常见的Loader加载器：解析网页+CVS+Excel
│ ├── [4.8M] 11-6文档切分：为什么以及如何切
│ ├── [ 18M] 11-7文档切分：如何基于长度+文本+文档+语义进行切片
│ ├── [5.5M] 11-8向量艺术：嵌入模型
│ ├── [ 34M] 11-9向量艺术：langChain的嵌入实现
│ ├── [ 18M] 11-10向量艺术：向量数据库基础
│ ├── [ 17M] 11-11向量艺术：Langchain的向量库实现
│ ├── [ 37M] 11-12向量库实现：向量库的数据增加+删除+相似性搜索+MMR+混合搜索
│ ├── [5.3M] 11-13向量艺术：检索器概念
│ ├── [ 20M] 11-14检索器在langChain中的实现（基本的检索器+语法搜索构建：BM25）
│ ├── [ 16M] 11-15查询重写：如何处理非结构化数据？
│ ├── [ 31M] 11-16查询重构：如何处理结构化数据？
│ ├── [6.7M] 11-17检索策略大比拼：找到合适你的方案
│ ├── [ 16M] 11-18检索调优：让RAG系统更快更准
│ ├── [ 39M] 11-19检索器：调优—上下文压缩+排序+相似性分数
│ ├── [ 19M] 11-20未来可期：RAG技术的进化之路
│ ├── [ 33M] 11-21动一动：ChatDoc--又一个简单的文档检索小助手
│ └── [1.8M] 11-22本章总结
├── 第12章 Agents实战：单Agent实现自定义BOT/
│ ├── [3.5M] 12-1本章介绍(1)
│ ├── [ 13M] 12-2小浪助手（单智能体）案例拆解
│ ├── [ 17M] 12-3什么是单Agent？
│ ├── [ 13M] 12-4使用LangChain创建第一个Agent
│ ├── [ 10M] 12-5小浪助手实战：开发环境搭建说明与实战流程
│ ├── [ 56M] 12-6项目相关资源获取（环境和IDE&APIKEY&AI编程&钉钉API）
│ ├── [ 22M] 12-7项目架构演示
│ ├── @优库it资源网ukoou点com
│ ├── [ 60M] 12-8项目架构搭建
│ ├── [ 38M] 12-9提示词模块设计
│ ├── [ 35M] 12-10感情侦测实现
│ ├── [ 12M] 12-11工具的设计
│ ├── [ 32M] 12-12工具的设计实现
│ ├── [ 50M] 12-13知识库设计余实现
│ ├── [ 71M] 12-14钉钉工具设计与实现
│ ├── [ 28M] 12-15记忆系统设计实现
│ ├── [ 28M] 12-16项目可观测性实现
│ └── [ 52M] 12-17容器化部署
├── 第13章 Agents深入：多Agents工作流的实现/
│ ├── [ 10M] 13-1本章介绍
│ ├── [ 22M] 13-2为什么选择多智能体架构？
│ ├── [ 12M] 13-3常见的多智能体架构
│ ├── [7.2M] 13-4LangGraph讲解
│ ├── [7.3M] 13-5LangGraph核心组件：节点与可控制性
│ ├── [ 27M] 13-6【实现】节点与可控制性-第一个LangGraph
│ ├── [ 36M] 13-7【实现】节点与可控制性-基本控制：串行控制&分支控制&条件分支与循环
│ ├── [ 30M] 13-8【实现】节点与可控制性-精细控制：图的运行时配置&map-reduce
│ ├── [ 12M] 13-9LangGraph核心组件：持久化与记忆
│ ├── [ 35M] 13-10【实现】持久化与记忆-基本运用：相乘隔离的持久层&跨线程持久化调用
│ ├── [ 61M] 13-11【实现】持久化与记忆-记忆：短期记忆的实现&长期以及实现&使用总结技术优化记忆
│ ├── [6.1M] 13-12LangGraph核心组件：人机交互
│ ├── [ 24M] 13-13【实现】LangGraph人机交互-基本运用：等待用户数据
│ ├── [ 24M] 13-14【实现】LangGraph人机交互-基本运用：审查工具调用
│ ├── [7.7M] 13-15【实现】LangGraph人机交互-基本使用：编辑图的状态
│ ├── [ 26M] 13-16LangGraph核心组件：时光旅行
│ ├── [ 15M] 13-17LangGraph核心组件：流式输出
│ ├── [ 22M] 13-18LangGraph核心组件：工具调用
│ ├── [ 49M] 13-19小实战：基于LangGraph构建代码助手
│ ├── [ 26M] 13-20小实战：基于LangGraph的提示词生成小助手
│ ├── [100M] 13-21大实战：小浪助手（多智能体版）
│ └── [3.2M] 13-22本章小结
├── 第14章 Agents深入：部署优化与云平台使用/
│ ├── [3.6M] 14-1本章介绍
│ ├── [ 48M] 14-2智能体常见的优化方式：计划和执行智能体架构优化方式
│ ├── [ 25M] 14-3智能体常见的优化方式：基本反思智能体架构优化方式
│ ├── [ 22M] 14-4智能体效果评估：模拟用户来评估智能体
│ ├── [ 36M] 14-5智能体效果评估：使用LangSmith评估智能体
│ ├── [9.7M] 14-6LangGraph云平台
│ ├── [ 22M] 14-7如何使用LangGraph服务器进行本地开发
│ ├── [ 12M] 14-8如何使用模板快速启动项目
│ ├── [ 20M] 14-9LangGraphStudioUI
│ ├── [7.3M] 14-10如何在LangGraphcloud上部署
│ └── [1.9M] 14-11本章小结
├── 第15章 CrewAI： 又一款主流的Agents开发框架/
│ ├── [5.8M] 15-1 本章介绍
│ ├── [ 12M] 15-2 什么是CrewAI
│ ├── [ 17M] 15-3 CrewAI安装与第一个示例
│ ├── [8.9M] 15-4 CrewAI 核心组件讲解
│ ├── [ 23M] 15-5 CrewAI 核心组件：Agents
│ ├── [ 17M] 15-6 CrewAI 核心组件：Task
│ ├── [ 15M] 15-7 CrewAI 核心组件：Crew & flow
│ ├── [ 27M] 15-8 CrewAI 核心组件：知识库 & 记忆
│ ├── [ 26M] 15-9 基于CrewAI 的游戏开发助手
│ ├── [ 37M] 15-10 基于CrewAI 的营销策略大师
│ └── [1.5M] 15-11 本章小结
└── 第16章 课程总结/
├── [ 23M] 16-1 课程回顾
└── [ 15M] 16-2 课程总结与展望
└── 资料代码/
