资源介绍
视频数量：50个
总时长：9小时4分
课程介绍：
企业AI智能体：从试点走向生产
有个场景你可能见过：团队花六周做出一个智能体演示，在会议室里跑得漂漂亮亮，领导点头，预算批了。半年后再问，项目已经悄悄停了，代码躺在某个分支里，最后一次提交是四个月前。问题往往不在模型不够聪明，而在于从头到尾没人回答过几个朴素的问题——这个智能体出错时谁来兜底？它读的数据权限对不对？一次调用成本多少，一个月下来账单一万还是十万？
这门课讲的就是这些。主讲人Naveen Kumar Jasula把话说得很直白：演示型聊天机器人只回答问题，企业级智能体要采取行动，从你的系统里读数据，在划定的边界内做决定，把结果写回系统，还留下能查的审计记录。他把这叫作“有问责的自主性”。整门课五十个视频、九个多小时，基本都在处理这一对矛盾：给智能体多少自由，以及怎么管住它用这份自由干的事。
一、先弄清楚项目为什么会死：
课程没有急着讲技术，第二部分先泼冷水：五个让智能体项目翻车的典型模式。紧接着是成熟度模型，让你判断自己公司现在到底站在哪一级，别一上来就想做全自动。用例选择那节讲得很实在，不是所有流程都值得上智能体，有些地方投入产出根本不成正比，硬上只会把混乱自动化得更快。还有一节专门教你怎么搭ROI模型，因为技术负责人真正难的往往不是写代码，而是说服财务和高管。这部分决定了后面所有工作的方向对不对。
二、智能体到底由什么组成：
第三部分拆开智能体的内部：推理、记忆、工具、护栏四个部件。架构上分反应式、规划式、反思式三种，各有各的适用场景，选错了后面全是补丁。有一节专门讲提示词在真实业务里怎么撑得住，还有一节把护栏提到架构层面。护栏不是上线前贴的过滤器，也不是系统提示里客气地求模型守规矩，而是代码级、确定性的检查，分输入前、推理中、执行后三个节点布置，每个节点都能抓住另外两个漏掉的故障。这个观点在整门课里反复出现，也是它和大部分智能体教程最不一样的地方。
三、流程和知识的处理：
第四部分讲流程发现，核心方法是“影子跟随”：坐在真正干活的人旁边，一步步看，追问每一步为什么。写在手册上的流程和实际做法经常是两回事，那些没被记录的变通才是运营的真智慧。然后是任务拆分、人机边界、异常处理，专门为那20%会出问题的情况做设计，而不是假设一切顺利。
第五部分进入RAG，从文档到答案的完整管道，权限和内容新鲜度这两个企业里绕不开的坑，还有一个动手搭建的完整演示。记忆系统讲智能体该记什么、不该记什么，最后是RAG和记忆的失败模式，以及怎么在它们造成麻烦之前抓出来。
四、工具、多智能体、评测、成本：
第六部分讲工具设计，给智能体一双手但不能让它砸东西；函数调用的契约怎么写才让模型信得过；怎么把一个普通API改造成智能体可用的工具；还有MCP协议在企业环境里的实际用法。第七部分是多智能体：流水线、编排器、辩论、蜂群四种编排模式，专门智能体的角色和边界怎么划，智能体之间的通信协议，以及多智能体系统特有的失败模式，这部分内容在别处不太容易见到。
第八部分讲评测，什么叫“好”，黄金集怎么建，自动化测试怎么跑，怎么把评测接进CI/CD当质量门。第九部分算账：钱到底花在哪里，路由、缓存、提示词精简这些优化手段怎么组合，以及FinOps、自建还是采购、单位经济模型。很多项目死在这一步，不是技术不行，是算不过账。
五、治理、体验和上线：
第十部分处理问责归属、提示注入和数据外泄、合规到底要求什么、审计轨迹与隐私设计。第十一部分讲人和智能体怎么打交道：什么样的对话界面人愿意信，信任怎么校准，出错时怎么处理，审批和变更管理怎么落地。第十二部分才是真正的上线：试点怎么设计才能在扩大前证明价值，怎么把演示级的东西加固成生产级，灰度发布、监控、事故响应怎么配套，以及从一个智能体扩展到一整组智能体的路径。
最后讲技术走向、智能体之间的商业往来、三年路线图。收尾是毕业设计，给你自己的组织设计一个可上生产的智能体方案，配一个完整示例走查，再给出接下来90天的行动清单。
学完这门课，你不会拿到一个能直接复制粘贴的代码库，拿到的是判断力：能看出一个智能体方案哪里会崩、成本大概多少、合规上过不过得去、该给人留多少决定权。被要求做智能体的工程师、要设计可扩展系统的架构师、准备在路线图上签字的技术负责人，这三类人对着自己的处境看，收获会很不一样。