AI Agent開發系統實戰：學習大模型底層知識，精通架構設計，落地企業級智能體系統開發

課程介紹：
本套 AI Agent 應用開發系統課完整覆蓋大模型基礎到生產級 Agent 系統開發全鏈路。課程講解 LLM 底層原理、Token、幻覺、提示詞工程；深度剖析 Agent 架構、規劃、記憶系統、工具調用、RAG 檢索增強；詳解 LangChain、CrewAI 等主流框架，學習工作流編排、多 Agent 協作；包含企業級系統設計、高並發、性能成本優化、Agent 質量評估、安全風險防護，搭配多行業 Agent 實戰案例，分析技術瓶頸與未來方向，適合開發人員、AI 從業者學習構建生產可用的智能體系統。

課程目錄：
1.01_什麼是 AIAgent 它與傳統 AI 有什麼區別
10.10_爲什麼 Agent 需要記憶_
100.06_什麼是 CrewAI 它的設計理念是什麼
101.07_OpenAIAssistantsAPI 有哪些核心功能
102.08_如何選擇適合項目的 Agent 框架
103.09_用開源框架還是自研 Agent 框架
104.10_如何設計 Agent 的工作流
105.11_DAG 和循環流在 Agent 工作流中如何選擇
106.12_多 Agent 編排的核心挑戰是什麼
107.13_如何構建一個 AgentPipeline
108.14_如何實現 Agent 的可觀測性（Observability）
11.11_什麼是推理引擎_
110.01_如何設計企業級 Agent 系統
111.02_如何設計一個 AI 助理產品
112.03_如何設計智能客服 Agent 系統
113.04_如何設計辦公自動化 Agent
114.05_如何設計一個代碼生成 Agent
115.06_Agent 系統如何擴展（Scale）以支持高並發
116.07_Agent 系統中如何做並發控制
117.08_如何降低 Agent 系統的響應延遲
118.09_如何控制 Agent 系統的 Token 成本
119.10_Agent 系統如何設計緩存策略
12.12_工具使用在 Agent 中的作用_
120.11_Agent 系統的日誌系統如何設計
121.12_Agent 系統中如何做 A‑B 測試
122.13_如何設計 Agent 系統的高可用架構
123.14_Agent 系統如何實現優雅降級
124.15_多模型 Fallback 策略如何設計
125.01_如何評估 Agent 的質量
126.02_什麼是離線評估_
127.03_什麼是在線評估_
128.04_如何設計 Agent 評估基準 (Benchmark)*
129.05_什麼是 AgentBench*
13.13_什麼是環境交互_
130.06_如何評估 Agent 的推理能力_
131.07_如何評估 Agent 的工具使用能力_
132.08_如何評估 RAG 系統的質量_
133.09_如何檢測 Agent 的幻覺問題_
134.10_什麼是 LLM‑as‑Judge_如何使用_
135.11_如何優化 Agent 的整體性能_
136.12_如何系統地優化 Prompt_
137.13_如何通過模型選擇來優化性能_
138.14_Agent 系統中如何設計反饋閉環_
139.15_Agent 系統如何實現持續學習_
14.14_感知與行動在 Agent 中如何體現_
140.01_什麼是 Prompt 注入攻擊_
141.02_Agent 系統中數據泄露的風險有哪些
142.03_Agent 系統面臨哪些安全風險_
143.04_如何防止 Agent 的權限提升攻擊_
144.05_如何限制 Agent 的工具權限_
145.06_多用戶場景下如何隔離用戶數據_
146.07_如何防止 Agent 被越獄 (Jailbreak)*
147.08_Agent 系統的審計日誌應該記錄什麼*
148.09_如何設計安全的代碼執行沙箱_
149.10_如何防止惡意輸入攻擊 Agent_
15.15_單 Agent 與多 Agent 系統的區別_
150.11_生產環境中如何加固 Agent 系統_
151.12_Agent 系統中如何處理用戶隱私數據_
152.13_內容安全過濾如何實現_
153.14_如何防止 Agent 輸出敏感信息_
154.15_如何爲 Agent 系統設計安全策略_
155.01_如何設計一個報告撰寫 Agent
156.02_如何設計一個智能客服 Agent_
157.03_如何設計一個金融分析 Agent_
158.04_如何設計一個代碼生成 Agent_
159.05_如何設計一個多 Agent 協作系統_
16.16_Agent 的能力邊界在哪裡_
160.06_Agent 在多目標衝突時如何決策_
161.07_如何爲 Agent 實現長期記憶_
162.08_Agent 輸出錯誤時如何排查_
163.09_Agent 成本過高如何優化
164.10_Agent 延遲過高如何處理
165.11_RAG 效果不好如何排查改進
166.12_如何提高 Agent 系統的穩定性
167.13_如何提升 Agent 的任務成功率
168.14_如何讓 Agent 具備自我糾錯能力
169.15_如何設計生產級別的 Agent 系統
17.01_什麼是大語言模型 (LLM)*
170.01_Agent 的未來發展方向是什麼
171.02_Agent 會取代人類工作嗎
172.03_多 Agent 社會是什麼概念有什麼潛力
173.04_Agent 與 AGI 的關係
174.05_當前 Agent 技術的瓶頸在哪裡
175.06_你做過最複雜的 Agent 項目是什麼（參考性回答）
176.07_如何評價主流 Agent 框架
177.08_Agent 和傳統工作流有什麼本質區別
178.09_Agent 真的_智能_嗎
179.10_Agent 架構與傳統軟件架構的根本區別
18.02_LLM 是如何訓練的*
19.03_什麼是 Token_
2.02_什麼是 AgenticAI
20.04_什麼是下一個 Token 預測_
21.05_Transformer 的核心機制是什麼_
22.06_注意力機制 (Attention) 是怎麼工作的_
23.07_Temperature 參數對生成結果有什麼影響_
24.08_Top‑K 和 Top&#8209 採樣是什麼_
25.09_什麼是幻覺 (Hallucination)*
26.10_LLM 爲什麼會產生幻覺*
27.11_如何評估 LLM 的質量_
28.12_開源模型 vsAPI 模型，如何選擇_
29.13_如何爲項目選擇合適的 LLM_
3.03_LLM 與 Agent 有什麼區別
30.14_Prompt 對 LLM 輸出有什麼影響_
31.15_什麼是指令微調 (InstructionTuning)*
32.16_RLHF 在 LLM 中起什麼作用*
33.01_什麼是提示詞工程（PromptEngineering）
34.02_Zero‑Shot 和 Few‑Shot 有什麼區別
35.03_什麼是思維鏈（ChainofThought）
36.04_爲什麼 CoT 能提升推理能力
37.05_什麼是自洽性（Self‑Consistency）
38.06_什麼是 ReAct 提示策略
39.07_如何設計穩定可靠的 Prompt
4.04_爲什麼從 LLM 應用轉向 Agent
40.08_什麼是 Prompt 注入攻擊
41.09_如何防禦 Prompt 注入
42.10_如何設計高質量的 Prompt 模板
43.11_SystemPrompt 和 UserPrompt 有什麼區別
44.12_如何控制 LLM 的輸出格式
45.13_如何提升 Prompt 的魯棒性
46.14_如何爲多步驟任務設計 Prompt
47.15_Prompt 對 Agent 行爲有什麼影響
48.01_一個完整的 Agent 架構包含哪些部分
49.02_Agent 的規劃（Planning）機制是什麼
5.05_Agent 的核心組件有哪些
50.03_什麼是任務分解 Agent 如何做任務分解
51.04_Agent 的決策機制是什麼
52.05_工具調用和函數調用是什麼有什麼區別
53.06_Agent 如何調用外部 API
54.07_什麼是執行循環（ExecutionLoop）
55.08_Agent 如何處理重試和錯誤恢復
56.09_Agent 的記憶系統有哪些設計模式
57.10_短期記憶和長期記憶在 Agent 中如何實現
58.11_Agent 如何管理狀態（StateManagement）
59.12_什麼是 Agent 的自我反思（Reflection）
6.06_Agent 和 Chatbot 的區別
60.13_多 Agent 如何協作
61.14_Agent 如何進行任務優先級排序
62.15_如何設計一個通用 Agent 框架
63.16_如何設計一個垂直領域 Agent
64.01_什麼是 RAG（檢索增強生成）
65.02_RAG 的工作流程是什麼
66.03_爲什麼 Agent 需要 RAG
67.04_什麼是向量嵌入（Embedding）
68.05_什麼是文檔分塊（Chunking）
69.06_如何選擇合適的 ChunkSize
7.07_什麼是自主 Agent
70.07_什麼是向量數據庫
71.08_常見向量數據庫有哪些如何選擇
72.09_向量相似度搜索是如何實現的
73.10_如何優化 RAG 的召回率
74.11_如何優化 RAG 的精確率
75.12_Rerank 在 RAG 中起什麼作用
76.13_RAG 如何解決長上下文問題
77.14_RAG 如何減少幻覺
78.15_RAG 和微調如何選擇
79.16_RAG 落地最難的問題是什麼
8.08_什麼是目標驅動型 Agent_
80.01_什麼是工具使用（ToolUse）
81.02_Agent 如何進行工具選擇
82.03_工具選擇的底層機制是什麼
83.04_如何設計好的工具 Schema
84.05_FunctionCalling 的設計原則是什麼
85.06_Agent 如何調用數據庫
86.07_Agent 如何調用搜索引擎
87.08_Agent 如何執行代碼
88.09_如何協調多工具的調用
89.10_如何避免 Agent 錯誤地調用工具
9.09_什麼是多步推理_Agent 如何實現_
90.11_工具調用失敗後 Agent 如何處理
91.12_如何驗證工具調用結果的可靠性
92.13_如何設計 Agent 的插件系統
93.14_什麼是 MCP（ModelContextProtocol）
94.15_如何控制工具的權限
95.01_你用過哪些 Agent 框架如何評價
96.02_LangChain 的核心組件是什麼
97.03_LangGraph 和 LangChain 有什麼區別
98.04_AutoGPT 的核心思路是什麼
99.05_ReActAgent 是如何工作的