技能仓 注册账号
学习目录

AI Agent 全栈实战

兑换订阅密钥后，可在有效期内查看全部141节内容。

从第一课开始
模块 01 · 可选前置

前置 A｜环境与工程工具

Python、终端、Git与AI工程环境。零基础路线选修。

12 课时0 课可查看
  1. 01开发环境
  2. 02Git 与协作
  3. 03GPU 配置与云端
  4. 04API 与密钥
  5. 05Jupyter 笔记本
  6. 06Python 环境管理
  7. 07AI 项目的 Docker 容器
  8. 08编辑器配置
  9. 09数据管理
  10. 10终端与 Shell
  11. 11AI 工程中的 Linux
  12. 12调试与性能分析
模块 02 · 可选前置

前置 B｜LLM应用工程

补齐LLM API、RAG、评估与服务化知识。零基础路线选修。

17 课时0 课可查看
  1. 01Prompt Engineering：技巧与模式
  2. 02Few-Shot、Chain-of-Thought、Tree-of-Thought
  3. 03结构化输出：JSON、Schema 校验、约束解码
  4. 04嵌入（embedding）与向量表示
  5. 05Context Engineering：窗口、预算、记忆与检索
  6. 06RAG（检索增强生成）
  7. 07进阶 RAG（分块、重排、混合搜索）
  8. 08用 LoRA 和 QLoRA 微调
  9. 09Function Calling 与 Tool Use
  10. 10评估与测试 LLM 应用
  11. 11缓存、限流与成本优化
  12. 12护栏、安全与内容过滤
  13. 13构建一个生产级 LLM 应用
  14. 14Model Context Protocol（MCP）
  15. 15Prompt Caching 与上下文缓存
  16. 16Agent 状态机——图、节点与检查点
  17. 17Agent 框架取舍——图、角色与 Actor 编排
模块 03 · Agent 主线

主线 1｜工具、MCP与协议

从工具接口和结构化输出到MCP Server、Client、安全与Agent协议。

23 课时1 课可查看
  1. 01工具接口——为什么 agent 需要结构化 I/O试看
  2. 02Function Calling 深入剖析——OpenAI、Anthropic、Gemini
  3. 03并行工具调用与带工具的流式
  4. 04结构化输出——JSON Schema、Pydantic、Zod、受约束解码
  5. 05工具 Schema 设计——命名、描述、参数约束
  6. 06MCP 基础——基元、生命周期、JSON-RPC 底座
  7. 07构建一个 MCP Server——Python + TypeScript SDK
  8. 08构建一个 MCP Client——发现、调用、会话管理
  9. 09MCP 传输——stdio vs Streamable HTTP vs SSE 迁移
  10. 10MCP Resources 与 Prompts——工具之外的上下文暴露
  11. 11MCP Sampling——server 请求的 LLM 补全与 agent 循环
  12. 12Roots 与 Elicitation——范围限定与中途用户输入
  13. 13异步 Tasks（SEP-1686）——现在调用、稍后取结果，应对长跑工作
  14. 14MCP Apps——经由 ui:// 的交互式 UI 资源
  15. 15MCP 安全 I——工具投毒、Rug Pull、跨 server 影子覆盖
  16. 16MCP 安全 II——OAuth 2.1、Resource Indicator、增量 Scope
  17. 17MCP 网关与注册表——企业控制面
  18. 18生产环境的 MCP Auth——入册、JWKS 刷新、受众钉定的 token
  19. 19A2A——Agent-to-Agent 协议
  20. 20OpenTelemetry GenAI——端到端追踪工具调用
  21. 21LLM 路由层——LiteLLM、OpenRouter、Portkey
  22. 22Skills 与 Agent SDK——Anthropic Skills、AGENTS.md、OpenAI Apps SDK
  23. 23综合项目——构建一套完整的工具生态
模块 04 · Agent 主线

主线 2｜Agent工程

Agent循环、规划、记忆、评估、调试与生产级工程方法。

42 课时1 课可查看
  1. 01Agent 循环：观察、思考、行动试看
  2. 02ReWOO 与 Plan-and-Execute：解耦的规划
  3. 03Reflexion：言语强化学习
  4. 04Tree of Thoughts 与 LATS：刻意搜索
  5. 05Self-Refine 与 CRITIC：迭代式输出改进
  6. 06工具使用与函数调用
  7. 07Agent 记忆——虚拟上下文与记忆分页
  8. 08记忆块与休眠时计算
  9. 09混合记忆：向量 + 图 + KV
  10. 10技能库与终身学习（Voyager）
  11. 11用 HTN 和演化搜索做规划
  12. 12Anthropic 的工作流模式：简单胜过复杂
  13. 13有状态图编排——持久执行与检查点
  14. 14Agent 的 Actor 模型——异步消息与类型化运行时
  15. 15基于角色的 Agent 团队——角色、任务与流程
  16. 16OpenAI Agents SDK：Handoffs、Guardrails、Tracing
  17. 17Harness 即库——子 agent 与会话存储
  18. 18生产级 Agent 运行时——快速实例化与类型化工作流
  19. 19基准：SWE-bench、GAIA、AgentBench
  20. 20基准：WebArena 与 OSWorld
  21. 21Computer Use：Claude、OpenAI CUA、Gemini
  22. 22语音 Agent：Pipecat 与 LiveKit
  23. 23OpenTelemetry GenAI 语义约定
  24. 24Agent 可观测性：Langfuse、Phoenix、Opik
  25. 25多 Agent 辩论与协作
  26. 26失败模式：agent 为什么会坏
  27. 27Prompt 注入与 PVE 防御
  28. 28编排模式：Supervisor、Swarm、Hierarchical
  29. 29生产运行时：Queue、Event、Cron
  30. 30评估驱动的 Agent 开发
  31. 31Agent 工作台工程：能干的模型为什么还会失败
  32. 32最小 Agent 工作台
  33. 33Agent 指令即可执行约束
  34. 34仓库记忆与持久状态
  35. 35Agent 初始化脚本
  36. 36范围契约与任务边界
  37. 37运行时反馈循环
  38. 38验证关卡
  39. 39审查者 Agent：把构建者和打分者分开
  40. 40多会话交接
  41. 41真实仓库上的工作台
  42. 42综合项目：交付一个可复用的 Agent 工作台包
模块 05 · Agent 主线

主线 3｜自主系统

研究Agent、长期任务、浏览器与代码执行等自主能力。

22 课时0 课可查看
  1. 01从聊天机器人到长程 agent 的转变
  2. 02STaR、V-STaR、Quiet-STaR —— 自学推理
  3. 03AlphaEvolve —— 进化式编码 agent
  4. 04Darwin Godel Machine —— 开放式自我修改 agent
  5. 05AI Scientist v2 —— workshop 级别的自主研究
  6. 06自动化对齐研究（Anthropic AAR）
  7. 07递归自我改进 —— 能力 vs 对齐
  8. 08有界自我改进的设计
  9. 09自主编码 agent 全景（2026）
  10. 10自主 Agent 的权限模式
  11. 11浏览器 agent 与长程网页任务
  12. 12长时运行的后台 agent：持久化执行
  13. 13动作预算、迭代上限与成本调控器
  14. 14急停开关、断路器与金丝雀 token
  15. 15人在回路：先提议后提交（Propose-Then-Commit）
  16. 16Checkpoint 与回滚
  17. 17Constitutional AI 与规则覆盖
  18. 18Llama Guard 与输入/输出分类
  19. 19Anthropic 负责任扩展政策 v3.0
  20. 20OpenAI Preparedness Framework 与 DeepMind Frontier Safety Framework
  21. 21METR 时间跨度与外部能力评估
  22. 22CAIS、CAISI 与社会尺度风险
模块 06 · Agent 主线

主线 4｜多智能体与蜂群

多Agent通信、协作、编排、涌现与蜂群系统。

25 课时0 课可查看
  1. 01为什么要用多 agent？
  2. 02FIPA-ACL 与言语行为理论的遗产
  3. 03通信协议
  4. 04多 agent 原语模型
  5. 05Supervisor / Orchestrator-Worker 模式
  6. 06层级架构及其故障模式
  7. 07心智社会与多 agent 辩论
  8. 08角色专精 —— Planner、Critic、Executor、Verifier
  9. 09并行 / Swarm / 网络化架构
  10. 10群聊与发言者选择
  11. 11Handoff 与 Routine —— 无状态 orchestration
  12. 12A2A —— Agent 对 Agent 协议
  13. 13共享内存与黑板模式
  14. 14Agent 的共识与拜占庭容错
  15. 15投票、自洽性与辩论拓扑
  16. 16谈判与议价
  17. 17生成式 agent 与涌现式仿真
  18. 18心智理论与涌现式协调
  19. 19面向 LLM 的 Swarm 优化（PSO、ACO）
  20. 20MARL —— MADDPG、QMIX、MAPPO
  21. 21Agent 经济、token 激励、声誉
  22. 22生产环境扩展 —— 队列、检查点、持久性
  23. 23故障模式 —— MAST、群体思维、单一栽培、级联错误
  24. 24评估与协调基准
  25. 25案例研究与 2026 年的最新进展