现代代理人工智能：MCP、RAG、AI 代理、LangGraph 和工作流程

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50米

你将学到什么

• 使用现代架构模式构建生产级 Agentic AI 系统。
• 创建能够推理、规划、使用工具和执行工作流程的 AI 代理。
• 利用矢量数据库和混合搜索设计 RAG 系统。
• 实施 MCP 服务器、客户端和工具生态系统。
• 构建包含状态、审批和恢复功能的 LangGraph 工作流程。
• 使用 Docker、Kubernetes 和 GitOps 部署 AI 系统。
• 在 AI 平台中应用安全性、治理和可观察性。

要求

• Windows、Linux 或 macOS
• 建议使用 16 GB RAM
• 互联网连接
• Python 3.12+
• Docker
• VS 代码
• Git 和GitHub

描述

关于构建超越聊天机器人和提示的现实世界 Agentic AI 系统的实用课程。

停止 Vibe 编码。开始工程。

了解如何设计和部署在生产环境中使用的可扩展人工智能平台。

模块概述：

• 人工智能基础和设置
• 用于人工智能工程的 Python
• 法学硕士和法学硕士提示
• RAG 系统
• 高级检索
• MCP 架构
• 人工智能代理
• LangGraph 工作流程
• 安全与安全可观测性
• AI平台部署

顶点项目：

利用 RAG、MCP、工作流程、安全性和 Kubernetes 部署构建完整的多代理 AI 平台。

本课程适合谁

• 有抱负的人工智能工程师
• 软件开发人员进军人工智能领域
• 平台建设者和建筑师