课程简介
课程旨在系统化传授基于大语言模型构建智能体应用的核心知识与工程能力。课程从LLM原理与提示词工程进阶切入，深入讲解Agent的设计模式、开发框架与多智能体协作机制，并涵盖前沿的评测与运维体系。尤为突出的是，课程结合大量软件工程领域的独家实战案例，提供从设计到落地的完整路径，助力学员掌握构建可靠、高效且可扩展的企业级智能体解决方案的关键技能。
目标收益
1、建立系统化Agent知识体系：深入理解Agent的核心概念、能力图谱及其与LLM的关系，掌握从提示词工程、ReAct、RAG到Function Call等一系列支撑Agent能力的核心技术原理。
2、掌握核心设计模式与开发方法：系统学习顺序、路由、并行、反思、规划等经典Agent设计模式，并能使用主流框架（如LangChain）进行模式实现与开发，具备构建自主决策与协作智能体的能力。
3、获得企业级实战开发经验：通过接口/GUI测试生成、Code Agent、代码评审、需求辅助等大量软件工程领域的独家案例，获得将Agent设计模式应用于真实业务场景的完整思路与落地实践参考。
4、理解多智能体协作与前沿方向：掌握Multi-Agent的任务调度与协作逻辑，了解如MetaGPT等前沿应用，同时拓展对Agent评测、AgentOps等高级主题与行业发展趋势的认知。
5、具备Agent全生命周期管理视角：学习从智能体开发、评测验证到运营维护（AgentOps）的全流程体系，理解其挑战与应对策略，具备规划和运维企业级Agent应用的能力。
6、获得框架选型与工程化落地能力：了解主流Agent开发框架的选型策略，掌握基于可视化编排与代码框架两种开发模式，能够根据实际需求规划和实施企业级智能体应用的开发项目。
培训对象
1、AI应用开发工程师/算法工程师：希望将大模型能力转化为企业级智能体应用的开发者。
2、软件架构师/技术负责人：需要设计基于Agent的系统架构、选型框架、规划智能体落地的技术决策者。
3、研发工程师与测试开发工程师：希望使用Agent能力提升编码、测试、评审等工程效率的实践者。
4、LLM技术研究员与产品经理：希望深入理解Agent设计模式、多智能体协作及前沿趋势，以指导技术规划或产品设计。
5、企业数字化转型与智能化团队：负责推进AI在企业内部场景落地、构建自动化智能任务流程的团队。
6、对Agentic AI有强烈兴趣的高级开发者：已有LLM基础，希望系统
课程大纲
| 熟练使用LLM能力的核心知识体系 |
1.大语言模型的基本原理详解 2.LLM应用能力的进阶模型（“倒三角”模型） 3.提示词工程基础知识 4.主流提示词使用技巧 5.提示的万能使用公式详解 6.提示词模板的使用 7.提示词静态链的使用 8.提示词的横向扩展 9.提示词的纵向扩展 10.使用API访问大模型 11.ReAct的概念和落地 12.思维链和多思维链 13.RAG的基本原理与应用 14.多模态RAG的使用 15.plugin机制与使用方式 16.Function Call机制与使用方式 17.MCP机制与使用方式 18.Skill机制与使用方式 |
| Agent核心知识体系 |
1.Agent的雏形 2.Agent智能体的定义与特点 3.Agent与传统软件的关系 4.Agent与LLM的关系 5.Agent的能力图谱 6.Agent的错误累积特性 7.Agent开发的基本框架 8.业界主流Agent的设计思路与使用 9.Multi-Agent的雏形 10.业界主流Multi-Agent的设计思路 11.多Agent任务调度策略与选型 12.Agent设计模式与选择 13.Multi-Agent的基本逻辑和应用范围 14.Multi-Agent应用示例：MetaGPT 15.Multi-Agent应用示例：DevChat |
| Agent设计模式 |
1.顺序执行链模式与案例详解 2.路由模式与案例详解 3.并行模式与案例详解 4.反思模式与案例详解 5.工具使用模式与案例详解 6.规划模式与案例详解 7.多智能体协作模式与案例详解 8.人类参与模式与案例详解 9.短期记忆管理模式与案例详解 10.长期记忆管理模式与案例详解 |
| Agent智能体开发 |
1.Agent开发的主流框架简介 2.Agent开发框架的学习方法与策略 3.基于可视化编排的Agent开发模式 4.基于代码框架的Agent开发模式 5.记忆，规划，工具，自主决策，推理详解 6.多智能体协作 7.企业级智能体应用与任务规划 8.Agent开发框架选型 9.用LangChain实现路由模式 10.用LangChain实现并行模式 11.用LangChain实现反思模式 12.用LangChain实现工具使用 13.用LangChain实现规划模式 14.用LangChain实现短期记忆管理模式 15.用LangChain实现长期记忆管理模式 |
| Agent高级主题与应用前沿 |
1.Agent评测的“可验证性”理论 2.Agent评测的数据集准备 3.Agent评测的业界前沿实践 4.Agent评测的发展方向 5.AgentOps的概念 6.AgenticOps的概念 7.AgentOps的难点与挑战 8.AgentOps的异常定义 9.AgentOps的全流程体系 10.AgentOps的发展方向 |
| 企业级Agent实战案例详解（软件工程领域独家干货） |
1.接口测试用例和脚本生成Agent的设计与落地实践 2.GUI测试用例和脚本生成Agent的设计与落地实践 3.自启发GUI测试Agent的设计思路与落地实践 4.Code Agent的设计思路与落地实践 5.代码重构Agent的设计思路与落地实践 6.代码评审Agent的设计思路与落地实践 7.需求辅助Agent的设计思路与落地实践 8.各类其他Agent的设计思路与落地实践 |
|
熟练使用LLM能力的核心知识体系 1.大语言模型的基本原理详解 2.LLM应用能力的进阶模型（“倒三角”模型） 3.提示词工程基础知识 4.主流提示词使用技巧 5.提示的万能使用公式详解 6.提示词模板的使用 7.提示词静态链的使用 8.提示词的横向扩展 9.提示词的纵向扩展 10.使用API访问大模型 11.ReAct的概念和落地 12.思维链和多思维链 13.RAG的基本原理与应用 14.多模态RAG的使用 15.plugin机制与使用方式 16.Function Call机制与使用方式 17.MCP机制与使用方式 18.Skill机制与使用方式 |
|
Agent核心知识体系 1.Agent的雏形 2.Agent智能体的定义与特点 3.Agent与传统软件的关系 4.Agent与LLM的关系 5.Agent的能力图谱 6.Agent的错误累积特性 7.Agent开发的基本框架 8.业界主流Agent的设计思路与使用 9.Multi-Agent的雏形 10.业界主流Multi-Agent的设计思路 11.多Agent任务调度策略与选型 12.Agent设计模式与选择 13.Multi-Agent的基本逻辑和应用范围 14.Multi-Agent应用示例：MetaGPT 15.Multi-Agent应用示例：DevChat |
|
Agent设计模式 1.顺序执行链模式与案例详解 2.路由模式与案例详解 3.并行模式与案例详解 4.反思模式与案例详解 5.工具使用模式与案例详解 6.规划模式与案例详解 7.多智能体协作模式与案例详解 8.人类参与模式与案例详解 9.短期记忆管理模式与案例详解 10.长期记忆管理模式与案例详解 |
|
Agent智能体开发 1.Agent开发的主流框架简介 2.Agent开发框架的学习方法与策略 3.基于可视化编排的Agent开发模式 4.基于代码框架的Agent开发模式 5.记忆，规划，工具，自主决策，推理详解 6.多智能体协作 7.企业级智能体应用与任务规划 8.Agent开发框架选型 9.用LangChain实现路由模式 10.用LangChain实现并行模式 11.用LangChain实现反思模式 12.用LangChain实现工具使用 13.用LangChain实现规划模式 14.用LangChain实现短期记忆管理模式 15.用LangChain实现长期记忆管理模式 |
|
Agent高级主题与应用前沿 1.Agent评测的“可验证性”理论 2.Agent评测的数据集准备 3.Agent评测的业界前沿实践 4.Agent评测的发展方向 5.AgentOps的概念 6.AgenticOps的概念 7.AgentOps的难点与挑战 8.AgentOps的异常定义 9.AgentOps的全流程体系 10.AgentOps的发展方向 |
|
企业级Agent实战案例详解（软件工程领域独家干货） 1.接口测试用例和脚本生成Agent的设计与落地实践 2.GUI测试用例和脚本生成Agent的设计与落地实践 3.自启发GUI测试Agent的设计思路与落地实践 4.Code Agent的设计思路与落地实践 5.代码重构Agent的设计思路与落地实践 6.代码评审Agent的设计思路与落地实践 7.需求辅助Agent的设计思路与落地实践 8.各类其他Agent的设计思路与落地实践 |
近期公开课推荐
