Skip to content

课程介绍

这门课是什么

一门面向程序员的 AI Agent 开发课程。

Agent 是当前 AI 应用的核心方向——不只是调 API 返回文本,而是能调用工具、管理状态、执行多步任务的自主程序。会做 Agent,就能把 AI 能力真正嵌进产品。

这门课会穿插 Claude Code 等 AI 编程助手的推荐用法,用来加快搭环境、写实验、改项目。但主线内容不依赖某一个特定工具。你不需要提前懂 ML,但需要有编程基础(任何语言)。

学完之后,不只是会做 Agent 项目,还能把项目经验写进简历,能在面试里讲清楚技术方案、关键取舍和踩坑过程,并且有成体系的面试题解析可以反复训练。


课程结构

主线:Agent 开发

完整路径从“先跑通、先做出东西”开始,而不是先把概念分完。每个模块都要求有明确产物。

阶段模块你会学到什么
01⚡ Chatbot 与上下文基础分清 LLM、chatbot、Agent、Harness 的关系,做出第一个 chatbot,再理解消息历史、聊天漂移和上下文压缩
02🤖 单 Agent 基础手写 Agent Loop、Tool Use、ReAct、Planning,做出最小单 Agent
03🧱 可用型 AgentMemory、失败模式、单元测试、可靠性、可观测性
04🛠️ Harness 与外部能力LangGraph、MCP、多 Agent、框架选型
05📚 RAG 基础Embedding、向量数据库、检索策略,做出最小 RAG
06🎯 RAG 优化Reranking、引用溯源、RAG 评估
07🚀 三个项目实战Coding Agent、知识库 Agent、多 Agent 协作系统
08📋 上线与评估Eval 体系、上线门槛检查
09🎓 简历与面试项目包装、简历写法、面试表达

主线里会穿插的案例

这套课不只讲概念。主线会一路穿插小案例和完整项目,让你边学边做。

你会做的案例对应模块会练到什么
第一个带短期记忆的 chatbot01 Chatbot 与上下文基础多轮对话、session、上下文预算
最小 Coding Agent02 单 Agent 基础Tool Use、ReAct、Planning、命令执行
带短期记忆和长期记忆的 Agent03 可用型 AgentMemory 分层、摘要、持久化记忆
带护栏和回调的 Agent03 可用型 Agent输入校验、工具前后处理、失败保护、日志
接 MCP 工具的 Agent04 Harness 与外部能力外部工具接入、协议化调用、权限边界
最小知识库问答 Agent05 RAG 基础Embedding、向量库、检索链路
带引用和评估的 RAG Agent06 RAG 优化Reranking、引用溯源、RAG Eval
多 Agent 协作系统04 Harness 与外部能力 + 07 项目实战任务拆解、顺序/并行协作、结果收敛
本地 Coding agent07 三个项目实战读文件、改文件、跑命令、测试回归

外围:支撑 Agent 的工程能力

Agent 需要跑在某个载体上。这些模块教你把 Agent 嵌进不同的产品形态。

模块和 Agent 的关系
⚙️ 后端开发Agent 服务化:API 层、数据库持久化、消息队列
💻 前端开发Agent UI:流式对话界面、工具调用状态展示、结果渲染
🖥️ 桌面端本地 Agent 应用:Electron / Tauri,离线运行,系统权限
📱 手机端移动端 Agent:iOS / Android / Flutter,推送,相机/麦克风集成

支线:独立选修

和 Agent 开发没有强依赖,按需学习。

模块学什么适合谁
🧠 LLM 深度原理Transformer、PyTorch 实现 GPT、LoRA 微调、RLHF想真正搞懂模型原理的同学
🧪 做测试通用单元测试、E2E、TDD 工作流想补齐通用工程测试能力的同学
🚀 运维部署CI/CD、Docker、监控、生产环境部署想把 Agent 服务稳定跑上线的同学
📝 产品 / 🎨 设计Agent 产品需求定义、UI 规范、体验设计想补产品思维和设计表达的同学
📣 运营增长内容运营、SEO、获客想把产品做增长和变现的同学
🏢 一人公司从 Agent MVP 到收入闭环想做个人产品和商业化的同学
其他游戏、漫剧、小程序等独立方向想把 AI 能力用到特定垂直场景的同学

我应该怎么学

如果你是 Web 程序员:先看环境与工具上手页,把开发环境和 API Key 配好,再进入主线。Claude Code 可选装。

如果你是后端 / 全栈:主线 + 后端外围。RAG 和持久化 Agent 状态是你的强项切入点。

如果你想做产品:主线学完,挑一个外围(前端或后端),然后一人公司支线。

如果你想深入 ML:主线 → LLM 深度原理支线,两个可以并行。


学完你能拿到什么

  • 3 个能写进简历的 Agent 项目:不是 demo,而是能讲架构、讲数据流、讲失败处理的项目经历
  • 一套可复用的项目表达模板:为什么做、怎么做、为什么这样设计、遇到什么问题、怎么优化
  • 大量面试题解析:覆盖 LLM、Agent、RAG、框架选型、稳定性、成本控制、项目复盘
  • 能讲清楚的技术故事:不仅会做,还能在面试官追问下把关键点讲透

前置要求

  • 有编程基础(任何语言,能理解函数、循环、API 调用即可)
  • 至少准备一种可用的模型访问方式:Anthropic API、兼容 Anthropic API 的国产模型服务,或兼容 OpenAI 的 API
  • 一台电脑(Mac / Linux 为佳,Windows 也可以)

大齐 AI 课堂 · 程序员的 Agent 开发课