AI Agent从0到1定制开发 全栈/全流程/企业级落地实战「已完结」

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

@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

@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/