【JK】AI 工程化项目实战营（已完结）

课程介绍

AI 工程化项目实战营，深入探索了多Agent协作与通信机制，并结合记忆管理与多模态识别技术，实现了自主学习、精准意图识别及复杂场景下的多轮对话。在工程化落地层面，严格遵循企业级标准，高并发、多租户、插件化设计、云原生部署、移动端适配、可视化后台。技术实现上，不仅完成了深度的数据清洗与模型定制化开发，还掌握了NLP、模型服务化部署以及向量数据库集群等进阶技术。在工具链实践中，熟练运用了LangChain、AutoGen、CrewAI等主流框架，并基于LangGraph、LangMem优化了Agent工作流与记忆管理，通过LlamaIndex提升了RAG系统的性能。。

资源目录

.
├── 00-开学第一课/
│   └── [940M]  开营直播-AIIDE的架构演进，洞察AI工程化的设计逻辑
├── 01-第一周：大语言模型技术栈与 Prompt 工程/
│   ├── [2.7G]  1.AI工程化定义&大模型与函数的调用
│   └── [1.6G]  2.LangChain核心组件&LlamaIndex与知识增强系统
├── 02-第二周：技术栈与 Prompt 工程&深度学习与 NLP 基础/
│   ├── [1.4G]  1.工程化中的Prompt技巧与多Agent、轻量微调、生产部署实践
│   └── [4.3G]  2.工程准备与数据工程&Transformer与高效微调
├── 03-第三周：深度学习与 NLP 基础/
│   └── [1.3G]  1.微调管理优化与评估压缩部署
├── 04-第四周：数据工程与知识增强/
│   ├── [2.7G]  1.解构RAG与使用LlamaIndex实现RAG
│   └── [1.5G]  2.QAnything与本地RAG解决方案
├── 05-第五周：数据工程与知识增强&智能客服系统架构设计/
│   ├── [1.7G]  1.提升RAG效果的方法
│   └── [1.8G]  2.搭建基础对话链&意图识别流水线设计.fixed
├── 06-第六周：智能客服系统架构设计/
│   ├── [1.3G]  1.意图识别与上下文理解与记忆管理
│   └── [1.5G]  2.让系统“会行动”与用LangGraph实现多轮对话流程控制
├── 07-第七周：智能客服系统架构与多Agent协作与通信机制/
│   ├── [975M]  1.工具调用引擎设计&多Agent协作概念以及主流框架
│   └── [1.9G]  2.多智能体框架与MCP协议
├── 08-第八周：多Agent协作与通信机制/
│   ├── [1.4G]  1.LangGraph集成MCPServer与A2A
│   └── [1.2G]  2.Gemini-fullstack-langgraph-quickstart源码剖析
├── 09-第九周：DSL语言设计与执行引擎/
│   ├── [1.1G]  1.DSL设计原则与应用场景&使用ANTLR-Lark解析DSL语法
│   └── [1.2G]  2.NL2SQL与数据安全
├── 10-第十周：智能Agent高级能力构建/
│   └── [1.3G]  1.记忆管理系统设计与Agent可观测性系统构建
├── 11-第十一周：智能Agent高级能力构建/
│   └── [1.5G]  1.Agent在多模态任务中的推理&移动端大模型部署
├── 12-第十二周：模型部署与服务化/
│   ├── [1.3G]  1.Docker容器化打包与镜像构建&FastAPI构建模型基础服务
│   └── [1.4G]  2.K8S编排基础与监控系统、日志收集系统搭建
├── 13-第十三周：Python高性能编程与并发工程/
│   ├── [1.2G]  1.核心概念与底层原理&并行机制对比分析
│   ├── [976M]  2.并行机制对比分析与FastAPI深度集成
│   └── [1.6G]  3.LangChain异步开发进阶与向量数据库和GPU
├── 14-第十四周：项目实战 —— 工程化企业级智能客服平台/
│   ├── [1.6G]  1.需求与原型阶段
│   └── [1.9G]  2.补充核心与交互能力
├── 15-第十五周：行业场景与产品设计/
│   ├── [649M]  1.AI产品从“能做”到“好用”的跨越与垂直领域的深水区
│   └── [1.0G]  2.AI伦理、数据合规与治理&Dify二次开发
├── 16-模块实战讲解/
│   ├── [234M]  模块一实践二：构建一个多Agent协同客服系统
│   ├── [1013M]  模块一：实践一：基于LangChain构建一个多任务问答助手
│   ├── [253M]  模块三实践一：构建一个基于FAISS-Milvus的FAQ检索系统
│   ├── [216M]  模块三实践二：构建一个基于FAISS-Milvus的FAQ检索系统
│   ├── [135M]  模块二实践一：训练一个意图识别模型并部署为API
│   └── [112M]  模块二实践二：基于LoRA微调一个垂直领域客服问答模型
└── 资料/
└── 代码/