友情链接:
合作联系
|
ASPEN培训课程
一、完成本培训后，学员将能够：
1.理解核心概念：掌握Agent、LLM、工具调用、规划、记忆等核心概念，以及企业级应用的特殊要求（安全性、可靠性、成本等）。
2.掌握技术栈：熟练使用主流的Agent开发框架（如LangChain, LlamaIndex, LangGraph）和云服务。
3.具备工程化能力：将Agent原型转化为可监控、可维护、可扩展的生产级系统，掌握智能体系统的设计模式与架构。
4.完成项目实战：独立或协作设计、实现并部署一个解决实际业务问题的企业级Agent应用。
二、目标学员
·拥有Python经验的软件全栈/后端工程师
·希望向AI应用开发转型的技术人员
·技术负责人、架构师
·对AI应用有浓厚兴趣的进阶开发者
三、预备知识
·熟练使用Python编程
·了解基本的API开发（如RESTful）
·对机器学习和大语言模型有基本概念性了解
·了解Docker、Git等基础开发工具
四、详细大纲
模块一：引言 - 从ChatGPT到企业级智能体
·1.1 智能体范式革命
o什么是智能体？与单一LLM调用的根本区别。
o智能体的核心组成部分：大脑（LLM）、规划、工具、记忆。
o企业级Agent的关键特征：可靠性、安全性、可控性、可观测性、成本效益。
·2. 典型应用场景与价值
o高级问答与客服助手
o自主数据分析与报告生成
o业务流程编排与自动化
o代码助手与IT运维智能体
模块二：智能体核心技术基石
·1. 大脑：大语言模型的选择与集成
oAPI模型 vs. 开源本地部署模型：权衡成本、延迟、数据安全与控制力。
o提示工程高级技巧：思维链、少样本学习、结构化输出。
o成本与速率限制管理：应对大规模使用的策略。
·2.2 核心能力：推理、规划与工具调用
o推理与规划：ReAct范式、Chain of Thought、Tree of Thoughts。让Agent学会“思考”步骤。
o工具调用：标准化的函数调用。如何让Agent安全、准确地使用外部工具（API、数据库、计算器）。
o实战：使用LangChain/LlamaIndex构建一个能调用搜索引擎和计算器的简单问答Agent。
模块三：企业级智能体架构与模式
·1. 智能体工作流与状态管理
o单一Agent的局限性。
o多智能体系统：引入专业角色（管理者、执行者、评审者），实现复杂任务分解与协作。
o有状态与无状态智能体：使用状态图（Stateflow）管理复杂对话和工作流（重点介绍LangGraph）。
o实战：使用LangGraph构建一个带循环和状态检查的客服对话Agent。
·2. 记忆机制
o短期记忆：管理对话上下文（窗口滑动、摘要提炼）。
o长期记忆：使用向量数据库（如Chroma, Pinecone, Weaviate）实现知识库和个性化记忆。
o实战：为Agent集成向量数据库，实现基于私有知识库的问答和跨会话的记忆。
模块四：企业级工程化与运维
·1. 可观测性与评估
o日志与追踪：使用LangSmith等工具完整记录Agent的决策链、工具调用和Token消耗，用于调试和审计。
o评估体系：如何评估Agent的性能？构建基于规则和LLM-as-a-Judge的评估流水线。
o监控与告警：监控关键指标（延迟、错误率、成本）、检测“幻觉”和失效情况。
·2. 可靠性、安全性与成本优化
o可靠性模式：自我修正、重试机制、Fallback策略、人工审核闭环。
o安全性：提示词注入防护、工具调用沙箱、数据泄露防范。
o成本优化：缓存策略、模型选择优化、Token使用优化。
·3. 部署与扩展
o容器化Agent应用（Docker）。
o部署到云平台（AWS, GCP, Azure）或Kubernetes集群，实现高可用和弹性伸缩。
o构建Agent-as-a-Service的API网关。
模块五：综合项目实战
