资源介绍
视频数量：31个
总时长：6小时26分
课程介绍：
LangChain与LangGraph实战：从零打造可投产的AI智能体
想象这样一个场景：你给AI发一条消息，让它查订单状态再给客户回个邮件。它真的自己去查数据库、核对了信息，回复还写得妥妥帖帖。这不是科幻情节，而是AI智能体在生产环境里正在干的事。但怎么从零开始，把这样一个能思考、能调用工具、能记住上下文的智能体搬到生产环境里真正跑起来？这门课就是来回答这个问题的。
一、AI智能体的基础认知
动手写代码之前，课程先帮你把"智能体"这个概念捋清楚。智能体的核心循环是什么，为什么传统聊天机器人算不上智能体，什么场景应该用智能体、什么场景反而不要用——很多人在这一步就栽了跟头，总觉得大模型这么强就什么都让它干，结果搞出一个又慢又贵还不靠谱的东西。课程会拆解智能体什么时候会失败、失败的原因是什么，以及怎么从设计层面规避这些坑。
二、LangChain核心要点
LangChain是构建智能体最常用的框架，但这套API一直被人吐槽"概念太多、理不清楚"。这门课从"为什么要发明这些东西"的角度讲起：怎么连接不同的大模型供应商、消息格式为什么是大模型之间的通用语言、提示词模板怎么写、那些让人头大的模型参数到底在控制什么。最后你会做一个工单分类器，用结构化输出让模型返回固定格式的结果——这是把智能体接入真实业务系统的第一步。
三、给智能体装上手脚：工具调用
光会聊天不够，智能体得有干活的能力。这部分讲解什么是工具，怎么用装饰器快速创建一个工具，工具的参数和模式怎么设计，工具执行出错怎么处理，以及工具在安全设计上有哪些坑。你会逐步打造出计算器、知识库搜索、创建工单、发送通知这几个常用工具，然后组合起来做成一个真正的研究助手。一个特别容易被忽视的设计原则是最小权限，课程会告诉你为什么工具越简单反而越安全。
四、构建可靠的智能体架构
智能体跑起来之后，你会发现它经常陷入死循环、调用错误的工具、给出莫名其妙的回答。这部分专门解决"智能体不听话"的问题：如何合理地终止循环、怎么根据上下文动态绑定工具、怎么在智能体外围加一层护栏拦截危险操作、怎么阅读追踪日志定位问题。最终你会在前一步基础上把研究助手重构成一个真正能在生产环境跑的版本。
五、LangGraph基础：让工作流变得可控
LangChain在处理复杂流程时力不从心，LangGraph的出现正是为了解决这个痛点。它用图的方式把智能体的执行流程画出来，每个节点做什么、节点之间怎么流转一目了然。你会从第一个LangGraph程序开始，掌握核心概念、构建和运行图、实现路由和分支、理解不同的执行模式，最终把智能体塞进图的节点里。你会做出内容处理器和客服支持两个典型工作流，体会LangGraph处理复杂逻辑时的优雅。
六、状态、记忆与人机协同
没有记忆的智能体就像金鱼，每次对话都从零开始。这部分先讲清楚智能体为什么是有状态的，然后区分短期记忆和长期记忆：前者管当前对话上下文，后者管跨会话的用户偏好。你会学到检查点和线程标识符的用法，以及处理涉及隐私的记忆时要注意什么。关键操作上智能体不应完全自己做主——课程专门讲解人在回路的设计，包括中断机制、批准、拒绝、修改的交互方式，以及在生产环境中如何优雅地实现人工审核。
七、RAG智能体：让AI知道你的业务
大模型训练数据有截止日期，它也不知道你公司的内部文档。这部分教你用RAG给智能体补充知识。你会理解检索管道的完整流程：从文档加载、向量化、检索器构建，一直到把RAG链升级成RAG智能体。课程用ChromaDB做向量数据库，最终你将完成一个文档助手——它能基于公司私有文档回答问题，而不是在那里一本正经地胡说八道。课程还专门讲了生产环境RAG的几个关键注意事项，比如检索质量不够怎么办、上下文窗口超了怎么处理。
八、用LangSmith评估智能体表现
智能体上线前，你怎么知道它到底行不行？拍脑袋说"我觉得挺好"肯定不靠谱。这部分教你用LangSmith这套专门的观测和评估工具：开启追踪观察智能体执行的每一步、调试失败的运行、构建评估数据集、编写自动评估器打分、最后实现回归测试，确保新的改动不会把之前能用的功能搞坏。这套流程是智能体从玩具走向产品的必经之路。
九、生产环境与安全防护
智能体真要跑在生产环境上，安全问题必须摆在第一位。这部分带你走出Notebook的舒适区，进入真正的工程世界：项目结构怎么组织、配置和密钥怎么管理、如何用FastAPI把智能体包装成服务、流式输出怎么实现、后台任务和可靠性怎么保证、Docker镜像怎么打。安全方面仔细梳理智能体的攻击面，讲清楚提示词注入的原理、输入输出的验证怎么做、人类审批怎么集成、成本和循环次数的限制怎么设置、审计日志怎么记录。这些都是真正出过生产事故才会总结出的经验。
十、毕业项目与部署上线
课程最后用一个完整的毕业项目把所有知识点串起来。你会从零搭建一个智能体系统，包括构建图、生产环境加固、工具和记忆、人在回路、评估和LangSmith追踪，所有环节都用上。完成后你就拥有了一个可以拿出去展示的作品。接下来课程教你十二要素方法论，用Fly.io做实际部署，配置可观测性，并最终确认整个系统达到了生产就绪的标准。
如果你已经会用Python写程序、对大模型有基本了解，这门课正好适合想要再往深处走一步的同学。独立开发者能学到怎么做出完整产品，在职工程师能掌握把AI能力集成到现有系统的全套方法，技术负责人能搞清楚一个智能体项目从开发到上线需要经过哪些环节。单纯好奇玩玩的话，前半部分已经足够让你玩得尽兴；但如果要把智能体真正部署到生产环境，后半部分的安全防护和部署章节是省不掉的。