核心定位：从“调包侠”到“架构师”的全栈落地

市面上很多 AI 课程只讲怎么调用 API，学完连个简单的聊天机器人写不出来，更别提企业级应用。这门课直接切入"AI Agent 从 0 到 1 定制开发”，核心解决的是如何把大模型能力封装成可被调用的智能体，并让它们具备记忆、推理和工具使用能力。课程不仅覆盖后端开发视角的架构设计，还深入到了向量数据库和 RAG（检索增强生成）的全流程，适合那些希望掌握 LCEL 链路编排、LangChain 核心原理，并能独立搭建具备长期记忆或知识库问答系统的开发者。无论你是刚接触 AI 调用的初级工程师，还是想重构旧版 Agent 的中高级开发，这套内容都能帮你打通从“概念”到“代码”的最后一公里。

避坑指南：先学链路编排，再搞知识库检索

课程逻辑非常务实，没有上来就讲复杂的向量数据库原理，而是先花大量篇幅讲“链（Chain）”的高级应用。因为实际工作中，Agent 的核心往往在于如何组合多个步骤。建议你先看完第 10 章关于 LCEL（链式调用表达式）的内容，特别是“使用管道操作符快速生成一条链”、“并行运行多条链”以及“在链中自定义支持流输出的函数”。只有搞懂了基础链的构建和高级应用（如动态添加配置、使用 RunnablePassthrough 传递值），你才能理解后续复杂的检索增强生成。资料包里的视频顺序严格遵循了由浅入深的逻辑，前几节是基础语法，中间涉及迁移旧版本代码，后几节则深入到了函数处理和流式输出，跟着这个顺序看，能避免知识断层。

实战落地：数据预处理与 RAG 系统的闭环构建

学会编排链路只是第一步，真正的难点在于如何处理非结构化数据并让 Agent“记住”知识。课程第 11 章专门解决了企业级落地中最头疼的 RAG 系统构建问题。从“让文档变得 AI 友好”的数据预处理开始，详细讲解了如何加载 PDF、Excel、CSV 甚至网页，并重点演示了基于语义的文档切分策略，这是提升检索准确度的关键。随后，课程深入探讨了向量数据库的选型与实现，以及如何通过 BM25 混合搜索、查询重写（处理非结构化数据）和上下文压缩来优化检索效果。学完这部分，配合资料包中的案例，你就能独立搭建一个能自动读取公司文档、精准回答业务问题且支持流式输出的文档检索助手，彻底解决大模型“一本正经胡说八道”的幻觉问题。

课程目录

10-1 本章介绍_ev.mp4 4.58M
10-10 链的高级应用：使用RunnablePassthrough来传递值_ev.mp4 4.07M
10-11 链的高级应用：如何在运行时动态添加链的配置_ev.mp4 16.05M
10-12 链的高级应用：为链增加记忆能力（短时记忆InMemoryHistory）_ev.mp4 59.29M
10-13 链的高级应用：使用Redis构建长期记忆_ev.mp4 34.03M
10-14 链的高级应用：使用LCEL来自定义路由链_ev.mp4 41.82M
10-15 本章总结_ev.mp4 2.04M
10-2 Runnable接口到底是什么？_ev.mp4 14.85M
10-3 LCEL是什么与使用场景_ev.mp4 29.86M
10-4 链的基本应用：使用管道操作符快速生成一条链_ev.mp4 11.68M
10-5 链的基本应用：链的流式调用_ev.mp4 48.65M
10-6 链的基本应用：并行运行多条链_ev.mp4 23.71M
10-7 从老版本的chain迁移到LCEL_ev.mp4 25.64M
10-8 链的高级应用：在链中使用函数_ev.mp4 38.88M
10-9 链的高级应用：在链中自定义支持流输出的函数_ev.mp4 17.97M
10-10
11-1 本章介绍_ev.mp4 7.09M
11-10 向量艺术：向量数据库基础_ev.mp4 19.16M
11-11 向量艺术：Langchain 的向量库实现_ev.mp4 18.91M
11-12 向量库实现：向量库的数据增加+删除+相似性搜索+ MMR+混合搜索_ev.mp4 52.09M
11-13 向量艺术：检索器概念_ev.mp4 5.59M
11-14 检索器在langChain中的实现（基本的检索器+语法搜索构建：BM25）_ev.mp4 27.20M
11-15 查询重写：如何处理非结构化数据？_ev.mp4 21.45M
11-16 查询重构：如何处理结构化数据？_ev.mp4 39.33M
11-17 检索策略大比拼：找到合适你的方案_ev.mp4 7.99M
11-18 检索调优：让RAG系统更快更准_ev.mp4 17.44M
11-19 检索器：调优—上下文压缩+排序+相似性分数_ev.mp4 68.15M
11-2 RAG：检索增强生成是什么？RAG原理？_ev.mp4 49.17M
11-20 未来可期：RAG技术的进化之路_ev.mp4 26.39M
11-21 动一动：ChatDoc -- 又一个简单的文档检索小助手_ev.mp4 68.90M
11-22 本章总结_ev.mp4 2.17M
11-3 知识（数据）预处理：让文档变得AI友好_ev.mp4 10.03M
11-4 常见的Loader 加载器：PDF+多模态图文PDF_ev.mp4 31.52M
11-5 常见的Loader 加载器：解析网页+CVS+ Excel_ev.mp4 47.16M
11-6 文档切分：为什么以及如何切_ev.mp4 5.49M
11-7 文档切分：如何基于长度+文本+文档+语义进行切片.mp4 34.38M
11-8 向量艺术：嵌入模型_ev.mp4 5.93M
11-9 向量艺术：langChain的嵌入实现_ev.mp4 39.29M
12-1 本章介绍 (1)_ev.mp4 4.04M
12-10 感情侦测实现_ev.mp4 42.98M
12-11 工具的设计_ev.mp4 15.03M
12-12 工具的设计实现_ev.mp4 57.81M
12-13 知识库设计余实现_ev.mp4 87.00M
12-14 钉钉工具设计与实现_ev.mp4 126.66M
12-15 记忆系统设计实现_ev.mp4 36.35M
12-16 项目可观测性实现_ev.mp4 37.78M
12-17 容器化部署_ev.mp4 68.12M
12-2 小浪助手（单智能体）案例拆解_ev.mp4 13.36M
12-3 什么是单Agent？_ev.mp4 18.46M
12-4 使用LangChain 创建第一个Agent_ev.mp4 13.94M
12-5 小浪助手实战：开发环境搭建说明与实战流程_ev.mp4 11.49M
12-6 项目相关资源获取（环境和IDE&API KEY&AI编程&钉钉API）_ev.mp4 113.12M
12-7 项目架构演示_ev.mp4 36.04M
12-8 项目架构搭建_ev.mp4 91.57M
12-9 提示词模块设计_ev.mp4 47.94M
13-1 本章介绍_ev.mp4 11.63M
13-10 【实现】持久化与记忆-基本运用：相乘隔离的持久层&跨线程持久化调用_ev.mp4 52.77M
13-11 【实现】持久化与记忆-记忆：短期记忆的实现&长期以及实现&使用总结技术优化记忆_ev.mp4 110.64M
13-12 LangGraph 核心组件：人机交互_ev.mp4 7.01M
13-14 【实现】LangGraph人机交互-基本运用：审查工具调用 (1)_ev.mp4 37.08M
13-14 【实现】LangGraph人机交互-基本运用：审查工具调用_ev.mp4 37.06M
13-15 【实现】LangGraph人机交互-基本使用：编辑图的状态_ev.mp4 11.92M
13-16 LangGraph 核心组件：时光旅行_ev.mp4 35.61M
13-17 LangGraph 核心组件：流式输出_ev.mp4 17.28M
13-18 LangGraph 核心组件：工具调用_ev.mp4 27.02M
13-19 小实战：基于LangGraph 构建代码助手_ev.mp4 71.68M
13-2 为什么选择多智能体架构？_ev.mp4 24.45M
13-20 小实战：基于LangGraph 的提示词生成小助手_ev.mp4 33.60M
13-21 大实战：小浪助手（多智能体版）_ev.mp4 174.09M
13-22 本章小结_ev.mp4 3.71M
13-3 常见的多智能体架构_ev.mp4 13.53M
13-4 LangGraph讲解_ev.mp4 8.00M
13-5 LangGraph 核心组件：节点与可控制性_ev.mp4 8.02M
13-6 【实现】节点与可控制性-第一个LangGraph_ev.mp4 31.19M
13-7 【实现】节点与可控制性-基本控制：串行控制&分支控制&条件分支与循环_ev.mp4 40.53M
13-8 【实现】节点与可控制性-精细控制：图的运行时配置&map-reduce_ev.mp4 42.15M
13-9 LangGraph 核心组件：持久化与记忆_ev.mp4 13.36M
14-1 本章介绍_ev.mp4 3.99M
14-10 如何在LangGraph cloud 上部署_ev.mp4 10.59M
14-11 本章小结_ev.mp4 2.06M