资源介绍
视频数量：67个
总时长：18小时12分
课程介绍：
智能体工程实战：从单智能体到多智能体系统的全栈进阶
刷到一段智能体Demo时，你是不是觉得"未来已来"？自己上手写了脚本、跑通测试，可一上线用户问个拐弯的问题，智能体就开始胡言乱语、循环调用、账单爆掉。
问题不在你——大多数教程到"能跑"就停了。真正决定系统能不能用的，是它在异常、并发、成本失控这些场景里能不能站稳。这门课把"能动、到能用、再到能交付"这条路拆开讲，全程实操，每个概念都有配套代码。
一、把地基打稳
先把"智能体"三个字掰开：什么算真正的智能体，什么只是套了LLM壳的if-else；自主性光谱告诉你哪些场景压根不该用；智能体循环心智模型把"感知-思考-行动-观察"讲透；最后给一张完整课程地图和技术栈，让你心里有数再动手。
二、从零写一个能用的智能体
与其直接堆框架，不如先手写一个纯Python的智能体循环，几十行代码看清它到底在干什么。工具Schema设计和函数调用最容易踩的坑：模型返回错乱、工具执行失败怎么救？配套实战"发票异常通知智能体"，从环境配置到异步并行调用一步步跑通。
三、让智能体记得住事
"上下文就是钱"——先算清这笔账：为什么智能体总是金鱼记忆，短期对话状态怎么保持连贯；长期记忆的存储、画像、回忆三种模式各解决什么问题；状态Schema在生产里为什么最容易腐烂；上下文工程和"塞Prompt"的本质区别。最后一起做"会话记忆运维助手"，把记忆链路串通。
四、规划、反思与人类把关
智能体最大的幻觉来源不是模型不聪明，而是思考流程不可靠。这一章把规划、反思、反应、路由四种模式排开：不确定环境下怎么Plan-Execute-Replan，反思循环为什么能提升质量，人类介入检查点怎么设计才不会变累赘。一个反直觉话题：什么时候这些模式反而拖后腿、增加成本、延迟，甚至陷入死循环。配套项目"运维任务规划器"带一个人类关口跑一遍就懂。
五、用LangGraph构建有状态工作流
LangGraph的核心是节点、边、共享状态，但这一章不只是教调API，而是讲清为什么图结构比自由循环更靠谱。条件边和路由器让智能体不再是巨型节点；持久化和检查点是生产关键，没有它崩溃恢复等于重复扣费；流式输出改善长任务体验；子图和扇出扇入应对复杂协作；HITL断点让人工介入恰到好处。实战项目"异常路由图"把这些能力串起来。
六、多智能体协作的架构选择
单智能体还是多智能体，不是拍脑袋能决定的——什么时候单智能体更省心，什么时候必须上多智能体？三种主流架构：监督者、顺序链、群体协作，各自适用场景和坑点。智能体之间的交接、共享状态、消息契约怎么设计才不会出乱子。多智能体的典型失败模式：协作死循环、职责漂移、重复执行怎么提前规避。配套项目"研究多智能体团队"的设计与构建，最后做一轮批判与加固。
七、框架横评与生产选型
给一张决策矩阵，看清LangGraph、CrewAI、AutoGen怎么选。CrewAI的Agent、Task、Crew、Flow走一遍，做"客服分流团队"；AutoGen AG2的多模型对话机制跑一遍，做"分流稿件自动审核"；最后是生产选型清单和SDK、ADK等其它框架的轻量地图。
八、MCP工具生态与智能体检索
工具调用是智能体能力的边界。从"工具不只是一个函数"建立工具生态思维；MCP核心心智模型Host、Client、Server怎么协作；既教你连接现成MCP服务器，也教你搭建自定义MCP工具服务器；再到智能体检索增强——把检索当作工具用，而不是黑盒。配套项目"先检索后行动"的异常处理智能体把工具和RAG融合起来。最后单独讲工具和MCP的安全边界。
九、护栏、评估与可观测性
没有护栏的智能体上线等于裸奔。为什么要分层设防：输入过滤、输出校验、工具授权三层各管什么；怎么在LangGraph上加护栏中间件又不碍事；评估智能体不能只看最终答案对不对，整个执行轨迹才是关键；可观测性三件套追踪、成本、延迟SLO怎么搭。配套做一个迷你评估测试台，再聊人工升级剧本。
十、生产部署与毕业设计
直面现实：原型是怎么死在生产里的；配置、密钥、依赖的打包方式；成本和延迟预算怎么算、怎么让老板信服。毕业设计"Spec Ops异常智能体团队"贯穿前面所有章节——从图与工具、多智能体与护栏，到评估、故障演练，做完手里就有一个能拿出手的完整项目。
适合谁？如果你会Python、写过LLM应用，但对"智能体"还停留在调API的层面；如果你做过后端开发，想把AI能力真正落到生产系统；如果你已经踩过几个智能体项目的坑，希望系统补一遍工程化功课——这门课就是给你准备的。十八小时、六十七节课全程实操。学完你能独立设计、构建、评估并部署一个可上生产的智能体系统，知道每个环节为什么这么做、哪些坑可以提前避开。