Appearance
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 Agent | Memory、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 chatbot | 01 Chatbot 与上下文基础 | 多轮对话、session、上下文预算 |
| 最小 Coding Agent | 02 单 Agent 基础 | Tool Use、ReAct、Planning、命令执行 |
| 带短期记忆和长期记忆的 Agent | 03 可用型 Agent | Memory 分层、摘要、持久化记忆 |
| 带护栏和回调的 Agent | 03 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 Agent | 04 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 Agent | 05 RAG 基础 | Embedding、向量库、检索链路 |
| 带引用和评估的 RAG Agent | 06 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 agent | 07 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)
