更新到最新【赋范AI课堂】大模型Agent智能体开发实战_夏季班【202605正课】

课程定位

赋范AI课堂《大模型 Agent 智能体开发实战》2026 夏季班（202605 正课），主线不是讲几个能跑通的 Demo，而是把「模型怎么接进来 → Agent 怎么组织 → 知识怎么检索 → 上下文和记忆怎么管 → 怎么用 AI 把产品做出来」这一整条工程链路走完。课程由 9 个核心 Part、4 个 Vibe Coding 阶段、8 个加餐专题、1 个 Harness 专题课和 13 个工业级案例组成，配套 19 节直播回放，属于偏工程落地的体系课，而不是概念科普。

这门课真正解决什么问题

• 模型能调通，但做不成产品：从在线 API、开源模型本地部署，到限流、重试、流式输出、结构化输出，把「能调」变成「能稳定用」。
• RAG 只会跑示例：文档解析、切分、Embedding、向量库、混合检索 + Rerank、检索与生成评估，再到结构化数据、多模态 PDF 和 GraphRAG，一层层补齐。
• Agent 不可控：Function Calling、ReAct、LangGraph 状态图、中间件、人机协同、长短期记忆、上下文工程，解决 Agent 跑偏、断片、越权和成本失控。
• Skills 知其然不知其所以然：从渐进式披露、执行机制到设计原则与四种范式，最后落到可以自己写、自己评估的 Skill。
• 会用 AI 写代码，但交付不了：Vibe Coding 四个阶段从 AI-ChatBot、数据分析代理，到 OpenClaw 源码二开、Claude Code 企业级项目，练的是完整交付。

课程特色

• 技术栈跟得紧：LangChain 1.0、LangGraph、DeepAgents、MCP、Agent Skills、Harness Engineering、Claude Code、OpenClaw、Hermes Agent 都在课程范围内，不是只讲上一代写法。
• 工程视角优先：反复出现的是「怎么组织、怎么压缩、怎么隔离、怎么评估、怎么恢复」，而不是「这个 API 怎么调」。
• 两条线并行：一条线是 Agent 开发（Part 1–9），另一条线是 Vibe Coding（阶段一至四），前者决定你能不能造，后者决定你能不能交付。
• 项目是真项目：文档审核、Agentic-GraphRAG、NL2SQL 数据分析、多模态 RAG、DeepResearch、多模态微调、RL Agent 微调等 13 个工业级案例，按真实系统拆解，不是玩具脚本。

九个核心 Part 分别讲什么

• Part 1 全球顶尖在线大模型接入：大模型原理与厂商格局、OpenRouter / DeepSeek 等平台注册、Chat Completions API 基础与进阶、多模型交互项目 LLM-PlayGround。
• Part 2 开源大模型部署与调用：HuggingFace / 魔搭 / GitHub 资源获取、权重与显存计算、AutoDL 实例、GGUF / AWQ 量化选型、llama.cpp / unsloth / ktransformers、ollama 与 vLLM 本地部署。
• Part 3 Agent 开发基础：Agent 演进脉络与生态、Function Calling 原理与实战、故障排查与并行工具调用优化、旅游规划 Agent 项目。
• Part 4 LangChain 1.0 体系：Runnable、消息与 Prompt 模板、结构化输出、ReAct Agent、Tool 与 MCP 接入、LangGraph 与中间件、Agentic RAG、LangSmith、DeepAgents（子代理、文件系统、backend、爬虫项目）。
• Part 5 RAG 入门：RAG 全流程、unstructured 文档解析、切分策略、Embedding、向量数据库、混合检索 + Rerank、检索与生成阶段评估、DeepEval / TruLens。
• Part 6 RAG 进阶（LlamaIndex）：结构化数据与表格、PandasQueryEngine、Milvus + BM25、Text-to-SQL、图文混排 PDF、PyMuPDF、LlamaParse、MinerU（VLM + OCR）、CLIP、Qwen3-VL 召回 + 精排、多模态 Agentic RAG。
• Part 7 Agent Skills 详解：Skills 演进、渐进式披露、执行机制与 MCP 对比、OpenAI SDK 实现、设计原则与四种核心范式、文档摘要 Skill、mini-openclaw 项目。
• Part 8 长短期记忆管理：记忆类型、短期截断压缩、长期存储与写入触发、MemoryManager 调度、mem0 + Milvus、LangChain 接入、生产部署、mini-openclaw 演示。
• Part 9 上下文工程：六大模块、write / select / compress / isolate / cache 五大策略、LangChain 中间件实现、压缩五件套、三层记忆、动态工具装配、子 Agent 隔离、前缀缓存诊断与修复。

Vibe Coding 四个阶段与工业案例

Vibe Coding 从「AI 帮你写代码」推进到「按工程规范交付」：阶段一用 VibeCoding 从零做 AI-ChatBot 和智能数据分析代理；阶段二拆 OpenClaw 源码做二次开发（接模型、接飞书、接自定义 Skills）；阶段三用 Claude Code 完成多模态 RAG 问答系统的需求、解析、知识图谱、前后端与联调；阶段四用 Claude Code Agent Teams 做业务建模、市场调研、竞品分析与自动化测试交付。

案例部分覆盖 13 个方向：多模态 RAG（VLM / OCR 两条路线）、Dify 长文案 Agent、DeepResearch + Agent、全自动数据分析、多模态模型微调、NL2SQL 微调、数据分析 Agent、RL Agent 性能微调、Coze 图文视频 Agent、文档审核 v1.0 / v2.0（含 OCR 坐标级解析与 Human-in-the-loop）、Agentic-GraphRAG。另有 Harness Engineering 专题课，从八大机制、手搓 mini-Harness 到 DeepAgents 与 Hermes 的记忆分层。

适合人群

适合已经能写 Python、调过一次大模型接口，想把 Agent 真正落到业务里的开发者：后端 / 前端 / 全栈工程师、算法与数据方向同学、需要带队做 AI 应用的技术负责人和产品经理。零基础也能跟，但要先补 Python 与 HTTP / JSON 基础；如果只想要「提示词技巧」或者纯理论概览，这门课会显得偏重工程。

建议学习顺序

按 Part 1 → 9 的顺序推进，但不必平均用力：Part 1–3 快速建立接入与调用手感，Part 4 是分水岭，LangGraph、中间件和 DeepAgents 值得反复动手；Part 5–6 的 RAG 建议边学边用自己的文档跑；Part 7–9（Skills、记忆、上下文工程）最好连着学，它们解决的是同一类「Agent 跑不长、跑不稳」的问题。Vibe Coding 四阶段放在 Part 4 之后开始，与工业案例穿插做，避免只看不做。

学完能独立做什么

能独立完成一个 Agent 应用的选型与落地：接在线或本地模型、做 RAG 与多模态检索、用 LangGraph / DeepAgents 组织多步骤任务、接入 MCP 与 Skills、管理记忆与上下文、做基础评估与追踪；也能用 Claude Code / OpenClaw 把需求推进到可演示、可部署的产品。对求职来说，课程覆盖的 Agent 开发、RAG、上下文工程与 Vibe Coding 交付，正好对应大模型应用开发岗位的主要能力项。

资料与购买说明

本课为飞豹客精品课，标价 ¥205，会员不可免费下载。购买后联系客服，凭订单信息领取课程视频与配套资料；课程方宣传的直播、伴学与就业服务属于官方当期权益，飞豹客仅提供课程视频与资料，相关服务以课程方说明为准。