课程简介

掌握核心架构： 深入理解Agent的核心组件（大脑、工具、记忆、规划）和工作循环（ReAct, CoT等）。
精通框架使用： 熟练使用至少一种主流Agent框架（如LangChain, LlamaIndex, AutoGen）进行开发。
学会工具调用： 掌握让Agent安全、可靠地调用外部工具（API、函数、代码解释器）的方法。
构建复杂系统： 能够设计并实现单智能体和多智能体协作系统，解决复杂问题。
建立评估思维： 学会如何评估Agent的性能、可靠性和安全性。

目标收益

培训对象

开发者、软件工程师、AI算法工程师、技术负责人，以及任何希望构建下一代AI应用（如自主客服、AI助手、自动化工作流）的技术人员。

课程内容

第一天：基础构建与单智能体实战
主题：从零到一，打造会思考、会行动的单智能体
上午 (09:00-12:00)
模块一：Agent导论与核心架构
1. 什么是Agent？ 超越RAG：从“问答”到“自主行动”。
2. 核心组件剖析：
- 大脑： LLM作为推理引擎。
- 工具： Agent的手和脚（计算器、搜索引擎、API等）。
- 记忆： 短期记忆（对话历史）与长期记忆（向量数据库）。
- 规划器： 任务分解与执行策略。
3. 核心工作流： ReAct范式、思维链、Reasoning-Action循环详解。
4. 技术生态： LangChain Agent, AutoGen, CrewAI, Semantic Kernel 概览。
实战练习1：
- 使用LangChain和OpenAI，构建一个最简单的ReAct Agent，让它使用计算器工具回答“3的5次方是多少？”。
模块二：工具使用与函数调用
1. 工具的定义与注册： 如何将任意Python函数封装成Agent可用的工具。
2. 工具的选择与描述： 如何编写清晰的工具描述，让LLM知道何时调用何工具。
3. 安全考量： 工具执行的权限控制与沙箱环境。
4. 实战常用工具：
- 网络搜索： Tavily, Serper API。
- 代码执行： 代码解释器。
- 自定义API： 封装内部系统接口。
实战练习2：
- 创建3个自定义工具：获取当前天气、查询股票价格、发送一封模拟邮件。
- 让Agent根据用户指令“如果今天纽约天气晴朗，就给我发送一封内容为‘天气很好’的邮件，否则查询AAPL的股价”，自主选择并调用工具。
下午 (13:30-17:30)
模块三：记忆与状态管理
1. 对话历史管理： 如何让Agent记住之前的交互。
2. 向量记忆： 将重要信息存入向量数据库，供后续检索，实现长期记忆。
3. 摘要记忆： 对长对话进行摘要，避免上下文窗口爆炸。
4. 状态持久化： 如何保存和加载Agent的状态，实现持续对话。
实战练习3：
- 实现一个带有记忆的对话Agent，能够根据之前的对话内容进行回答（例如：“我上次问你的那个股票，今天涨了吗？”）。
- 将用户提到的“个人偏好”存入向量记忆，并在后续对话中自动应用。
模块四：任务分解与规划
1. 任务分解： 让Agent将复杂用户指令（如“策划一个生日派对”）拆解为可执行子任务。
2. 规划策略： Zero-shot Planning vs. LLM-Planner。
3. 计划执行与调整： 如何处理执行过程中的失败和异常。
4. 构建一个完整的单智能体项目
实战练习4：
- 综合项目： 构建一个“旅行规划助手”单智能体。
- 用户输入：“我想下个月去东京玩3天，预算5000美元，帮我规划一下”。
- Agent需要：分解任务（查天气、找景点、订酒店、算预算）、调用相应工具、生成一份完整的规划报告。
第一天小结
回顾与答疑 总结单智能体核心组件：工具、记忆、规划。
第二天：高级主题与多智能体系统
主题：从“独行侠”到“交响乐团”，设计智能体协作系统
上午 (09:00-12:00)
模块五：多智能体系统架构
1. 为什么需要多智能体？ 解决单一Agent能力瓶颈和复杂问题。
2. 架构模式：
- 管理者-工作者： 一个主管Agent协调多个专家Agent。
- 平等协作： 多个对等Agent通过辩论、讨论达成共识。
- 竞争环境： 模拟市场、游戏等场景。
3. 智能体间通信： 消息传递、共享黑板、发布-订阅模式。
4. 框架实战： 使用 Microsoft AutoGen 或 CrewAI 快速搭建多智能体系统。
实战练习5：
- 使用AutoGen，搭建一个“技术博客写作”多智能体系统，包含：策划者、写手、评论员。观察它们如何通过对话协作完成一篇短文。
模块六：多智能体协作与竞争
1. 角色定义： 如何为不同Agent设定清晰的角色、目标和能力边界。
2. 协作机制： 如何设计流程促进高效协作，避免循环对话。
3. 解决冲突： 当多个Agent意见不一致时，如何裁决。
4. 实战案例： 模拟一个软件团队（产品经理、前端、后端、测试）。
实战练习6：
- 实现一个“软件需求评审会”多智能体系统。给定一个需求文档，让产品经理、工程师、测试员Agent分别从各自角度提出意见，并最终达成一致结论。
下午 (13:30-16:30)
模块七：Agent的评估、可靠性与安全
1. 评估指标： 任务完成率、步骤效率、成本、工具调用准确率。
2. 可靠性提升：
- 自我反思与纠正： 让Agent检查自己的输出和行动。
- 验证与确认： 对关键步骤的结果进行二次验证。
3. 安全与护栏：
- 权限控制： 限制Agent可访问的工具和数据。
- 内容安全： 检测并过滤有害输出。
- 监控与熔断： 防止失控循环和资源耗尽。
实战练习7：
- 设计一个“安全护栏”，当用户要求Agent执行“删除所有文件”时，Agent应能识别风险并拒绝执行。
- 为之前的旅行规划Agent添加“预算检查”步骤，确保总花费不超预算。
模块八：综合项目实战工作坊
分组项目： 学员分组，选择一个复杂场景，设计并实现一个多智能体系统。

可选场景：
- 智能客服升级： 包含接待员、技术专家、销售顾问的客服系统。
- 金融分析团队： 包含数据收集员、分析师、风险管理员的投研系统。
- 游戏NPC生态： 设计多个具有不同性格和目标的NPC，在一个虚拟环境中交互。
实战练习8：
- 小组协作，运用所有所学知识，设计架构、定义角色、实现工具、并完成系统集成。
- 进行演示，并解释如何确保系统的可靠性和协作效率。
16:30-17:00 课程总结与未来展望
1. 核心知识回顾： 串讲从单智能体到多智能体的核心技术栈。
2. 技术趋势： Agentic AI、AI OS、超级智能体、具身智能等。
3. 推荐学习路径与资源： 相关论文、开源项目、社区。
4. 答疑与颁发证书。