一个项目带你入门AI应用开发课程介绍
AI Agent 编程实战:从零到全栈
课程概述
8 节课,从 print("hello") 写到完整的 AI Agent 项目。每节课的代码都可以独立运行,后一节课在前一节课的基础上增量构建。
最终产出: 一个基于 LangGraph 的多 Agent 电商客服系统,含 Chroma 向量数据库、Function Calling、多轮对话、可插拔数据源。
前置要求
- Python 3.9+
- 一个 LLM API Key(DeepSeek / OpenAI / 通义千问 等兼容接口的服务商均可)
- 基础 Python 语法
课程路线图
| 课 | 主题 | 核心内容 | 代码行数 |
|---|---|---|---|
| 1 | 基本 LLM 对话 | API 调用封装、配置管理 | 30 行 |
| 2 | 意图分类 | System Prompt、JSON mode、路由 | 80 行 |
| 3 | RAG 向量检索 | Chroma 向量数据库、语义检索 | 150 行 |
| 4 | Function Calling | 工具定义、执行、结果回传 | 250 行 |
| 5 | LangGraph 多 Agent | 状态图、条件路由、节点拆分 | 400 行 |
| 6 | 会话管理 | 多轮对话、滑动窗口 | 500 行 |
| 7 | 可插拔数据源 | 抽象接口、工厂模式 | 600 行 |
| 8 | 工程化与部署 | 错误处理、日志、测试、API | 800 行 |
快速开始
cd ai-agent-course
pip install -r requirements.txt
cp .env.example .env
# 编辑 .env 填入你的 LLM_API_KEY
cd 01-basic-chat
python chat.py
课程约定
- 每课目录下的代码可以独立运行
- 第 5 课开始的项目会被逐步完善到第 8 课
.env在所有课程间共用(存在根目录)- 每课末尾有课后作业和面试问题

浙公网安备 33010602011771号