2026年10月24-26日成都（线下课程）——《基于大模型的Agent技术应用开发实践》

• ● 10月24-26日 · 成都 · ¥6800/人

• ● AI工程师

• ● 算法工程师

• ● 软件设计师

• ● 各类软件企业和研发中心的程序员等

• ● 架构师

• ● 技术负责人

• ● 高校计算机及人工智能专业师生

▎第一天 上午

▎第一部分： Agent核心概念与技术框架

• 1. Agent定义、与传统软件/LLM的关系

• 2. Agent五大能力：记忆、规划、工具、自主决策、推理

• 3. 多智能体协作与企业级应用场景

• 4. Agent四大要素（角色/目标/记忆/工具）

• 5. Agent的规划决策、记忆机制与工具调用核心技能

▎第二部分： ReAct推理框架实战

• 1. ReAct框架原理：思考→行动→观察循环

• 2. LangChain核心模块（Model/Chain/Tool/Memory等）

• 3. 通过create_react_agent构建Agent

• 4. AgentExecutor运行机制与断点调试

• 5. 实战：鲜花定价Agent（完整思考-行动-观察链路）

▎第一天 下午

▎第三部分：DeepAgents核心机制

• 1. DeepAgents定位：Agent Harness核心架构

• 2. 虚拟文件系统上下文管理与代码执行器/Sandbox

• 3. 长会话Token优化（自动压缩+Summarization）

• 4. Task/Todos结构化任务规划与SubAgent事件流式传输

▎第四部分： SubAgents多智能体委托与隔离

• 1. 为何需要SubAgent：上下文隔离与膨胀解决方案

• 2. SubAgent Spec快速创建与CompiledSubAgent挂载LangGraph

• 3. 动态调度/并行执行与独立工具集权限隔离

• 4. 主Agent与SubAgent结构化输出与结果回传

▎第二天 上午

▎第五部分：Human-in-the-Loop人机协同

• 1. Checkpointer中断恢复与interrupt_on敏感工具拦截

• 2. Approve/Edit/Reject/Respond四种决策模式

• 3. 工具参数修改与历史消息修复

• 4. 文件系统读写权限与敏感路径保护

▎第六部分： Agent + MCP高级智能体

• 1. RAG/Agent/MCP区别与联系，MCP与FunctionCall关系

• 2. MCP服务接入（STDIO协议）与自定义Client开发

• 3. LangGraph Agent接入Github MCP服务

• 4. LangChain MCP Adapters高德地图路径规划+可视化

▎第二天 下午

▎第七部分： RAG——Agent的外部记忆与知识检索

• 1. Agent为何需要RAG：静态记忆 vs 动态知识检索

• 2. RAG核心流程：文档加载→分块→向量化→检索→生成

• 3. 向量数据库选型（Chroma/FAISS/PGVector）与Embedding配置

• 4. 混合检索实战：BM25关键词检索 + 向量语义检索双路召回与权重调优

• 5. Rerank重排序：提升召回Top-K精准度

• 6. 将RAG检索器封装为Agent Tool，供Agent动态调用

▎第八部分： RAG评估与Agent知识整合

• 1. RAGAS评估框架：检索质量、生成准确性、上下文相关性量化评测

• 2. 基于评估结果优化分块大小、检索Top-K与Rerank阈值

• 3. Agent+RAG完整链路：用户问句→Agent规划→调用检索Tool→融合上下文→生成最终答案

• 4. 实战：基于LlamaIndex构建企业文档问答Agent

▎第三天 上午

▎第九部分： Skill能力固化与流程标准化

• 1. Skill核心理念：从工具调用到专家经验流程化

• 2. Skill结构化指令规范与渐进式加载机制

• 3. 业务逻辑提炼为可复用Skill（代码示例）

• 4. 基于评测驱动的Skill闭环迭代与标准Skill库构建

▎第十部分： Agent可观测性——从调试到上线

• 1. Agent调试困境：黑盒执行链 vs 白盒追踪

• 2. LangSmith集成：对Agent全链路（思考/工具调用/SubAgent委托）进行追踪与耗时分析

• 3. 基于Trace数据优化决策路径与工具调用轮次

• 4. 评估驱动上线：通过EvalScope对Agent进行回归评测，支撑版本发布决策

▎第三天 下午

▎第十一部分： Harness Engineering打造可上线业务能力

• 1. Harness vs Loop Engineering核心概念

• 2. 构建稳定执行脚手架与环境约束

• 3. 主循环设计与控制流评估逻辑

• 4. 多轮迭代+自省机制提升任务成功率

• 5. 边缘情况处理与异常自动恢复策略

• 6. 将工程化控制逻辑引入生产环境

▎第十二部分： 综合实战——企业级Agent项目全流程

• 1. 场景定义：选一个企业真实场景（如智能客服+知识库、自动化运维助手）

• 2. 端到端实现：环境搭建→模型接入→RAG知识库构建→Agent创建→Skill封装→MCP工具集成→人机协同配置

• 3. LangSmith全链路追踪与性能调优

• 4. EvalScope评测验证与上线部署决策

• 5. 项目路演与总结

• ● 刘老师 国内AI、大数据技术专家

西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。

• ● AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、YOLO、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。

LLM大模型方向：DeepSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。

• ● 刘老师 全栈AI实战与商业应用专家

最近几年带队完成了数十个AI项目，内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点，也包括AI的整体发展、现状、应用、商业价值、未来方向等，涵盖内容非常丰富。完成多个深度学习实践项目，广泛应用于医疗、交通、银行、电信等多个领域。从2020年推出的多门课程《AI大模型赋能行业应用与解决方案》《AI大模型辅助软件研发管理与效能提升》和《AI大模型技术及开发应用实践》更是广受欢迎，已经为几十家企业培训，作为一名AI技术专家，对人工智能的理解深入透彻。他不仅精通AI的编程技术，还熟悉各种AI工具的使用，尤其在AI行业应用更是有着独特的见解和实践经验；自从2023年以来帮助多家研发中心做AI辅助开发效能提升咨询服务。同时也是微软人工智能认证工程师，阿里云AI人工智能训练师。

• ● 张老师 大模型Agent开发与落地专家

大数据资深专家、云计算架构师，数据挖掘、数据分析工程师，曾作为多家大型知名企业首席架构，负责PaaS平台研发；主要研究方向包括大数据、云计算、移动开发、互联网营销、电子商务、项目管理等。IT从业二十余年，具有多年授课经验，秉承理论与实践相结合，在学习中实践，在实践中学习，积累了丰富的理论与实践经验，并且乐于将自己的经验分享。发现并集成整合社会资源，为企业节省资源并创造价值，达到为合作伙伴创收的目的。曾为多家国内知名企业提供培训与咨询，拥有大数据、大流量、高并发、分布式的大型网站架构和设计经验。曾主导过多个私有云建设项目，早些年也主导过ERP、CMS等软件项目，这些项目中包含多个数百万、上千万的大型项目。

• ● 智能体开发工程师（高级）-考试说明

• ● 考试形式：线上机考

• ● 登录方式：通过用户名及密码登录后，方可参加考试

• ● 考试时长：考试题型

• ● 100分钟：单选题

• ● 100分钟：简答题

• ● 6800元/人（含培训费、平台费、资料费、视频回放、证书、发票等费用）。

• 张老师

  龚老师