资源介绍
视频数量：39个
总时长：4小时7分
课程介绍：
从零开始构建AI智能体：手写一个真正能干活的AI助手
你有没有试过让ChatGPT帮你查今天的天气？它可能会一本正经地告诉你一个三天前的数据，或者干脆编一个数字。你让它打开你电脑上的某个文件，它做不到。你让它记住你上周说过的话，它也记不住。大语言模型本身就像一个被困在玻璃房里的人——它聪明，但它什么都做不了，只能说话。
这正是AI智能体要解决的问题。让大语言模型不仅会说话，还能动手查资料、操作工具、记住历史、规划任务，最终变成一个真正能帮你干活的助手。这门课就是带你从零开始，把这样一个智能体一行一行写出来。
课程基于Youngjun He和Younghee Song所著《从零开始构建AI智能体》一书的前七章，总共39个视频，时长4小时出头。整门课走的是实战路线，每一个知识点都配着可以运行的代码，不是给你讲完概念让你自己去摸索，而是带着你一步步把东西做出来。
一、大语言模型基础：智能体的大脑
要造智能体，先得把大脑接上。第二章解决的就是这个看似简单实则麻烦一堆的问题。
课程一开始会帮你搭建完整的Python开发环境，用UV这个现代的包管理器一次性搞定虚拟环境和依赖。API密钥怎么安全地管理？课程会教你用专门的库加载环境变量，避免把密钥硬编码到代码里。这种细节听起来不起眼，但很多新手第一次跑模型就栽在这里。
接着是基础的LLM API调用，以及怎么统一不同厂商的接口。今天你用OpenAI，明天想换Anthropic，后天又想试本地模型——如果每换一个就要重写一遍调用逻辑，那代码根本没法维护。课程里会给出一个统一的封装层，让你写一次代码，随意切换模型。
对话状态管理也是重点。大语言模型本身是无状态的，它不记得你上一句说了什么。你需要自己维护一份对话历史，把每轮的输入和输出按顺序拼起来，模型才能接上话。听起来简单，但要做对需要考虑不少边界情况。
更进阶的内容包括用Pydantic做结构化输出、异步调用配合速率限制、在真实问题上跑基准测试。这些是真正要部署一个生产级智能体时会遇到的问题，课程没有绕开，而是正面讲清楚。
二、工具调用：让智能体动手做事
语言模型只会生成文字，不会真的去查天气、算数学、发邮件。第二章讲大脑，第三章就开始给它装上手脚。
课程从一个最简单的计算器工具开始，演示怎么定义一个函数、描述清楚它的功能、让大模型知道什么时候该调用它。然后进阶到真实的网络搜索工具，这一步就把联网能力接上了。
工具描述的schema怎么写才规范？怎么自动从Python函数生成？这些工程上的细节课程都覆盖到了。更重要的是，课程会带着你跑通完整的工具调用循环：模型决定调工具，程序执行工具，把结果回传给模型，模型再根据结果生成最终回复。这个循环跑通了，你的智能体就不再只是聊天机器人了。
MCP（模型上下文协议）是当下很热门的话题，课程也专门讲了两节。什么是MCP服务器和客户端？怎么自己写一个MCP服务器把已有工具暴露出来？这部分对想跟上行业前沿的人来说很实用。
三、搭建ReAct智能体骨架
有了大脑和工具，下一步就是把它们组装成一个完整的智能体。第四章开始手写一个ReAct（推理加行动）模式的智能体。
课程从最底层的数据类型开始，定义消息、工具调用、工具结果这些核心结构。然后抽象出统一的工具接口，让任何工具都能插进来。LLM通信层则是把第二章的内容封装成更易用的形式。
当你把这些零件一个个拼起来，看着自己写的智能体第一次自主完成任务，那种感觉和调用别人的API是完全不同的。课程还会教你用结构化输出来约束智能体的行为，以及怎么科学地评估一个智能体的表现——不是凭感觉说好像挺聪明的，而是用具体的指标来衡量。
四、RAG：给智能体装上专属知识库
通用的大模型什么都懂一点，但对你公司的产品手册一无所知。第五章讲的就是怎么用检索增强生成（RAG）给智能体装上专属知识。
从最基础的文本嵌入开始，把文字变成向量。然后是文本分块——一整篇文档不能直接塞进去，要切成合适大小的片段。向量搜索是怎么工作的？为什么相似度检索有时不够用？课程会讲到结构化检索、文件系统集成这些更复杂的方式。
特别值得一提的是，这一章还讲了上下文压缩。当检索回来的内容太多、塞不进模型的上下文窗口时，怎么智能地压缩、摘要、筛选，保证模型拿到的是最有用的信息。这是在做实际项目时经常被忽视但极其关键的一环。
五、记忆系统：让智能体记住你
第六章解决的是另一个核心问题：记忆。人和人聊天不会每句话都从头解释背景，智能体也一样。
课程从分层上下文管理讲起，把记忆分成不同的层次和粒度。多轮对话和异步工作流怎么设计？当智能体要执行一个可能有风险的操作时，怎么加入人工确认环节？这些都是让智能体从玩具变成工具必须考虑的问题。
长期记忆的实现方式、记忆在需要时怎么被检索回来——这一章把这套机制讲透了。学完之后你的智能体就能跨越多轮对话、跨越多次会话，真正认识它的用户。
六、规划与反思：处理复杂任务
最后一章是关于规划和反思。当任务很简单时，智能体一步步推理加执行就够了。但面对真正复杂的多步骤任务，它需要先想清楚应该分几步做，然后在执行过程中不断检查自己做得对不对。
课程会带你搭建一个任务规划系统，看看实际的规划过程是什么样的。反思机制则是让智能体在执行完一步之后回头审视自己的行动，发现问题就调整，发现走偏了就纠回来。这两样东西加在一起，智能体处理复杂任务的能力会上一个台阶。
整门课走下来，你会得到一个完整的、能跑起来的AI智能体，而且更重要的是，你会清楚知道它每个部分是怎么工作的、为什么这么设计、哪里可以替换、哪里可以扩展。
这门课适合有一定Python基础、想深入了解AI智能体底层原理和工程实现的人。如果你只是想要一个现成的框架拿来用，可能会觉得节奏稍慢；但如果你想知道智能体那些魔法背后到底发生了什么，想自己掌控每一个细节，这4个小时的投资会非常值得。