Agentic AI 从零到专家：100 个真实实验室

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：7小时51米

你将学到什么

• 通过协作、验证和协调构建可投入生产的多代理 AI 平台。
• 构建具有推理、规划、记忆和工具使用功能的自主 AI 代理。
• 掌握 LangGraph 工作流程，以实现可靠的有状态代理执行。
• 使用嵌入、向量数据库和混合检索来设计企业 RAG 系统。
• 开发基于 MCP 的工具集成，用于将 AI 代理与外部系统连接起来。
• 实施 AI 安全、治理、合规性和审核日志记录。
• 使用 Docker、Kubernetes、Terraform 和 GitOps 部署可扩展的 AI 应用。

要求

建议要求

1. 具备基本的计算机知识。
2. 无需人工智能经验。
3. 基本的 Python 知识很有帮助。
4. 熟悉命令行是有益的。

推荐硬件

1. 16 GB 内存
2. 四核CPU
3. 100 GB 免费存储空间

描述

超越 AI 演示，通过 100 个实践实验室学习设计可投入生产的自主 AI 系统。使用现代人工智能技术培养代理工程、检索系统、企业工作流程、安全性和可扩展部署方面的实用技能。

课程亮点：

• 从头开始构建 AI 助手和自主代理。
• 创建推理、规划、记忆和工具使用系统。
• 开发 LangGraph 工作流程和企业编排。
• 实施 RAG、嵌入、向量数据库和文档检索。
• 将 MCP 与 API、数据库和外部工具集成。
• 设计多代理协作和事件驱动架构。
• 学习 AI 安全性、治理、可观测性和可靠性工程。
• 使用 Docker、Kubernetes、GitOps 和 Terraform 部署企业 AI。

模块包括：

• 基金会
• 代理工程
• LangGraph
• 检索系统 (RAG)
• MCP 工程
• 多代理系统
• 数据工程
• 安全与安全治理
• 可靠性工程
• 生产基础设施

Capstone 项目（实验室 100）：

• 构建完整的企业自主人工智能平台。
• 实施多代理推理、企业搜索和知识检索。
• 添加人工审批、合规性日志记录、可观察性和安全性。
• 在 Kubernetes 上部署本地 AI 模型并提供多用户支持。

本课程适合谁

• 想要构建自主 AI 系统的有抱负的 AI 工程师。
• 自动化构建者正在创建人工智能驱动的工作流程和智能代理。
• 寻求企业 AI 专业知识的软件工程师、DevOps 专业人员和架构师。