系列介紹
建立 AI 代理：從零到生產是一個真實的旅程，可幫助您建立 AI 代理 - 從最基本的概念到在生產中運行的複雜多代理系統。
與專注於理論和架構的「AI & LLM」系列不同，該系列是100%動手——每節課都是一個真實的項目，每個概念都有可以立即運行的程式碼。
🎯 目標： 完成後，您可以為任何用例建置和部署可用於生產的 AI 代理系統。
你會學到什麼？
第 1 部分：代理平台 — 在建置之前了解
- 第 1 課： 什麼是代理？區分聊天機器人、代理商和副駕駛
- 第 2 課： LLM API 大師班：OpenAI、Claude、Gemini — 掌握所有 3 個課程
- 第 3 課： 代理程式提示工程：系統提示、角色、ReAct 模式
第 2 部分：函數呼叫與工具使用
- 第 4 課： 函數呼叫 — 為代理人提供「手腳」來與世界交互
- 第 5 課： 自訂工具：網路搜尋、程式碼執行、API 集成
- 第 6 課： 代理循環 — 從頭開始實現思想-行動-觀察循環
第 3 部分：RAG 和記憶體 — 為 Agent 提供內存
- 第 7 課： RAG for Agent：將知識庫與 ChromaDB、Qdrant 連接
- 第 8 課： 代理記憶：短期、長期、情境記憶架構
第 4 部分：代理框架
- 第 9 課： LangChain 和 LangGraph：具有基於圖形的編排的有狀態代理工作流程
- 第 10 課： CrewAI：建立一個 AI 代理「團隊」以相互合作
- 第 11 課： 高階模式：規劃、反思、自我修正
第 5 部分：MCP、A2A 和多代理系統
- 第 12 課： 模型上下文協定 (MCP)：代理程式的通用連接標準
- 第 13 課： Agent-to-Agent (A2A)：代理跨框架通訊的協議
- 第 14 課： 多代理程式編排：架構與設計模式
第 6 部分：生產與實際部署
- 第 15 課： 護欄與安全：保護特務免於即時注射與幻覺
- 第 16 課： 可觀察性與評估：追蹤、記錄、法學碩士法官
- 第 17 課： 將代理程式部署到生產環境：FastAPI、Docker、雲端
- 第 18 課： Capstone 專案：建立完整的端對端 AI 代理團隊
需要輸入
- 中級Python（非同步/等待、裝飾器、類別、錯誤處理）
- 對 LLM 的基本了解（了解 ChatGPT/Claude API 是什麼 - 或完成“AI & LLM”系列）
- 具有至少 8GB RAM 的電腦（不需要 GPU — 大多數透過 API 運作）
- OpenAI/Anthropic/Google AI 帳戶（免費套餐足以滿足大多數課程）
使用的工具
Python 3.11+ | Ngôn ngữ chính
OpenAI SDK | GPT-4o, Function Calling
Anthropic SDK | Claude, Tool Use
Google GenAI | Gemini, Grounding
LangChain | Chain & Agent framework
LangGraph | Stateful graph-based workflows
CrewAI | Multi-agent orchestration
ChromaDB / Qdrant | Vector databases
FastAPI | API server
Docker | Containerization
LangSmith | Observability & tracing
這個系列與《AI & LLM：從基礎到進階》有何不同？
| 人工智慧與法學碩士系列 | 建構人工智慧代理 | |
|---|---|---|
| 焦點 | 理論+架構法學碩士 | 建立實用的 Agent 應用程式 |
| 物件 | 人工智慧初學者 | 已經了解 LLM 基礎 |
| 練習 | 程式碼說明概念 | 每堂課的實際項目 |
| 輸出 | 了解LLM如何運作 | 擁有代理專案組合 |
| 技術 | PyTorch、變形金剛 | LangGraph、CrewAI、MCP、A2A |