本课程专为培养企业紧缺、可落地多Agent工程体系的AI全栈人才打造，围绕Agent工程化与AI编程新范式展开，助你攻克LangGraph、MCP、Harness Engineering、私有化部署、智能体评估等Agent核心技术，并驾驭Cursor、Claude Code等主流AI编程工具。课程贯穿5大商业级项目，带你亲历从需求拆解到上线交付的完整链路，一站式打造“可面试、可商用”的双重技术资产，最终完成从只会“调API”到轻松“交付商业产品”的能力跃迁。
.
├── 第1章 大模型 Agent 开发基础/
│ ├── [183M] 1-1课程介绍
│ ├── [121M] 1-2DeepSeek模型是如何打造出来的？
│ ├── [252M] 1-3大模型预训练流程解读
│ ├── [159M] 1-4大模型微调流程解读
│ ├── [170M] 1-5大模型强化学习流程解读
│ ├── [273M] 1-6AI顶级大模型特性解读
│ ├── [110M] 1-7大模型API应用实践(1)
│ ├── [257M] 1-8大模型API应用实践(2)
│ ├── [295M] 1-9大模型API应用实践(3)
│ ├── [339M] 1-10大模型API应用实践(4)
│ ├── [ 94M] 1-11FunctionCalling应用实践(1)
│ ├── [431M] 1-12FunctionCalling应用实践(2)
│ ├── [188M] 1-13FunctionCalling应用实践(3)
│ ├── [265M] 1-14FunctionCalling应用实践(4)
│ ├── [210M] 1-15大模型应用产业落地发展趋势
│ ├── [100M] 1-16AIAgent的本质原理
│ ├── [ 84M] 1-17AIAgent流程工作方式总结
│ ├── [113M] 1-18手写ReActAgent之提示词设计
│ ├── [200M] 1-19手写ReActAgent之工具定义
│ ├── [227M] 1-20手写ReActAgent之代码设计和逻辑验证
│ ├── [145M] 1-21ReActAgent智能客服之提示词设计
│ ├── [ 56M] 1-22ReActAgent智能客服之代码设计
│ └── [ 44M] 1-23ReActAgent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)/
│ ├── [213M] 2-1企业大模型私有化部署方案选型
│ ├── [109M] 2-2Ollama工具介绍与部署
│ ├── [115M] 2-3Ollama核心参数配置
│ ├── [ 48M] 2-4Ollama模型实现GPU负载均衡
│ ├── [106M] 2-5基于Ollama部署的模型API实践
│ ├── [140M] 2-6企业级vLLM推理框架优势
│ ├── [ 94M] 2-7企业级vLLM推理框架安装部署
│ ├── [193M] 2-8企业级vLLM推理框架离线推理核心参数
│ ├── [ 66M] 2-9企业级vLLM推理框架离线推理开发参数
│ ├── [151M] 2-10企业级vLLM推理框架在线推理核心参数
│ ├── [ 29M] 2-11企业级vLLM推理框架在线推理开发参数
│ ├── [111M] 2-12企业级vLLM推理框架在线推理生产实践(上)
│ ├── [149M] 2-13企业级vLLM推理框架在线推理生产实践(中)
│ ├── [148M] 2-14企业级vLLM推理框架在线推理生产实践(下)
│ └── [ 64M] 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)/
│ ├── [ 75M] 3-1多机多卡部署之技术方案设计
│ ├── [ 60M] 3-2多机多卡部署之主机规划
│ ├── [ 51M] 3-3多机多卡部署之多机免密
│ ├── [ 37M] 3-4多机多卡部署之conda环境安装
│ ├── [ 51M] 3-5多机多卡部署之开源模型下载
│ ├── [ 31M] 3-6多机多卡部署之同步虚拟环境
│ ├── [ 48M] 3-7多机多卡部署之创建共享目录
│ ├── [ 35M] 3-8多机多卡部署之pdsh工具安装
│ ├── [ 25M] 3-9多机多卡部署之设置hosts地址
│ ├── [ 18M] 3-10多机多卡部署之Ray集群启动
│ └── [ 68M] 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/
│ ├── [192M] 4-1LangChain开发基础之生态介绍（上）
│ ├── [274M] 4-2LangChain开发基础之生态介绍（下）
│ ├── [224M] 4-3LangChain开发基础之接入大模型
│ ├── [168M] 4-4LangChain开发基础之构建最简单的Chain
│ ├── [105M] 4-5LangChain开发基础之构建复杂Chain
│ ├── [ 89M] 4-6LangChain开发基础之构建复合Chain
│ ├── [102M] 4-7LangChain开发基础之LCEL语言
│ ├── [105M] 4-8LangChain开发基础之智能问答系统案例实践
│ ├── [ 95M] 4-9LangChain智能体Agent之FunctionCall流程回顾
│ ├── [156M] 4-10LangChain智能体Agent之Agent智能体构建
│ ├── [ 90M] 4-11LangChain智能体Agent之多工具并联串联调用
│ ├── [ 94M] 4-12LangChain智能体Agent之浏览器机器人
│ ├── [ 95M] 4-13LangChain大模型协议MCP之MCP原理
│ ├── [207M] 4-14LangChain大模型协议MCP之MCP快速入门
│ ├── [ 88M] 4-15LangChain大模型协议MCP之智能天气系统案例实践
│ ├── [129M] 4-16LangChain知识库RAG之RAG流程回顾
│ └── [267M] 4-17LangChain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)/
│ ├── [155M] 5-1LangGraph基础之Agent开发基础
│ ├── [157M] 5-2LangGraph基础之Agent开发框架选型
│ ├── [ 97M] 5-3LangGraph基础之如何学习一个Agent智能体框架？
│ ├── [261M] 5-4LangGraph基础之LangChain和LangGraph的本质区别
│ ├── [120M] 5-5LangGraph基础之LangGraph结构-Graph类设计
│ ├── [137M] 5-6LangGraph基础之LangGraph结构-GraphState类设计
│ ├── [ 87M] 5-7LangGraph基础之LangGraph结构-Nodes和Edges类设计
│ └── [138M] 5-8LangGraph基础之LangGraph快速入门案例实践
├── 第6章 深入浅出 LangGraph(中)/
│ ├── [ 98M] 6-1LangGraph进阶之State核心-State状态模式
│ ├── [ 68M] 6-2LangGraph进阶之State核心-Graph可视化
│ ├── [150M] 6-3LangGraph进阶之State核心-Reducer函数机制
│ ├── [106M] 6-4LangGraph进阶之State核心-基于State构建消息传递机制
│ ├── [180M] 6-5LangGraph进阶之State核心-MessageGraph实践
│ ├── [ 64M] 6-6LangGraph进阶之State核心-LangSmith监控神器
│ ├── [ 99M] 6-7LangGraph进阶之State核心-LangGraph与LangSmith整合
│ ├── [143M] 6-8LangGraph进阶之单代理-RouterAgent-LangGraph四大代理
│ ├── [ 84M] 6-9LangGraph进阶之单代理-RouterAgent-逻辑初探
│ ├── [ 41M] 6-10LangGraph进阶之单代理-RouterAgent-应用程序构建
│ ├── [115M] 6-11LangGraph进阶之单代理-RouterAgent-结构化输出-提示词工程
│ ├── [127M] 6-12LangGraph进阶之单代理-RouterAgent-结构化输出-基于内置工具
│ ├── [238M] 6-13LangGraph进阶之单代理-RouterAgent-基于结构化输出构建Route
│ ├── [206M] 6-14LangGraph进阶之单代理-ToolCallingAgent-核心原理
│ ├── [137M] 6-15LangGraph进阶之单代理-ToolCallingAgent-完整案例演示
│ ├── [142M] 6-16LangGraph进阶之单代理-ToolCallingAgent-手动构建Tool
│ ├── [150M] 6-17LangGraph进阶之单代理-ReActAgent-运行流程回顾
│ ├── [165M] 6-18LangGraph进阶之单代理-ReActAgent-LangChain实现方式
│ ├── [ 52M] 6-19LangGraph进阶之单代理-ReActAgent-LangGraph实现方式
│ ├── [101M] 6-20LangGraph进阶之单代理-ReActAgent-实操-工具准备(1)
│ ├── [ 87M] 6-21LangGraph进阶之单代理-ReActAgent-实操-原理剖析(2)
│ ├── [184M] 6-22LangGraph进阶之单代理-ReActAgent-实操-效果测试(3)
│ ├── [143M] 6-23LangGraph进阶之事件任务-流输出模式
│ ├── [214M] 6-24LangGraph进阶之事件任务-流输出模式测试
│ ├── [149M] 6-25LangGraph进阶之事件任务-事件流应用
│ ├── [217M] 6-26LangGraph进阶之长短期记忆-目前应用程序存在的问题？
│ ├── [ 91M] 6-27LangGraph进阶之长短期记忆-长短期记忆的区别
│ ├── [210M] 6-28LangGraph进阶之长短期记忆-短期记忆实现原理
│ ├── [222M] 6-29LangGraph进阶之长短期记忆-基于MemorySaver实现短期记忆
│ ├── [127M] 6-30LangGraph进阶之长短期记忆-基于SqliteSaver实现短期记忆
│ ├── [182M] 6-31LangGraph进阶之长短期记忆-实现带有记忆的智能天气助手
│ ├── [170M] 6-32LangGraph进阶之长短期记忆-基于Store实现长期记忆
│ ├── [ 68M] 6-33LangGraph进阶之人机交互-Agent中为什么需要人机交互？
│ ├── [107M] 6-34LangGraph进阶之人机交互-LangGraph的人机交互实现原理
│ ├── [308M] 6-35LangGraph进阶之人机交互-Graph中添加断点实践
│ ├── [171M] 6-36LangGraph进阶之人机交互-Graph中添加动态断点实践
│ ├── [138M] 6-37LangGraph进阶之人机交互-Graph中添加动态断点代码编写
│ └── [290M] 6-38LangGraph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)/
│ ├── [ 96M] 7-1LangGraph实战之多代理-OpenAI定义的5个AI阶段
│ ├── [139M] 7-2LangGraph实战之多代理-单代理架构缺陷
│ ├── [ 71M] 7-3LangGraph实战之多代理-MultiAgent架构类型
│ ├── [176M] 7-4LangGraph实战之多代理-父子图之间的消息传递(上)
│ ├── [124M] 7-5LangGraph实战之多代理-父子图之间的消息传递(下)
│ ├── [192M] 7-6LangGraph实战之多代理-Network多代理需求分析
│ ├── [266M] 7-7LangGraph实战之多代理-Network多代理代码编写
│ ├── [ 83M] 7-8LangGraph实战之多代理-Network多代理功能测试
│ ├── [119M] 7-9LangGraph实战之多代理-MagenticOne原理剖析
│ ├── [201M] 7-10LangGraph实战之多代理-Supervisor原理剖析与代码实践
│ ├── [164M] 7-11LangGraph实战之多代理-基于Supervisor架构实现多代理系统
│ ├── [ 72M] 7-12LangGraph实战之多代理-MultiAgent混合知识库-GraphRAG
│ ├── [112M] 7-13LangGraph实战之多代理-MultiAgent混合知识库-Neo4j入库
│ ├── [108M] 7-14LangGraph实战之多代理-MultiAgent混合知识库-数据库效果测试
│ ├── [230M] 7-15LangGraph实战之多代理-MultiAgent混合知识库-向量数据库入库
│ ├── [ 46M] 7-16LangGraph实战之多代理-MultiAgent混合知识库-最终效果验证
│ └── [ 48M] 7-17LangGraph课程总结
├── 第8章 Agent MCP 深度剖析(上)/
│ ├── [ 59M] 8-1MCP实践之Agent的原理剖析
│ ├── [ 81M] 8-2MCP实践之FunctionCall缺点分析
│ ├── [ 23M] 8-3MCP实践之MCP的本质是什么？
│ ├── [ 60M] 8-4MCP实践之MCP的环境构建
│ ├── [ 34M] 8-5MCP实践之MCP的简易Client构建
│ ├── [ 78M] 8-6MCP实践之MCP的Client接入大模型
│ ├── [ 95M] 8-7MCP实践之MCP的Server端构建
│ ├── [ 98M] 8-8MCP实践之基于MCP的Client和Server通信
│ ├── [ 67M] 8-9MCP实践之Server端Debug工具实践
│ ├── [ 45M] 8-10MCP实践之MCPServer推荐
│ ├── [ 14M] 8-11MCP复杂智能体之引出复杂智能体难点
│ ├── [216M] 8-12MCP复杂智能体之FunctionCall流程回顾
│ ├── [ 72M] 8-13MCP复杂智能体之实现FunctionCall的并行调用
│ ├── [ 87M] 8-14MCP复杂智能体之实现FunctionCall的串行调用
│ ├── [ 43M] 8-15MCP复杂智能体之基础依赖准备
│ ├── [ 61M] 8-16MCP复杂智能体之数据库准备和数据准备
│ ├── [ 40M] 8-17MCP复杂智能体之开发SQL_server服务
│ ├── [ 29M] 8-18MCP复杂智能体之开发Python_server服务
│ ├── [124M] 8-19MCP复杂智能体之MCP客户端开发
│ └── [ 77M] 8-20MCP复杂智能体之效果验证
├── 第9章 Agent MCP 深度剖析(下)/
│ ├── [ 86M] 9-1MCP全流程开发之MCP全流程总结
│ ├── [118M] 9-2MCP全流程开发之MCP服务器开发
│ ├── [135M] 9-3MCP全流程开发之MCP服务器测试
│ ├── [110M] 9-4MCP全流程开发之MCP服务器代码打包
│ ├── [104M] 9-5MCP全流程开发之MCP服务器离线部署
│ ├── [ 49M] 9-6MCP全流程开发之MCP服务器在线部署
│ ├── [ 33M] 9-7MCP全流程开发之MCP本地客户端部署
│ ├── [ 40M] 9-8MCP全流程开发之本地客户端接入MCP服务器
│ ├── [ 57M] 9-9MCP通信协议
│ ├── [ 73M] 9-10基于SSE传输的MCP服务器构建
│ ├── [ 94M] 9-11基于SSE传输的MCP服务器测试
│ ├── [ 44M] 9-12基于SSE传输的MCP服务器发布
│ ├── [ 57M] 9-13基于SSE传输的MCP服务器应用
│ ├── [ 63M] 9-14MCPHTTP消息传输方式
│ ├── [123M] 9-15基于HTTP的MCP服务器创建
│ ├── [ 54M] 9-16基于HTTP的MCP服务器测试
│ ├── [ 21M] 9-17基于HTTP的MCP服务器应用
│ ├── [ 77M] 9-18MCP应用之热门工具推荐
│ ├── [ 41M] 9-19MCP应用之CherryStudio安装部署
│ ├── [ 34M] 9-20MCP应用之基于CherryStudio构建文件管理系统
│ ├── [ 28M] 9-21MCP应用之基于CherryStudio构建爬虫智能体
│ ├── [ 43M] 9-22MCP应用之阿里百炼平台配置
│ ├── [ 36M] 9-23MCP应用之基于阿里百炼构建智能旅游助手
│ ├── [ 31M] 9-24MCP应用之Dify平台配置
│ ├── [ 99M] 9-25MCP应用之自研MCP服务器
│ └── [ 29M] 9-26MCP应用之基于Dify接入自研MCP服务器
└── 第10章 SKills 从入门到精通/
├── [118M] 10-1基础之什么是AgentSkills？
├── [ 67M] 10-2基础之Skills的本质是什么？
├── [105M] 10-3基础之Skills文件结构初探？
├── [ 87M] 10-4基础之Skills如何运行？
├── [ 75M] 10-5基础之Skills内部结构
├── [ 95M] 10-6基础之Skills生态
├── [338M] 10-7基础之基于原生API实现SKills完整逻辑
├── [ 36M] 10-8基础之Skills设计反事实对比
├── [116M] 10-9基础之MCP与SKills的本质区别
├── [284M] 10-10进阶之构建具备Skills调用能力的Agent
├── [ 84M] 10-11进阶之Skills反面案例1
├── [ 42M] 10-12进阶之Skills反面案例2
├── [ 70M] 10-13进阶之Skills反面案例3
├── [100M] 10-14进阶之Skills设计原则1
├── [ 64M] 10-15进阶之Skills设计原则2
└── [111M] 10-16进阶之Skills设计原则3
├── 第11章 Agent A2A 快速实践/
│ ├── [ 65M] 11-1A2A基础之为什么会出现A2A协议？
│ ├── [ 31M] 11-2A2A基础之A2A协议解决了什么问题？
│ ├── [ 98M] 11-3A2A基础之A2A协议设计的关键原则
│ ├── [ 31M] 11-4A2A基础之A2A协议核心概念-参与者
│ ├── [ 85M] 11-5A2A基础之A2A协议核心概念-基本通信要素
│ ├── [ 75M] 11-6A2A基础之A2A协议核心概念-交互机制
│ ├── [ 86M] 11-7A2A代码实践之开发环境部署
│ ├── [ 73M] 11-8A2A代码实践之Agent端代码设计
│ ├── [ 95M] 11-9A2A代码实践之Server端代码设计
│ ├── [120M] 11-10A2A基础之A2A协议是如何解决问题的？
│ ├── [ 62M] 11-11A2A基础之A2A协议和MCP协议如何配合？
│ ├── [102M] 11-12A2A代码实践之Client端代码设计
│ ├── [206M] 11-13A2A代码实践之基于LangGraph的Agent设计
│ ├── [ 62M] 11-14A2A代码实践之基于LangGraph的Server端设计
│ └── [191M] 11-15A2A代码实践之基于LangGraph的Client端设计
├── 第12章 Context Engineering 应用实践/
│ ├── [108M] 12-1为什么要进行上下文工程管理？
│ ├── [247M] 12-2上下文窗口全景图
│ ├── [168M] 12-3Context之系统提示层
│ ├── [103M] 12-4Context之对话历史管理层
│ ├── [127M] 12-5Context之记忆检索注入层
│ ├── [136M] 12-6Context之工具上下文管理层
│ ├── [100M] 12-7Context之任务状态层
│ ├── [ 68M] 12-8Context之外部知识层
│ ├── [ 37M] 12-9五大策略全景图
│ ├── [114M] 12-10五大策略之Write策略(1)
│ ├── [ 96M] 12-11五大策略之Write策略(2)
│ ├── [ 78M] 12-12五大策略之Write策略(3)
│ ├── [ 78M] 12-13五大策略之Select策略(1)
│ ├── [ 47M] 12-14五大策略之Select策略(2)
│ ├── [107M] 12-15五大策略之Select策略(3)
│ ├── [104M] 12-16五大策略之Select策略(4)
│ ├── [248M] 12-17五大策略之Compress策略(1)
│ ├── [108M] 12-18五大策略之Compress策略(2)
│ ├── [ 97M] 12-19五大策略之Compress策略(3)
│ ├── [192M] 12-20五大策略之Compress策略(4)
│ ├── [176M] 12-21五大策略之Isolate策略
│ ├── [107M] 12-22五大策略之Cache策略
│ └── [ 36M] 12-23上下文工程总结
├── 第13章 Harness Engineering 应用实践/
│ ├── [109M] 13-1什么是HarnessEngineering？
│ ├── [ 87M] 13-2三代工程的迭代演进
│ ├── [262M] 13-3naiveagent的八种失效方式
│ ├── [ 69M] 13-4驾驭工程之AgentLoop四相循环
│ ├── [ 33M] 13-5驾驭工程之ToolUse工具编排
│ ├── [ 37M] 13-6驾驭工程之ProgressTracking进度追踪
│ ├── [ 45M] 13-7驾驭工程之ContextManagement上下文管理
│ ├── [ 24M] 13-8驾驭工程之FeatureList任务拆解
│ ├── [ 41M] 13-9驾驭工程之VerificationLoop验证闭环
│ ├── [ 61M] 13-10驾驭工程之Subagents子代理分治
│ ├── [ 54M] 13-11驾驭工程之Generator-Evaluator
│ ├── [ 55M] 13-12驾驭工程之故障与解决方案总结
│ ├── [ 61M] 13-13驾驭工程的三大工程维度
│ ├── [ 38M] 13-14主流的基于驾驭工程落地的产品
│ ├── [ 50M] 13-15驾驭工程落地的官方建议
│ ├── [ 61M] 13-16更高维度去理解驾驭工程
│ ├── [190M] 13-17驾驭工程实操之配置环境构建
│ ├── [246M] 13-18驾驭工程实操之四相循环
│ ├── [ 65M] 13-19驾驭工程实操之工具编排
│ ├── [121M] 13-20驾驭工程实操之进度追踪
│ ├── [ 96M] 13-21驾驭工程实操之Memroy三层架构
│ ├── [107M] 13-22驾驭工程实操之上下文管理
│ ├── [140M] 13-23驾驭工程实操之任务拆解
│ ├── [130M] 13-24驾驭工程实操之验证闭环
│ ├── [216M] 13-25驾驭工程实操之子代理分治
│ ├── [221M] 13-26驾驭工程实操之评估分离
│ ├── [182M] 13-27驾驭工程实操之Hook说明
│ └── [312M] 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/
│ ├── [138M] 14-1什么是AgentLoop(上)
│ ├── [156M] 14-2什么是AgentLoop(下)
│ ├── [200M] 14-3什么是LoopEngineering？
│ ├── [166M] 14-4LoopEngineering历史演进
│ └── [317M] 14-5LoopEngineering应用实践
├── 第15章 Agent 长短记忆管理/
│ ├── [ 93M] 15-1什么需要记忆管理？
│ ├── [ 28M] 15-2短期记忆与长期记忆的本质区别
│ ├── [ 26M] 15-3长短期记忆管理的主流方式
│ ├── [ 41M] 15-4短期记忆之信息管理机制设计
│ ├── [115M] 15-5短期记忆之信息管理机制实践(上)
│ ├── [ 94M] 15-6短期记忆之信息管理机制实践(下)
│ ├── [ 40M] 15-7长期记忆之存储引擎(上)
│ ├── [ 96M] 15-8长期记忆之存储引擎(下)
│ ├── [ 48M] 15-9长期记忆之写入触发机制
│ ├── [ 48M] 15-10长期记忆之Direct注入
│ ├── [ 61M] 15-11长期记忆之语义检索注入
│ ├── [ 65M] 15-12长期记忆之离线记忆重组
│ ├── [ 15M] 15-13长短期记忆协同工作机制
│ ├── [173M] 15-14长短期记忆协同落地实践
│ ├── [ 34M] 15-15记忆管理进阶之为什么需要Mem0？
│ ├── [ 83M] 15-16记忆管理进阶之Mem0三层存储设计
│ ├── [ 55M] 15-17记忆管理进阶之Mem0两阶段运行
│ ├── [ 69M] 15-18记忆管理进阶之Mem0的优势与局限
│ ├── [103M] 15-19记忆管理进阶之Mem0实操
│ ├── [114M] 15-20记忆管理进阶之Milvus向量库部署
│ ├── [ 46M] 15-21记忆管理进阶之Mem0云平台调用
│ ├── [ 55M] 15-22记忆管理进阶之LangChain接入Mem0
│ ├── [ 86M] 15-23记忆管理进阶之Web框架接入Mem0
│ ├── [ 31M] 15-24记忆管理进阶之Mem0+RAG并行
│ ├── [ 43M] 15-25记忆管理进阶之记忆管理生产经验(1)
│ ├── [ 51M] 15-26记忆管理进阶之记忆管理生产经验(2)
│ ├── [ 25M] 15-27记忆管理进阶之记忆管理生产经验(3)
│ ├── [ 58M] 15-28记忆管理进阶之记忆管理生产经验(4)
│ ├── [ 40M] 15-29记忆管理进阶之记忆管理生产经验(5)
│ └── [ 88M] 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)/
│ ├── [ 80M] 16-1GraphRAG原理篇之传统RAG流程回顾
│ ├── [ 14M] 16-2GraphRAG原理篇之传统RAG流程痛点分析
│ ├── [ 21M] 16-3GraphRAG原理篇之什么是知识图谱？
│ ├── [ 53M] 16-4GraphRAG原理篇之GraphRAG产品对比
│ ├── [ 89M] 16-5GraphRAG原理篇之GraphRAG环境部署
│ ├── [ 96M] 16-6GraphRAG原理篇之GraphRAG核心参数配置
│ ├── [ 52M] 16-7GraphRAG原理篇之GraphRAG核心命令快速体验
│ ├── [ 27M] 16-8GraphRAG原理篇之MicrosoftGraphRAG原理
│ ├── [124M] 16-9GraphRAGIndex源码篇之源码环境准备
│ ├── [132M] 16-10GraphRAGIndex源码篇之index初始化动作
│ ├── [ 76M] 16-11GraphRAGIndex源码篇之文档加载格式
│ ├── [ 67M] 16-12GraphRAGIndex源码篇之文档加载策略
│ ├── [ 84M] 16-13GraphRAGIndex源码篇之文档切分策略
│ ├── [ 48M] 16-14GraphRAGIndex源码篇之文档切分逻辑
│ ├── [108M] 16-15GraphRAGIndex源码篇之文档切分内容
│ ├── [149M] 16-16GraphRAGIndex源码篇之文档实体和关系抽取
│ ├── [ 70M] 16-17GraphRAGIndex源码篇之实体和关系摘要生成
│ ├── [ 67M] 16-18GraphRAGIndex源码篇之实体和关系内容窥探
│ ├── [ 50M] 16-19GraphRAGindex源码篇之finalize_graph结果查看
│ ├── [ 71M] 16-20GraphRAGindex源码篇之社区检测流程
│ ├── [ 96M] 16-21GraphRAGindex源码篇之合并知识图谱
│ ├── [ 78M] 16-22GraphRAGindex源码篇之生成社区报告
│ ├── [ 50M] 16-23GraphRAGindex源码篇之社区报告内容查看
│ ├── [ 40M] 16-24GraphRAGindex源码篇之索引结构向量化
│ ├── [116M] 16-25GraphRAG图数据库篇之图数据库准备
│ ├── [118M] 16-26GraphRAG图数据库篇之创建节点
│ ├── [ 33M] 16-27GraphRAG图数据库篇之创建属性
│ ├── [ 61M] 16-28GraphRAG图数据库篇之常见需求Cypher语句
│ ├── [226M] 16-29GraphRAG图数据库篇之导入图数据数据脚本研发
│ ├── [134M] 16-30GraphRAG图数据库篇之导入text_units数据
│ ├── [158M] 16-31GraphRAG图数据库篇之导入entities数据
│ ├── [ 91M] 16-32GraphRAG图数据库篇之导入relationships数据
│ ├── [ 82M] 16-33GraphRAG图数据库篇之导入communities数据
│ └── [ 94M] 16-34GraphRAG图数据库篇之导入community_reports数据
├── 第17章 GraphRAG 深度剖析(下)/
│ ├── [ 44M] 17-1GraphRAGQuery源码篇之Global流程概述
│ ├── [ 24M] 17-2GraphRAGQuery源码篇之Local流程概述
│ ├── [ 71M] 17-3GraphRAGQuery源码篇之Query源码环境准备
│ ├── [ 40M] 17-4GraphRAGQuery源码篇之读取索引文件信息
│ ├── [ 52M] 17-5GraphRAGQuery源码篇之加载Embedding向量文件
│ ├── [ 41M] 17-6GraphRAGQuery源码篇之获取社区报告数据
│ ├── [ 64M] 17-7GraphRAGQuery源码篇之查询提示词模板设计
│ ├── [ 82M] 17-8GraphRAGQuery源码篇之用户问题与实体信息匹配
│ ├── [ 34M] 17-9GraphRAGQuery源码篇之实体与社区信息匹配
│ ├── [ 65M] 17-10GraphRAGQuery源码篇之构建完整提示词生成答案
│ ├── [ 26M] 17-11GraphRAGQuery源码篇之Global流程解析
│ ├── [ 36M] 17-12GraphRAGQuery源码篇之索引文件加载
│ ├── [ 46M] 17-13GraphRAGQuery源码篇之加载索引文件内容展示
│ ├── [139M] 17-14GraphRAGQuery源码篇之静态社区与动态社区
│ ├── [ 64M] 17-15GraphRAGQuery源码篇之Map-Reduce结果展示
│ └── [982K] 17-16GraphRAG课程总结
├── 第18章 AI 大模型智能客服项目(上)/
│ ├── [146M] 18-1智能客服之需求分析
│ ├── [ 97M] 18-2智能客服之全景架构设计
│ ├── [ 50M] 18-3智能客服之技术选型
│ ├── [158M] 18-4智能客服之资源评估
│ ├── [138M] 18-5智能客服之模型能力测试-平台推荐
│ ├── [167M] 18-6智能客服之模型能力测试-测评环境构建
│ ├── [225M] 18-7智能客服之模型能力测试-测评数据集介绍
│ ├── [117M] 18-8智能客服之模型能力测试-模型能力测试对比演练(4)
│ ├── [132M] 18-9智能客服之模型部署-部署工具安装
│ ├── [148M] 18-10智能客服之模型部署-核心参数配置
│ ├── [ 73M] 18-11智能客服之模型部署-GPU负载均衡设计
│ ├── [158M] 18-12智能客服之模型压力测试-API实践（上）
│ ├── [285M] 18-13智能客服之模型压力测试-API实践（中）
│ ├── [ 84M] 18-14智能客服之模型压力测试-API实践（下）
│ ├── [102M] 18-15智能客服之模型压力测试-并发效果测试
│ ├── [206M] 18-16智能客服之模型压力测试-并发测试脚本开发
│ ├── [162M] 18-17智能客服之模型压力测试-在线DeepSeek模型压力测试
│ ├── [144M] 18-18智能客服版本1之项目部署-项目文件和功能展示
│ ├── [ 91M] 18-19智能客服版本1之项目部署-模型私有化部署
│ ├── [ 41M] 18-20智能客服版本1之项目部署-MySQL数据库安装
│ ├── [ 41M] 18-21智能客服版本1之项目部署-Redis数据库安装
│ ├── [235M] 18-22智能客服版本1之项目部署-项目启动与功能测试
│ ├── [207M] 18-23智能客服版本1之技术方案-前后端分离
│ ├── [ 85M] 18-24智能客服版本1之技术方案-缓存语义相似度方案(上)
│ ├── [350M] 18-25智能客服版本1之技术方案-缓存语义相似度方案(下)
│ ├── [205M] 18-26智能客服版本1之技术方案-外部函数调用
│ ├── [154M] 18-27智能客服版本1之代码落地-数据库表设计
│ ├── [112M] 18-28智能客服版本1之代码落地-用户登录接口实现(上)
│ ├── [143M] 18-29智能客服版本1之代码落地-用户登录接口实现(下)
│ ├── [ 87M] 18-30智能客服版本1之代码落地-对话接口实现（上）
│ ├── [277M] 18-31智能客服版本1之代码落地-对话接口实现（下）
│ └── [198M] 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)/
│ ├── [ 88M] 19-1智能客服版本2之智能客服整体技术方案
│ ├── [ 68M] 19-2智能客服版本2之智能客服核心技术选型(上)
│ ├── [101M] 19-3智能客服版本2之智能客服核心技术选型(下)
│ ├── [ 61M] 19-4智能客服版本2之智能客服数据方案架构设计
│ ├── [162M] 19-5智能客服版本2之结构化数据-csv数据准备
│ ├── [167M] 19-6智能客服版本2之结构化数据-csv数据处理方案设计
│ ├── [249M] 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
│ ├── [333M] 19-8智能客服版本2之结构化数据-数据切割策略优化
│ ├── [165M] 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
│ ├── [382M] 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
│ ├── [ 71M] 19-11智能客服版本2之结构化数据-GraphRAG数据生成
│ ├── [259M] 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
│ ├── [211M] 19-13智能客服版本2之多模态数据-minerU开源项目介绍
│ ├── [137M] 19-14智能客服版本2之多模态数据-minerU项目原理剖析
│ ├── [202M] 19-15智能客服版本2之多模态数据-基于minerU解析PDF文件
│ ├── [221M] 19-16智能客服版本2之多模态数据-minerU结果格式文件详解
│ ├── [177M] 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
│ ├── [155M] 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
│ ├── [252M] 19-19智能客服版本2之多模态数据-PDF数据加载
│ ├── [461M] 19-20智能客服版本2之多模态数据-PDF数据后处理逻辑
│ ├── [ 49M] 19-21智能客服版本2之多模态数据-PDF数据处理中间文档
│ ├── [304M] 19-22智能客服版本2之多模态数据-PDF数据切割策略
│ ├── [188M] 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
│ ├── [197M] 19-24智能客服版本2之GraphRAG工程化-方案设计
│ ├── [205M] 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
│ ├── [269M] 19-26智能客服版本2之GraphRAG工程化-全量索引构建接口设计
│ ├── [196M] 19-27智能客服版本2之GraphRAG工程化-增量索引构建接口设计
│ ├── [192M] 19-28智能客服版本2之GraphRAG工程化-查询接口设计
│ └── [ 76M] 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)/
│ ├── [160M] 20-1智能客服版本2之MultiAgent架构之总体设计
│ ├── [212M] 20-2智能客服版本2之MultiAgent架构之项目功能预览
│ ├── [121M] 20-3智能客服版本2之MultiAgent架构之意图识别设计
│ ├── [ 36M] 20-4智能客服版本2之MultiAgent架构之普通问答流程设计
│ ├── [ 97M] 20-5智能客服版本2之MultiAgent架构之安全护栏设计
│ ├── [121M] 20-6智能客服版本2之MultiAgent架构之复杂问题拆解
│ ├── [188M] 20-7智能客服版本2之MultiAgent架构之工具选择
│ ├── [ 59M] 20-8智能客服版本2之MultiAgent架构之GraphRAG查询
│ ├── [112M] 20-9智能客服版本2之MultiAgent架构之基于规则引擎查询
│ ├── [238M] 20-10智能客服版本2之MultiAgent架构之Text2Code查询
│ ├── [112M] 20-11智能客服版本2之MultiAgent架构之支持多模态查询
│ └── [189M] 20-12智能客服版本2之MultiAgent架构之全流程演示
└── 第21章 Agent 智能体评估/
├── [ 61M] 21-1评估基础之为什么Agent评估难？
├── [ 59M] 21-2评估基础之Agent评估角度
├── [ 52M] 21-3评估基础之任务结果评估
├── [ 51M] 21-4评估基础之工具与动作评估
├── [ 51M] 21-5评估基础之过程轨迹评估
├── [ 29M] 21-6评估基础之依据与状态一致性评估
├── [ 24M] 21-7评估基础之多轮交互与状态保持评估
├── [ 37M] 21-8评估基础之规则、安全与权限评估
├── [ 30M] 21-9评估基础之抗扰稳定性与回归稳定性评估
├── [ 75M] 21-10评估基础之特殊评估角度
├── [116M] 21-11评估进阶之Agent评估平台技术选型
├── [ 58M] 21-12评估进阶之评估平台介绍
├── [131M] 21-13评估进阶之构建待评估的Agent
├── [ 61M] 21-14评估进阶之Agent接入评估平台
├── [ 42M] 21-15评估进阶之评估数据集构建
├── [ 68M] 21-16评估进阶之评估脚本构建
├── [ 44M] 21-17评估进阶之比版本Comparison
├── [ 47M] 21-18评估进阶之人工标注方案实践
├── [160M] 21-19评估案例之项目部署与背景介绍
├── [103M] 21-20评估案例之项目数据可复现性实现
├── [146M] 21-21评估案例之评估数据集构建
├── [171M] 21-22评估案例之Agent核心功能测评
├── [108M] 21-23评估案例之Agent多轮对话状态评估
├── [111M] 21-24评估案例之Agent安全规则评估
├── [ 94M] 21-25评估案例之Agent抗扰稳定性评估
└── [ 91M] 21-26评估案例之评估驱动优化
├── 第22章 Vibe Coding 之 Cursor 快速实践/
│ ├── [180M] 22-1VibeCoding课程介绍
│ ├── [120M] 22-2什么是VibeCoding？
│ ├── [ 69M] 22-3VibeCoding的核心特征是什么？
│ ├── [ 76M] 22-4VibeCoding的难点在哪儿？
│ ├── [112M] 22-5VibeCoding的开发生命周期是什么？
│ ├── [ 78M] 22-6软件开发生命周期中的AI工具分享
│ ├── [145M] 22-7Cursor安装部署与账户注册
│ ├── [ 43M] 22-8Cursor界面核心功能介绍
│ ├── [ 36M] 22-9ChatBot快速实践之开发目标
│ ├── [123M] 22-10ChatBot快速实践之需求梳理
│ ├── [ 84M] 22-11ChatBot快速实践之需求拆分
│ ├── [ 56M] 22-12ChatBot快速实践之项目搭建
│ ├── [ 82M] 22-13ChatBot快速实践之前端工程开发
│ ├── [191M] 22-14ChatBot快速实践之后端工程开发
│ ├── [ 74M] 22-15ChatBot快速实践之前后端联调
│ └── [132M] 22-16ChatBot快速实践之效果优化
├── 第23章 Vibe Coding 之 ChatBI 平台项目/
│ ├── [124M] 23-1智能问数平台实战之学习目标
│ ├── [ 35M] 23-2智能问数平台实战之项目立项
│ ├── [214M] 23-3智能问数平台实战之需求分析
│ ├── [113M] 23-4智能问数平台实战之架构设计
│ ├── [ 85M] 23-5智能问数平台实战之功能拆分
│ ├── [ 22M] 23-6智能问数平台实战之任务管理(上)
│ ├── [105M] 23-7智能问数平台实战之任务管理(中)
│ ├── [ 32M] 23-8智能问数平台实战之任务管理(下)
│ ├── [ 74M] 23-9智能问数平台实战之构建AI管理工作流(上)
│ ├── [ 80M] 23-10智能问数平台实战之构建AI管理工作流(下)
│ ├── [ 36M] 23-11智能问数平台实战之项目构建
│ ├── [ 76M] 23-12智能问数平台实战之前端代码开发
│ ├── [121M] 23-13智能问数平台实战之后端代码开发(上)
│ ├── [ 89M] 23-14智能问数平台实战之后端代码开发(中)
│ ├── [ 85M] 23-15智能问数平台实战之后端代码开发(下)
│ ├── [123M] 23-16智能问数平台实战之前后端联调
│ ├── [133M] 23-17智能问数平台实战之功能优化
│ ├── [163M] 23-18智能问数平台实战之语义治理
│ ├── [ 76M] 23-19智能问数平台实战之数值映射
│ ├── [ 77M] 23-20智能问数平台实战之意图识别
│ └── [ 56M] 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/
│ ├── [141M] 24-1二次开发-项目目标
│ ├── [135M] 24-2二次开发-设计思路
│ ├── [116M] 24-3二次开发-环境配置
│ ├── [ 51M] 24-4二次开发-源码下载
│ ├── [107M] 24-5二次开发-项目启动
│ ├── [ 52M] 24-6二次开发-rules沉淀
│ ├── [292M] 24-7二次开发-MVP测试(上)
│ ├── [204M] 24-8二次开发-MVP测试(下)
│ ├── [ 32M] 24-9二次开发-需求分析
│ ├── [207M] 24-10二次开发-整体架构梳理
│ ├── [185M] 24-11二次开发-客户端架构梳理
│ ├── [124M] 24-12二次开发-GateWay架构梳理
│ ├── [341M] 24-13二次开发-Channel架构梳理
│ ├── [144M] 24-14二次开发-Agent架构梳理
│ ├── [ 51M] 24-15二次开发-规范文档校验
│ ├── [226M] 24-16二次开发-开源项目升级(上)
│ ├── [101M] 24-17二次开发-开源项目升级(下)
│ ├── [181M] 24-18二次开发-启动项目
│ ├── [314M] 24-19二次开发-接入自定义模型
│ ├── [413M] 24-20二次开发-接入自定义Channel
│ ├── [190M] 24-21二次开发-接入飞书测试
│ ├── [425M] 24-22二次开发-接入自定义AgentSkills
│ └── [156M] 24-23二次开发-项目总结
├── 第25章 Vibe Coding 之 Claude Code 快速实践/
│ ├── [188M] 25-1为什么ClaudeCode如此高效？
│ ├── [138M] 25-2ClaudeCode的核心功能
│ ├── [148M] 25-3ClaudeCode的关键特性与高级概念
│ ├── [137M] 25-4ClaudeCode与其它工具对比
│ ├── [ 79M] 25-5基于Windows安装ClaudeCode
│ ├── [ 20M] 25-6基于Linux安装ClaudeCode
│ ├── [ 20M] 25-7基于macOS安装ClaudeCode
│ ├── [ 57M] 25-8账户注册之官网订阅
│ ├── [105M] 25-9账户注册之通过CC-Switch接入
│ ├── [ 38M] 25-10Cursor中接入ClaudeCode
│ ├── [126M] 25-11基于ClaudeCode快速实现HTML页面
│ ├── [ 99M] 25-12frontend-design前端插件安装与使用
│ ├── [ 64M] 25-13Pencil前端MCP工具安装
│ ├── [127M] 25-14基于Pencil生成产品原型图
│ ├── [138M] 25-15体验一句话生成完整应用
│ ├── [231M] 25-16多Agent协作完成应用开发
│ └── [ 31M] 25-17驾驭工程(HarnessEngineering)的重要性
├── 第26章 Vibe Coding 之多模态知识库项目/
│ ├── [ 86M] 26-1多模态知识库-基于驾驭工程的项目目标
│ ├── [ 77M] 26-2多模态知识库-项目准备(上)
│ ├── [ 63M] 26-3多模态知识库-项目准备(中)
│ ├── [180M] 26-4多模态知识库-项目准备(下)
│ ├── [131M] 26-5多模态知识库-架构设计
│ ├── [ 70M] 26-6多模态知识库-技术选型
│ ├── [243M] 26-7多模态知识库-知识抽取Spec文档编写
│ ├── [182M] 26-8多模态知识库-知识解析Spec文档编写
│ ├── [243M] 26-9多模态知识库-SDD规范文档编写(1)
│ ├── [118M] 26-10多模态知识库-SDD规范文档编写(2)
│ ├── [224M] 26-11多模态知识库-SDD规范文档编写(3)
│ ├── [142M] 26-12多模态知识库-SDD规范文档编写(4)
│ ├── [131M] 26-13多模态知识库-SDD规范文档编写(5)
│ ├── [129M] 26-14多模态知识库-SDD规范文档编写(6)
│ ├── [261M] 26-15多模态知识库-SDD规范文档编写(7)
│ ├── [ 85M] 26-16多模态知识库-SDD规范文档编写(8)
│ ├── [140M] 26-17多模态知识库-PRD文档编写
│ ├── [ 81M] 26-18多模态知识库-产品原型设计
│ ├── [149M] 26-19多模态知识库-前端代码生成
│ ├── [256M] 26-20多模态知识库-后端代码生成
│ ├── [101M] 26-21多模态知识库-基于驾驭工程进行前后端联调
│ ├── [371M] 26-22多模态知识库-功能优化
│ └── [ 91M] 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/
│ ├── [118M] 27-1SDD编程落地之项目目标
│ ├── [143M] 27-2SDD编程落地之AI编程方法论梳理
│ ├── [124M] 27-3SDD编程落地之AgentTeam工作原理解读
│ ├── [ 69M] 27-4SDD编程落地之项目总流程梳理
│ ├── [173M] 27-5SDD编程落地之配置项目运行环境
│ ├── [235M] 27-6SDD编程落地之完成项目初始化
│ ├── [142M] 27-7SDD编程落地之完成市场调研
│ ├── [185M] 27-8SDD编程落地之完成竞品分析
│ ├── [120M] 27-9SDD编程落地之完成业务建模
│ ├── [202M] 27-10SDD编程落地之完成交互链路设计
│ ├── [181M] 27-11SDD编程落地之完成前后端的职责边界梳理
│ ├── [126M] 27-12SDD编程落地之完成后端系统架构设计
│ ├── [233M] 27-13SDD编程落地之完成数据模型设计
│ ├── [137M] 27-14SDD编程落地之完成后端接口设计
│ ├── [213M] 27-15SDD编程落地之完成PRD文档生成
│ ├── [119M] 27-16SDD编程落地之基于Figma完成UI开发
│ ├── [523M] 27-17SDD编程落地之完成后端MVP开发
│ ├── [133M] 27-18SDD编程落地之完成前端代码实现
│ ├── [256M] 27-19SDD编程落地之完成前后端联调
│ └── [408M] 27-20SDD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)/
│ ├── [ 86M] 28-1智能问数之项目效果演示
│ ├── [190M] 28-2智能问数之服务器配置和环境构建
│ ├── [139M] 28-3智能问数之总体设计和技术选型
│ ├── [ 40M] 28-4智能问数之Embedding模型安装部署
│ ├── [ 34M] 28-5智能问数之数据库安装部署
│ ├── [161M] 28-6智能问数之开源向量数据库Milvus部署
│ ├── [ 44M] 28-7智能问数之Neo4j数据库实例部署
│ ├── [ 68M] 28-8智能问数之项目依赖部署
│ ├── [157M] 28-9智能问数之前后台项目启动
│ ├── [140M] 28-10智能问数之数据库表设计
│ ├── [100M] 28-11智能问数之数据库连接管理
│ ├── [ 27M] 28-12智能问数之数值映射设计与代码落地
│ ├── [168M] 28-13智能问数之语义治理
│ ├── [146M] 28-14智能问数之知识图谱设计(上)
│ ├── [109M] 28-15智能问数之知识图谱设计(下)
│ ├── [129M] 28-16智能问数之智能训练方案设计与落地(上)
│ ├── [228M] 28-17智能问数之智能训练方案设计与落地(下)
│ └── [ 39M] 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)/
├── [314M] 29-1智能问数之全流程方案设计
├── [239M] 29-2智能问数之LangGraph核心知识准备
├── [201M] 29-3智能问数之多智能体核心方案设计与代码落地
├── [285M] 29-4智能问数之意图识别智能体设计与代码落地
├── [135M] 29-5智能问数之意图识别智能体动态提示词设计
├── [217M] 29-6智能问数之SQL生成智能体设计与代码落地
├── [ 65M] 29-7智能问数之SQL校验智能体设计与代码落地
├── [ 93M] 29-8智能问数之SQL并行校验智能体设计与代码落地
├── [ 50M] 29-9智能问数之SQL执行智能体设计与代码落地
├── [ 96M] 29-10智能问数之图表生成智能体设计与代码落地
├── [ 55M] 29-11智能问数之错误恢复智能体设计与代码落地
├── [ 76M] 29-12智能问数之人机交互逻辑设计
└── [105M] 29-13项目总结之Text2SQL准确率问题
└── 资料代码/
