首页

投稿

【最新最全版本】圈内公认最好的吴恩达Agent智能体教程！内容覆盖Agent、RAG、MCP、Skill、LangChain、多智能体协同.........

15.7万

88

2026-06-17 19:47:41

未经作者授权，禁止转载

Agentic AI represents a new way of building software that leverages LLMs to complete some or all of the steps in complex tasks. Instead of generating single responses to prompts, agentic workflows enable AI to plan multi-step processes, execute them iteratively, and improve outputs through reflection and tool use. This course teaches you to build these sophisticated AI systems from the ground up.

吴恩达AI_AndrewNg 发消息

gong众号【坚持打代码】回复【22】自取资源

【第一课-AI Agent本体大课】模块1-智能体工作流导论—1.课程简介

02:04

2.什么是智能体 AI？

05:13

3.自主程度分级

05:04

4.智能体 AI 的优势

04:48

5.智能体 AI 的应用场景

07:41

6.任务分解：识别工作流中的步骤

08:37

7.评估智能体 AI

05:40

8.智能体设计模式

07:06

模块二-反思设计模式—1.通过反思改进任务输出

03:58

2.为什么不直接生成？

05:13

3.图表生成工作流

03:55

4.评估反思的影响

08:17

5.使用外部反馈

04:51

模块三-工具使用—1.什么是工具？

06:26

2.创建工具

05:46

3.工具语法

05:41

4.代码执行

05:41

5.MCP（模型上下文协议）

05:12

模块四-构建智能体 AI 的实践技巧—1.评估体系

15:06

2.错误分析与优化优先级排序

09:15

3.更多错误分析示例

05:16

4.组件级评估

03:24

5.如何解决发现的问题

09:48

6.延迟与成本优化

04:07

7.开发流程总结

03:55

模块五：高度自主智能体的模式—1.规划工作流

07:11

2.创建并执行 LLM 规划

02:40

3.结合代码执行的规划

07:12

4.多智能体工作流

09:06

5.多智能体系统的通信模式

04:25

6.课程总结

02:03

【第二课-RAG】1.课程介绍

08:10

2.模块一简介：RAG 概述

01:30

3.检索增强生成技术导论

05:29

4.RAG的实际应用

04:24

5.RAG架构概览

05:58

6.大语言模型导论

09:41

7.信息检索技术导论

05:09

8.模块一总结

01:19

9.模块二简介：模块二：信息检索与搜索基础

01:26

10.检索器架构综述

03:30

11.元数据过滤技术

04:25

12.关键词搜索：TF-IDF算法

07:08

13.关键词搜索：BM25算法

04:49

14.语义搜索：技术入门

07:31

15.语义搜索：嵌入模型深度解析

06:13

16.混合搜索策略

07:40

17.检索质量评估

08:25

18.模块二总结

02:07

19.模块三简介：基于向量数据库的信息检索

01:18

20.近似最近邻(ANN)算法

07:57

21.向量数据库技术

05:29

22.文本分块技术

06:36

23.高级分块方法论

05:50

24.查询语句解析

06:00

25.交叉编码器与ColBERT模型

08:21

26.检索结果重排序技术

04:26

27.模块三总结

01:56

28.模块四简介：LLM 与文本生成

01:12

29.Transformer架构解析

08:59

30.LLM采样策略

08:13

31.大语言模型选择方法论

08:14

32.提示词工程：增强指令构建

05:45

33.高级提示词工程技术

08:12

34.幻觉处理机制

07:37

35.大模型性能评估

05:27

36.自主式RAG系统

06:16

37.RAG和微调技术比较

06:21

38.模块四总结

01:14

39.模块五简介：生产环境中的 RAG 系统

01:42

40.生产部署的挑战

03:27

41.RAG评估策略实施

07:29

42.日志监控与可观测性

04:15

43.定制化评估体系

05:10

44.模型量化技术

07:48

45.成本与响应质量的平衡

05:38

46.时延与响应质量的权衡

04:39

47.安全防护机制

05:21

48.多模态RAG系统

06:22

49.模块五总结

01:56

【第三课-Skill】1.课程简介

02:47

2.为什么使用skill - 第一部分

11:17

3.为什么使用skill - 第二部分

08:33

4.skill与工具、MCP 和子代理

07:35

5.探索预构建技能

18:34

6.创建自定义skill

16:16

7.使用 Claude API 的技能

17:27

8.使用 Claude 代码的技能

24:54

9.Claude Agent SDK 的技能

20:24

10.课程总结

00:43

【第四课-MCP】1.课程介绍

03:19

2.为什么选择 MCP

07:52

3.MCP 架构

14:53

4.聊天机器人示例

07:13

5.创建 MCP 服务器

08:57

6.创建 MCP 客户端

09:13

7.将 MCP 聊天机器人连接到参考服务器

12:21

8.添加提示词与资源功能

11:21

9.为 Claude Desktop 配置服务器

06:27

10.创建并部署远程服务器

07:59

11.课程总结

09:35

【第五课-LangChain】1.课程介绍

03:06

2.模型、提示词与解析器

18:23

3.记忆

17:05

4.链

13:08

5.问答

15:07

6.评估

15:07

7.智能体

14:36

8.课程总结

01:45

【第六课-LangGraph】1.课程简介

02:31

2.智能体记忆简介

08:22

3.基线邮件助手

16:26

4.添加语义记忆的邮件助手

12:40

5.添加语义 + 情节记忆的邮件助手

09:28

6.添加语义 + 情节 + 程序记忆的邮件助手

15:26

7.课程总结

00:28

【第七课-smolagents】1.代码智能体课程介绍

02:40

2.智能体简史

05:57

3.代码智能体介绍

11:25

4.安全代码执行

09:03

5.监控和评估智能体

06:34

6.构建深度研究智能体

07:56

7.代码智能体程总结

00:27

【第八课-CrewAI 设计开发和部署多智能体系统】1.课程欢迎

07:27

【模块一】1.概述

04:02

【模块一】2.AI智能体是什么？

05:45

【模块一】3.AI代理的应用场景

06:26

【模块一】4.AI智能体的智能原理

07:26

【模块一】5.构建你的第一个AI代理

08:24

【模块一】6. 多智能体系统设计

03:38

【模块一】7. 开发多智能体系统

08:14

【模块一】8.多智能体系统上线

04:50

【模块一】9.调试、监控与优化策略

07:15

【模块一】10.使用案例：规模化多智能体系统

04:53

【模块一】11. AI智能体革命：发生的原因

06:35

【模块二】1.AI智能体工作流程详解

06:01

【模块二】2.集成记忆和知识系统

07:23

【模块二】3.通过防护机制控制智能体

10:26

【模块二】4.通过执行钩子管理智能体

05:26

【模块二】5.改进深度研究智能体组

13:00

【模块二】6.AI智能体的工具应用

12:49

【模块二】7.给深度研究智能体配置工具

11:51

【模块二】8.应用模型上下文协议mcp

11:37

【模块二】9.创建零代码智能体

07:11

【模块三】1.智能体协作机制

06:39

【模块三】2.智能体交互通信

08:46

【模块三】3.创建协同工作模式

13:09

【模块三】4.采用A2A-智能体之间通信协议

05:42

【模块三】5.通过流程协调智能体

20:45

【模块三】6.搭建深度研究流程

23:12

【模块三】7.构建可靠系统的策略

14:53

【模块三】8.监测和可观察性

09:17

【模块三】9.代理的持续集成持续部署

11:41

【模块四】1.各行业应用案例

16:47

【模块四】2.优先选择AI智能体使用案例

09:54

【模块四】3.对话Exa

11:30

【模块四】4. 对话Snyk

14:56

【模块四】5. 对话Weaviate

12:34

【模块四】6.对话AB InBev

15:04

【模块四】7.AI智能体未来展望

12:40

课程总结

00:39

【第九课-基础补充课-ChatGPT提示工程】1.课程内容介绍

06:28

2.提示词原则

17:20

3.迭代优化

13:19

4.文本摘要

07:34

5.文本推理

12:00

6.文本转换

12:32

7.文本扩展

06:39

8.聊天机器人

12:13

9.课程总结

02:29

【第十课-基础补充课-ChatGPT API构建系统】1.课程内容的介绍

02:21

2概述

19:35

3.分类

04:13

4.审核

08:43

5.思维链推理

10:12

6.链式提示

19:30

7.检查输出

06:23

8.评估

05:28

9.评估（上）

19:05

10.评估（下）

09:28

11.课程总结

01:08

顶部