构建现实世界的AI智能体

探索 AI 智能体，并使用 LangGraph 或 CrewAI 创建属于你自己的智能体。

本课程使用了人工智能技术。（考虑到课程学员可能来自世界各地，我认为自己的口音未必能让所有人都轻松听懂。因此，为了确保清晰易懂，我选择使用文本转语音 AI 工具来完成课程旁白。）

随着大语言模型的迅猛发展，人工智能已进入一个全新时代，生成式 AI 也成为日常生活的一部分。这一演进的下一个阶段便是 AI 智能体——能够与环境互动、做出决策并代表用户执行任务的自主系统。在许多方面，这些智能体可以承担类似组织中人类员工的角色。

那么，我们能否构建自己的 AI 智能体来满足特定需求？我们能否为希望利用这项技术的公司打造解决方案？本课程正是为此而设计——通过为你提供开发 AI 智能体所需的理论知识与实践技能，帮助你实现这一目标。

本课程分为两大部分。第一部分，我们将搭建理解 AI 智能体所需的基础知识。我们将从大语言模型入手——这些系统背后的核心”大脑”。

在此基础上，我们将深入探讨什么是 AI 智能体，阐明它们与生成式 AI 及代理式 AI 的区别。接着，我们将详细剖析其内部结构及定义它们的关键组件。

你还将学习开发 AI 智能体的常用设计模式。此外，我们将介绍检索增强生成（RAG）及其向 Agentic RAG 的演进。为完成这一部分，我们将研究智能体通信协议，重点关注智能体之间以及智能体与外部工具的交互方式。

课程的第二部分完全是动手实践、面向操作的。你将把第一部分学到的 AI 智能体设计模式应用到真实场景中。

我们首先介绍两个最流行的 AI 智能体构建框架：LangGraph 和 CrewAI。然后，你将使用这些框架开发 24 个不同的 AI 智能体应用。在此过程中，你将探索工具集成、记忆、Agentic RAG 和多智能体系统等关键特性。

这些应用将展示 AI 智能体如何通过处理内容创作与验证、在线研究、智能体协作、文件处理、代码生成与执行、知识检索、对话界面和问题管理等任务，来重塑我们的工作方式。

完成本课程后，你不仅将从概念上理解 AI 智能体，还将具备为各种现实需求构建它们的实践专长。

课程时长：4小时18分钟 1920X1080 mp4 语言：英语

你将学到什么

⚡ 你将学习大语言模型、生成式 AI 和提示词等概念，这些对于理解 AI 智能体架构至关重要。
⚡ 你将了解 AI 智能体是什么，以及它们与生成式 AI 和代理式 AI 的区别。
⚡ 你将学习构成 AI 智能体的基本组件，如个性、记忆、工具、推理和规划。
⚡ 你将发现强大的代理模式，如 ReAct、CoT、ReWOO、ToT 和反思模式，并运用它们设计和构建 AI 智能体。
⚡ 你将学习多智能体架构，分析 Supervisor 和 Swarm 等实例，并使用这些模式构建自己的多智能体系统。
⚡ 你将学习如何将人类引入 AI 智能体的工作流程中，并通过真实代码示例巩固所学。
⚡ 你将探索 Agentic RAG，并通过实际代码示例学习如何在 AI 智能体中使用它。
⚡ 你将了解 AI 智能体如何通过 MCP、A2A 和 ACP 等协议进行通信。
⚡ 你将探索广泛使用的 AI 智能体框架，如 LangGraph 及其核心基础 LangChain。
⚡ 通过学习 LangGraph 中的状态、节点和边等概念，你将能够构建自己的工作流。
⚡ 你将通过实际代码示例，学习在 LangGraph 中使用记忆的不同方法。
⚡ 你将学习如何在 LangGraph 框架中使用内置工具和自定义工具。
⚡ 你将探索使用 LangGraph 进行智能体协作的实例，并学习自己构建类似的系统。
⚡ 你将了解 CrewAI，一个用于开发 AI 智能体的强大框架。
⚡ 你将探索 CrewAI 的关键构建模块——团队、任务和智能体——并学习如何在项目中使用它们。
⚡ 你将学习 CrewAI 中用于定义任务和智能体的基于 YAML 的配置，并学会创建自己的 YAML 文件。
⚡ 你将了解如何在 CrewAI 中设计并运行流程，同时与团队协作。
⚡ 你将能够在 CrewAI 中开发能够编写和执行代码的 AI 智能体。
⚡ 你将学习如何使用 CrewAI 的测试和训练功能来提升 AI 智能体的性能。

课程要求

❗ 具备基础的编程、算法开发或理解能力
❗ 虽然不要求掌握 Python 知识，但有助于理解课程提供的代码示例