尚硅谷大模型智能体线上速成班2026年01月11

这门课的主题是大模型智能体开发，不是泛泛的 AI 科普。它要解决的是一个具体问题：你已经会写点代码，也用过 ChatGPT 这类对话工具，但不知道怎么把模型能力接进自己的程序里，做成能调用工具、能查资料、能按流程干活的智能体。课程围绕 LangChain 这条主线展开，从对话链、提示词组织讲到工具调用和记忆机制，最后落到一个偏企业场景的项目上，另外还涉及模型微调的基础内容。

适合什么基础的人看

需要说明的是，这套资料对零基础并不友好。标题里写「编程初学者」，但实际内容假设你能看懂 Python，知道函数、类、异步调用大概是怎么回事，也理解 HTTP 请求和 JSON 的基本结构。如果你完全没写过代码，直接进来会在环境配置和依赖安装那几节就卡住，建议先补一段 Python 基础再回来。反过来，如果你已经做过一两个调用大模型 API 的小脚本，这套内容能帮你把零散的经验整理成体系，知道一个完整智能体在工程上该怎么搭。转行者如果之前有后端或数据处理经验，上手会比较顺。

建议先看哪几块，学完能做什么

不必按顺序从头啃。建议先看开课部分的整体思路，把智能体的组成搞清楚，再进入前几天的 LangChain 内容，重点放在提示词模板、输出解析、工具定义和调用链这几块，这是后面所有内容的地基。中间部分会讲到智能体如何自主选择工具、如何维护对话记忆，这部分建议边看边改代码，把示例里的工具换成自己熟悉的一个接口，比如查天气或读本地文件。项目部分可以放到稍后，等前面的调用链跑通了再看，否则容易只抄代码不理解结构。微调那部分属于加分项，如果你当前的工作用不到自定义模型，可以先跳过，不影响做智能体。

学完之后，你应该能独立完成这些事情：用 LangChain 搭一个能调用外部工具、能记住上下文的小型智能体；把公司内部的某个查询接口或数据源包成工具接进去；对提示词和输出格式做调试，让结果稳定可用；理解企业里部署这类应用大致要考虑哪些环节。这些能力足够支撑你做一个内部工具原型，或者应付面试里关于智能体的实操提问。

资料怎么配合练习

课件和代码是配套的，看视频时不要只跟着敲，建议每学完一个模块就自己重写一遍关键部分，尤其是工具定义和调用链的组装，这两处最容易看着会、写起来错。项目部分的代码建议先跑通再拆开改，试着替换其中的数据来源或增加一个工具，检验自己是否真的理解了结构。遇到版本或依赖报错，优先看课件里给的配置说明，不要急着换库，LangChain 这类框架迭代快，版本不一致是常见坑。整体节奏上，如果每天能投入两三个小时，两三周可以把主线走完，剩下的时间留给动手改项目。