课程简介
面向希望系统性掌握智能体架构设计与工程化落地的技术团队,覆盖从传统研发转型 Agent 全栈、Harness→Loop→Graph 工程化演进,到效果自演进与投产实战的完整链路。
课程不按「组件清单」平铺,而是沿 Prompt→Context→Harness→Loop→Graph 的工程化演进路径展开——每个组件都回答三个问题:它在什么架构瓶颈下出现、解决了什么、付出了什么代价;学员拿到的是「为什么这样设计」,而不是「怎么调 API」。
课程以「真实问题」组织内容,而非以「知识点」组织:每章从真实故障切入(幻觉、长任务漂移、上下文爆炸、工具调用不稳、评估缺失),回到第一性原理拆解,给出架构方案,用脱敏真实案例复现,最后落到投产标准与验收清单。
目标收益
1.架构能力:能画出自己业务的 Agent 架构蓝图,说清每一层的职责边界、选型理由与演进路线,并对单 Agent / Multi-Agent / Loop / Graph 等方案做出有依据的取舍。
2.掌握全栈核心组件原理与实现:大脑推理与规划、上下文工程、记忆架构、RAG 与 Agentic 检索、技能与工具、沙箱环境、评估飞轮、微调与对齐。
3.工程落地:掌握评估体系搭建、成本与延迟控制、稳定性与容错设计、可观测与灰度发布,具备把 POC 推进到生产环境交付的完整能力。
培训对象
技术负责人 / 架构师,一线研发工程师,技术管理者 / 研发效能负责人
课程大纲
|
模块一:传统研发转型 Agent 全栈开发 从"写确定逻辑"到"定义智能边界"——思维转变是第一步 |
1.1 行业趋势与第一性原理 AI 智能体行业演进趋势与 LLM 第一性原理 传统工程研发向 Agent 开发的思维转变路径和实践案例 AI 智能体构建和工作模式设计 AI 智能体核心架构演进范式剖析与 SOTA 案例 1.2 高阶推理架构与协同模式 推理规划模式提升智能度 vs 确定性幻觉一致平衡术 结合场景实践的落地案例(可定制案例和绑定框架) 1.3 xx 大厂研发转型 Agent 开发的实际技术产品落地案例 xx 大厂通用智能体的诞生与架构设计实践 xx 大厂从传统工程团队到 Agent 开发团队的组织转型路径与踩坑记录 技术栈选型深度共创:开源 Agent harness 框架 vs. 自研框架的权衡和比对 |
|
模块二:Agent 开发工程化和架构演进(? 重点模块) Prompt→Context→Harness→Loop→Graph:一条可演进、可选型的工程化路径 |
2.1 Harness Engineering 深度解析 从散装 Agent 到标准化组件的运行底座 业内最佳实践解析 Anthropic Harness 实践:长程任务的「脚手架」与「指挥官」 OpenAI Harness 实践:百万行代码后的「自动驾驶系统」 LangChain Harness 实践:DeepAgents 编码能力的跃升 Harness + 大脑进化 从工作流编排到多 Agent 协同实现大脑进化 Multi-Agent 架构的选型权衡与代码实战(可定制案例和绑定框架) [Workshop][案例实践] 从智能体重构和严肃场景防幻觉实践案例看 Harness 架构设计(可定制案例和绑定框架) 2.2 Loop Engineering:自修正循环的工程实现 基础 Loop 实现与工具封装 xx 大厂 AI 智能体核心架构演进范式剖析与 Loop Engineering 落地实践 2.3 Graph Engineering:复杂状态流转与多 Agent 编排 从 Loop 到 Graph 的架构升级 [案例] Prompt→Context→Harness→Loop→Graph 多项脱敏案例 2.4 2027 再看单 Agent vs 多 Agent 选型和框架选型 2.5 用 Agent 改造遗留系统 / 老系统 问题拆解视角:老系统改造的痛点 架构设计思路:Planner + Executor + Reflector 模式引入 File System Sandbox 技术栈选型:LangGraph / 其它框架 + Sandbox + RAG 在遗留系统上的适配 xx 机构老系统 Agent 化改造脱敏案例:从需求定义到投产的完整链路 2.6 技能工具构建与沙箱环境 技能与工具 × Agent 集成新范式:通用智能体 + Skills 新架构趋势剖析 如何提升模型对技能 / 工具调用的准确性与执行稳定性 工具集成和拓扑,提升长任务工具装配效率和效果案例 Skill 技能设计最佳实践:前沿趋势→规划→创建→测试→评估→迭代 [Workshop] 智能体重构实践案例:Agent Harness + Skill 技能改造 沙箱技术深度解析:CLI 工具赋能 Agent 与新一代 Agent 工具设计原则 |
|
模块三:从 Demo 到投产——效果优化与自演进飞轮 所有代码骨架按生产标准编写:评估基线、成本预算、失败兜底、回滚方案 |
3.1 上下文与记忆系统的优化 上下文管理系统综述与业界工程挑战 案例 LangChain / LangGraph 云端 Agent 上下文处理哲学 案例 Claude Code 本地 Agent 最佳实践 案例 OpenClaw 基于文件系统的上下文管理新范式 Agent × Memory:超越上下文,迈向真正的自主进化 主流 Agent 记忆架构的设计与探索——案例从 Hermes 智能体看记忆架构和自进化演进 如何科学地评估一个 AI Agent 的记忆能力 3.2 幻觉抑制与智能度提升 [案例] 严肃场景防幻觉实践:从智能体重构看 Harness 架构设计 从 xx 大厂实践案例看大脑进化的架构设计 3.3 评估飞轮驱动的效果自演进闭环 智能体系统评估和优化指南 实践案例构建企业级 Agent 通用评估体系 [案例] xx 大厂评估体系落地与自进化分析:平台化建设与架构效率 Agentic Context Engineering(ACE)效果优化架构实践 ¡基于 ICL(上下文学习)的 training-free 效果优化案例 ¡[Workshop] ACE 在长文本、多步骤任务中的自适应优化实践 |
|
模块四:关键场景和案例攻坚——RAG × 本体论 × 知识工程 从 RAG 到 Agentic:知识增强是严肃场景的护城河 |
4.1 从 RAG 到 Agentic RAG 全链路 [Workshop 案例实践] 从 RAG 到 Deep Research 智能体:从 Indexing、Pre Retrieval、Retrieval、Post Retrieval、Memory、Generation、Orchestration 落地 RAG 优化策略 从 RAG 再看文件系统驱动和 long-context 架构选型设计 4.2 本体论(Ontology)与知识增强 [Workshop 案例实践] Advanced / Compiled RAG 与本体论 Ontology 知识增强(可定制) ¡复杂文档解析管线设计 ¡检索精度突破策略实践 ¡GraphRAG 与知识图谱 ¡本体论 Ontology 从方案到实践落地 4.3 xx 机构真实场景攻坚案例 xx 金融机构:合规审查场景下的 Plan-and-Solve + 本体论知识增强落地 xx 研究机构:投研分析多 Agent 协同 + Deep Research 智能体实践 xx 企业:客服 Agent 从单 Agent Loop 到 Graph 架构升级的演进路径 xx 团队:Coding Agent 的 Harness 架构设计与沙箱环境工程实践 |
| 全流程实战环节 |
5.1 需求定义与架构选型 问题拆解:上下文缺失、无法多步调试、环境隔离难 架构设计:确定「Planner + Executor + Reflector」的多 Agent 架构,引入 File System Sandbox 技术栈初始化:LangGraph + Sandbox + RAG 5.2→5.5 四阶段递进 阶段一:基础 Loop 实现与工具封装 阶段二:上下文优化与 RAG 增强 阶段三:Graph 架构升级与容错处理 阶段四:评估、微调与投产 |
|
模块一:传统研发转型 Agent 全栈开发 从"写确定逻辑"到"定义智能边界"——思维转变是第一步 1.1 行业趋势与第一性原理 AI 智能体行业演进趋势与 LLM 第一性原理 传统工程研发向 Agent 开发的思维转变路径和实践案例 AI 智能体构建和工作模式设计 AI 智能体核心架构演进范式剖析与 SOTA 案例 1.2 高阶推理架构与协同模式 推理规划模式提升智能度 vs 确定性幻觉一致平衡术 结合场景实践的落地案例(可定制案例和绑定框架) 1.3 xx 大厂研发转型 Agent 开发的实际技术产品落地案例 xx 大厂通用智能体的诞生与架构设计实践 xx 大厂从传统工程团队到 Agent 开发团队的组织转型路径与踩坑记录 技术栈选型深度共创:开源 Agent harness 框架 vs. 自研框架的权衡和比对 |
|
模块二:Agent 开发工程化和架构演进(? 重点模块) Prompt→Context→Harness→Loop→Graph:一条可演进、可选型的工程化路径 2.1 Harness Engineering 深度解析 从散装 Agent 到标准化组件的运行底座 业内最佳实践解析 Anthropic Harness 实践:长程任务的「脚手架」与「指挥官」 OpenAI Harness 实践:百万行代码后的「自动驾驶系统」 LangChain Harness 实践:DeepAgents 编码能力的跃升 Harness + 大脑进化 从工作流编排到多 Agent 协同实现大脑进化 Multi-Agent 架构的选型权衡与代码实战(可定制案例和绑定框架) [Workshop][案例实践] 从智能体重构和严肃场景防幻觉实践案例看 Harness 架构设计(可定制案例和绑定框架) 2.2 Loop Engineering:自修正循环的工程实现 基础 Loop 实现与工具封装 xx 大厂 AI 智能体核心架构演进范式剖析与 Loop Engineering 落地实践 2.3 Graph Engineering:复杂状态流转与多 Agent 编排 从 Loop 到 Graph 的架构升级 [案例] Prompt→Context→Harness→Loop→Graph 多项脱敏案例 2.4 2027 再看单 Agent vs 多 Agent 选型和框架选型 2.5 用 Agent 改造遗留系统 / 老系统 问题拆解视角:老系统改造的痛点 架构设计思路:Planner + Executor + Reflector 模式引入 File System Sandbox 技术栈选型:LangGraph / 其它框架 + Sandbox + RAG 在遗留系统上的适配 xx 机构老系统 Agent 化改造脱敏案例:从需求定义到投产的完整链路 2.6 技能工具构建与沙箱环境 技能与工具 × Agent 集成新范式:通用智能体 + Skills 新架构趋势剖析 如何提升模型对技能 / 工具调用的准确性与执行稳定性 工具集成和拓扑,提升长任务工具装配效率和效果案例 Skill 技能设计最佳实践:前沿趋势→规划→创建→测试→评估→迭代 [Workshop] 智能体重构实践案例:Agent Harness + Skill 技能改造 沙箱技术深度解析:CLI 工具赋能 Agent 与新一代 Agent 工具设计原则 |
|
模块三:从 Demo 到投产——效果优化与自演进飞轮 所有代码骨架按生产标准编写:评估基线、成本预算、失败兜底、回滚方案 3.1 上下文与记忆系统的优化 上下文管理系统综述与业界工程挑战 案例 LangChain / LangGraph 云端 Agent 上下文处理哲学 案例 Claude Code 本地 Agent 最佳实践 案例 OpenClaw 基于文件系统的上下文管理新范式 Agent × Memory:超越上下文,迈向真正的自主进化 主流 Agent 记忆架构的设计与探索——案例从 Hermes 智能体看记忆架构和自进化演进 如何科学地评估一个 AI Agent 的记忆能力 3.2 幻觉抑制与智能度提升 [案例] 严肃场景防幻觉实践:从智能体重构看 Harness 架构设计 从 xx 大厂实践案例看大脑进化的架构设计 3.3 评估飞轮驱动的效果自演进闭环 智能体系统评估和优化指南 实践案例构建企业级 Agent 通用评估体系 [案例] xx 大厂评估体系落地与自进化分析:平台化建设与架构效率 Agentic Context Engineering(ACE)效果优化架构实践 ¡基于 ICL(上下文学习)的 training-free 效果优化案例 ¡[Workshop] ACE 在长文本、多步骤任务中的自适应优化实践 |
|
模块四:关键场景和案例攻坚——RAG × 本体论 × 知识工程 从 RAG 到 Agentic:知识增强是严肃场景的护城河 4.1 从 RAG 到 Agentic RAG 全链路 [Workshop 案例实践] 从 RAG 到 Deep Research 智能体:从 Indexing、Pre Retrieval、Retrieval、Post Retrieval、Memory、Generation、Orchestration 落地 RAG 优化策略 从 RAG 再看文件系统驱动和 long-context 架构选型设计 4.2 本体论(Ontology)与知识增强 [Workshop 案例实践] Advanced / Compiled RAG 与本体论 Ontology 知识增强(可定制) ¡复杂文档解析管线设计 ¡检索精度突破策略实践 ¡GraphRAG 与知识图谱 ¡本体论 Ontology 从方案到实践落地 4.3 xx 机构真实场景攻坚案例 xx 金融机构:合规审查场景下的 Plan-and-Solve + 本体论知识增强落地 xx 研究机构:投研分析多 Agent 协同 + Deep Research 智能体实践 xx 企业:客服 Agent 从单 Agent Loop 到 Graph 架构升级的演进路径 xx 团队:Coding Agent 的 Harness 架构设计与沙箱环境工程实践 |
|
全流程实战环节 5.1 需求定义与架构选型 问题拆解:上下文缺失、无法多步调试、环境隔离难 架构设计:确定「Planner + Executor + Reflector」的多 Agent 架构,引入 File System Sandbox 技术栈初始化:LangGraph + Sandbox + RAG 5.2→5.5 四阶段递进 阶段一:基础 Loop 实现与工具封装 阶段二:上下文优化与 RAG 增强 阶段三:Graph 架构升级与容错处理 阶段四:评估、微调与投产 |
近期公开课推荐