先判断：这门深度思考智能体课值不值得学

这门资料聚焦在 DeepResearch 与智能体（Agent）的工程化落地，解决的核心场景是：让大模型不再只做单轮问答，而是能自主规划、调用工具、反思纠错，完成像股票分析报告、本地服务器运维、商品咨询这类多步骤任务。如果你目前的工作涉及业务流程自动化、数据处理或内部工具开发，需要把大模型真正接入实际工作流而不是只做聊天机器人，那么这套内容值得花时间。它不是科普讲座，而是围绕主流平台与通用工具封装协议展开的实战拆解，直接演示如何从零搭建具备深度搜索与运维能力的智能体。

再看基础：适合谁，建议先看哪几块

资料对基础有一定要求。前半部分通过可视化平台构建穿衣助手、撰写股票分析报告，适合零代码基础但想理解智能体协作逻辑的产品或运营人员；后半部分涉及手写 ReAct 代码、实现计算器与运维命令生成工作流，需要你具备基本的 Python 阅读与编写能力。建议所有人先看总览篇与通用工具封装协议部分，建立对智能体发展路线与工具调用机制的整体认知。有开发背景的读者，可以直接进入 Agent 设计模式实战部分，重点研究 ReAct 模式与反思模式如何用代码实现循环推理与自我纠错。零代码基础者，先跟着初期的平台实操熟悉节点编排，再逐步过渡到代码模块。

学完能独立做什么，资料怎么配合练习

跟着完整走一遍后，你应该能独立设计并实现一个具备多轮推理能力的智能体。具体来说，能搭建一个自动联网搜索并生成结构化股票比价报告的 Agent，能封装本地服务器操作工具让 AI 远程执行运维指令并验证结果，还能结合人机协作模式处理商品咨询场景。练习时不要只看演示，要同步在本地或平台上复刻。学完一种设计模式后，立刻替换成自己业务里的数据源或接口，比如把股票比价换成竞品价格监控，把本地运维换成内部日志查询。工具实战部分的深度与广度联网搜索是重点，建议重点体会不同搜索策略对最终报告质量的影响，通过对比输出结果来调整提示词与工作流参数。


手把手带你实现新一代深度思考智能体

课程目录

*   总览篇 初探深度思考智能体/

  *   01｜课程的设计思路与智能体的发展路线

  *   02｜初识扣子家族：零代码构建穿衣助手

  *   03｜使用扣子空间智能体撰写股票分析报告

  *   04｜通用工具封装协议：带你快速上手 MCP

  *   05｜使用扣子空间远程运维本地服务器

  *   直播专场（一）｜一小时上手 DeepResearch 与上下文工程实战

*   Agent 设计模式实战/

  *   06｜ReAct模式：零框架手写ReAct代码

  *   07｜CodeAct模式：实现加和计算器

  *   08｜计划模式：股票比价Agent实现

  *   09｜反思模式：运维命令生成与验证工作流的实现

  *   10｜人机协作模式：商品咨询Agent实现

  *   直播专场（二）｜手把手带你玩转Code Agent

*   Agent 工具实战/

  *   11｜让AI实现深度联网搜索

  *   12｜让AI实现广度联网搜索

  *   13｜让AI自动操作浏览器（一）：基于浏览器扩展程序MCP

  *   14｜让AI自动操作浏览器（二）：基于无头浏览器技术

  *   15｜让AI学会规划与反思：Sequential_Thinking工具

*   DeepResearch 实战精讲：扩展智能体知识面/

  *   16｜深入理解DeepResearch

  *   17｜基于MCP与联网搜索实现简单DeepResearch

  *   18｜实现具备并发搜索、反思的工作流DeepResearch

*   记忆体实战精讲：增强智能体的记忆力/

  *   19｜深入理解智能体记忆策略与记忆体实现

  *   20｜基于LangGraph与Mem0调用历史对话

*   多模态多智能体综合实战：研报撰写助手/

  *   21｜项目需求与架构设计

  *   22｜需求数据拆解与金融基础知识入门

  *   23｜数据收集智能体的设计与实现

  *   24｜研究员智能体的设计与实现

  *   25｜数据分析与绘图智能体的设计与实现

  *   26｜报告撰写智能体的设计与实现

  *   直播专场（三）｜课程串讲+如何使用 Context7 让CodeAgent 生成更精准的项目代码

*   结课测试/

  *   结课测试｜检验一下学习成果吧！