首页 / 高校课程
高校课程 · Enterprise Curriculum · FDE

FDE AI 应用开发实战课

零基础系统进阶 · 冲刺高薪 FDE 岗位。从编程 Agent 到企业级知识工程、Agent 工作流与上线交付,以八个真实项目完成完整的 FDE 能力闭环。

课前选学 + 六大阶段项目驱动编程 Agent 辅助60+ 小时v1.1 · 2026.10
6大核心阶段
167个内容模块
1023条知识点
8个综合项目
01

课程定位

Positioning · 以 FDE 交付链路为主线的企业级 AI 应用课程

FDE 深入企业现场,融合 AI、数据与工程能力,推动解决方案从原型验证走向生产落地,持续创造业务价值。

本课程以「业务需求 → 方案设计 → 知识工程 → Agent 开发 → 评测上线 → 综合交付」为主线,逐阶段完成能力构建。

01覆盖编程 Agent、业务建模、RAG 与 Agent 工程的完整能力链
02以 Palantir / OpenAI FDE 标杆实践为参照,拆解工作方法
03每个模块都对应可交付的项目成果与可复用的 Skills
02

课程特色

Six Pillars · 六大特色支撑 FDE 能力成长

60+

60+ 小时

零基础系统进阶,六大阶段逐步构建 FDE 全栈能力

8

8 个真实项目

从模型应用到企业客服,全部项目带学、可复用

◎

标杆方法论

对标 Palantir / OpenAI FDE 实践,逐阶段拆解工作方法

⌘

编程 Agent 实战

覆盖 Codex、Claude Code、Pi、DeepSeek Harness 等顶尖编程 Agent 的全链路教学

◈

Agent 与 RAG 体系

Agent 设计模式、单/多智能体、Workflow 与 Naive / Graph / LLM Wiki 检索体系

◆

企业 Ontology

业务建模、图谱构建与 Agent 应用,打通业务语义与数据

03

能力成长路径

Learning Path · 六阶段由编程入门走向综合交付

1

AI 编程入门

编程 Agent 上手
2

需求与方案

业务到 AI 方案
3

知识与本体

企业知识工程
4

Agent 与工作流

智能体工程化
5

评测与上线

交付与运维
6

综合实战

八大项目闭环
04

综合项目矩阵

Capstone Projects · 八个真实项目贯穿全程

01
综合项目 · 模型应用

LLM-AnythingChat

多模型接入、流式对话、工具调用与异步推理

02
综合项目 · 知识检索

Advanced RAG 五范式检索工作台

混合检索、多模态 RAG 与 Agentic RAG

03
综合项目 · 数据分析

NL2SQL 数据分析可视化 Agent

Schema 检索、工具编排、自然语言问数与图表

04
综合项目 · 知识工程

但问智学 · 知识工程台

但问智能自研个性化学习工作台:多引擎知识库、学习模式闭环与分层记忆

05
综合项目 · 办公智能体

Hermes Agent 个人办公助手

工具执行、Agent Skills、记忆检索与浏览器/文件自动化

06
旗舰项目 · 数据分析智能体

但问数智 · 数据分析智能体

Hermes Agent、多轮数据分析与可审计 SQL

07
旗舰项目 · 企业客服

企业 AI 客服中台

LangGraph 流程编排、Deep Agents 与人工审核

08
毕业项目 · 全流程交付

FDE 综合毕业项目:企业客户服务与订单处理

从业务调研到上线验收,跑通 FDE 交付全流程

05

课程信息

Course Facts · 基本信息速览

课程名称FDE AI 应用开发实战课
课程形式项目驱动 · 编程 Agent 辅助
总课时60+ 小时
课程结构课前选学 + 六大阶段(33 个部分)
内容规模167 个内容模块 · 1023 条知识点
综合项目8 个真实项目(含毕业项目)
交付物项目源码 · 过程文档 · 评测与验收材料 · 可复用 Skills
版本v1.1 · 2026 年 10 月
06

详细课程大纲

Detailed Syllabus · 阶段 → 部分 → 模块 → 知识点

课前选学 · STAGE 00

拓展选学:编程与算法基础

课前选学,夯实 Python、深度学习与大模型部署的基础能力。

阶段成果 具备独立运行 Python 代码、理解 Transformer 原理并完成本地模型推理的基础。
选学
3 个部分11 个模块68 个知识点Optional Pre-course Foundations
选学 1

Python 编程基础

M01

Python 环境与基本对象

6 知识点
  • Python 的应用场景、编程思维与学习路径
  • Anaconda 安装、Python 版本与第三方包管理
  • Jupyter Notebook 的单元格、运行与文件操作
  • 变量命名、赋值机制与对象的身份、类型和值
  • 整数、浮点数、复数与常用科学运算
  • 布尔值、比较运算、逻辑运算与类型转换
M02

字符串与容器类型

6 知识点
  • 字符串创建、转义、索引与切片
  • 查找、分割、去空白、拼接与格式化输出
  • 列表的增删改查、排序、复制与嵌套
  • 元组的不可变特性、索引与常用操作
  • 字典的键值结构、创建、访问与更新
  • 集合去重、交并差运算与不可变集合
M03

控制流与函数设计

8 知识点
  • if / elif / else 条件判断与嵌套分支
  • for 循环、range 遍历与循环嵌套
  • while 条件循环与终止条件
  • break、continue 与循环流程控制
  • 函数定义、调用、返回值与参数传递
  • 位置参数、默认参数与可变参数
  • 变量作用域与 lambda 匿名函数
  • 控制流和函数综合练习:拆解问题与逐步验证
M04

面向对象编程

6 知识点
  • 类、实例、属性与方法的基本关系
  • 构造方法与实例属性初始化
  • 实例方法、类方法与静态方法
  • 对象封装与方法调用
  • 类的继承、方法重写与复用
  • 通过小案例理解函数与类的职责划分
M05

NumPy 与 Pandas 入门

6 知识点
  • NumPy 数组创建、数据类型与形状
  • 数组索引、切片与常用统计方法
  • 数组广播与向量化科学计算
  • Pandas Series 的创建与索引
  • DataFrame 的行列结构与数据访问
  • 表格数据筛选、赋值与基础处理
选学 2

机器学习与深度学习基础

M06

序列建模与注意力基础

6 知识点
  • 序列模型的输入输出与上下文依赖
  • Transformer 的发展背景与结构概览
  • 注意力机制的直观含义与加权求和
  • Query、Key、Value 的角色与计算流程
  • 缩放点积注意力与 Softmax 权重
  • 从单头注意力到多头注意力
M07

Transformer 编码器

6 知识点
  • Embedding:把离散 Token 转为向量表示
  • 位置编码与序列位置信息
  • Self-Attention 的矩阵计算流程
  • 残差连接对信息传递的作用
  • Layer Normalization 与前馈网络
  • Encoder 层的组合与多层堆叠
M08

解码器与大模型结构

6 知识点
  • Decoder 的输入、输出与自回归生成
  • Teacher Forcing 与训练阶段的数据组织
  • 因果掩码与前瞻信息隔离
  • 编码器—解码器注意力的数据流
  • Encoder-Decoder 与 Decoder-Only 的结构差异
  • 从 Transformer 数据流理解大模型文本生成
选学 3

大模型部署软硬件环境

M09

开发环境与系统准备

6 知识点
  • Windows 下安装与配置 Python 环境
  • Ubuntu 下配置 Anaconda 与独立虚拟环境
  • 环境变量、终端与依赖安装常见问题
  • Windows 与 Ubuntu 双系统的安装流程
  • 驱动、CUDA 与深度学习框架的兼容关系
  • 运行模型前的软硬件环境检查
M10

算力配置与资源选择

6 知识点
  • CPU、内存、显存与存储对模型运行的影响
  • 模型参数规模、权重精度与显存估算
  • 推理与训练的资源需求差异
  • 消费级显卡与服务器 GPU 的选型思路
  • 本地工作站与云端算力的使用场景
  • GPU 平台的计费方式、存储与资源释放
M11

云端算力与部署练习

6 知识点
  • AutoDL 实例选择、创建与环境配置
  • SSH 连接、文件上传与远程开发
  • 系统盘、数据盘与模型文件管理
  • 开源模型权重下载与依赖安装
  • 以 ChatGLM3-6B 为例完成本地推理
  • 启动失败、显存不足与依赖冲突排查
第 1 阶段 · STAGE 01

AI 编程与开发基础入门

用编程 Agent 完成从需求到可运行应用的开发与迭代。

阶段成果 可运行的 AI 应用、源码与启动说明、项目协作规则。
01
4 个部分19 个模块116 个知识点AI-Assisted Programming Foundations
Part 01

OpenAI Codex 快速入门实战

M12

Codex 安装与开发初体验

6 知识点
  • Codex App、CLI 与项目工作区的基本关系
  • 安装配置、模型选择与任务执行入口
  • 授权范围、文件访问与命令执行的基本设置
  • 从自然语言需求生成待办清单应用
  • 运行项目、定位报错与完成一轮修改
  • 使用差异视图检查变更并回退错误修改
M13

项目规则与协作开发

6 知识点
  • 全局与项目 AGENTS.md 的作用范围
  • 让 Agent 先理解目录、依赖与启动方式
  • 把业务需求拆成页面、接口和数据任务
  • Git 分支、提交与变更审查
  • Worktree 隔离不同开发任务
  • 多 Agent 协作中的职责、文件范围与结果汇总
M14

Codex 工具与应用实战

7 知识点
  • 通过 Skills 复用稳定的任务处理方法
  • 通过 MCP 接入外部数据与工具
  • Computer Use 与浏览器操作的应用边界
  • 自动化任务的触发、运行与结果检查
  • 订单管理应用:页面、业务动作与数据联动
  • 经营看板:指标定义、信息层级与图表呈现
  • 简历匹配、AI 资讯与 OA 场景的任务拆解
M15

既有项目阅读与功能迭代

6 知识点
  • 从 README、依赖和入口理解开源项目
  • 建立运行基线并复现现有功能
  • 围绕单一需求修改源码与检查影响范围
  • 功能分支、代码审查与合并流程
  • 跨分支任务协作与冲突处理
  • 通过实际运行结果确认功能交付
M16

从提示词到持续开发闭环

7 知识点
  • Prompt、Context、Harness 与 Loop 的关系
  • 为长任务设置目标、阶段产物与完成条件
  • 把自动执行与确定性检查组成反馈循环
  • 运行日志、问题证据与验证器的作用
  • 以 LangGraph 迁移为例拆分状态与工作流
  • 核对 API、SSE 与既有业务语义的回归结果
  • 沉淀项目规则、经验记录与可复用工作方法
Part 02

Claude Code 快速入门实战

M17

Claude Code 安装与首次会话

6 知识点
  • 安装 Claude Code 并完成账号登录与环境检查
  • 交互模式、一次性提问与 claude -p 无头模式的区别
  • 使用 claude -c 与 claude -r 继续或恢复历史会话
  • 权限模式与工具审批:读写文件、执行命令的授权边界
  • 在既有仓库中用自然语言提问,定位模块与调用关系
  • 用测试与运行结果验证一次功能改动
M18

CLAUDE.md 与项目记忆

6 知识点
  • CLAUDE.md 的作用范围:全局、项目根目录与子目录
  • 使用 /init 生成项目初稿并人工精修
  • 写入构建命令、代码规范与架构约束
  • 用 /memory 查看和维护记忆文件
  • 用 /context 查看上下文占用,用 /compact 压缩摘要
  • 用 Git 审查 Claude Code 的变更并回退错误修改
M19

Plan 模式与任务拆解

6 知识点
  • Plan 模式:先规划、确认后执行的工作方式
  • 审阅计划中的文件改动范围与风险点
  • 使用 /rewind 与检查点回退到之前的状态
  • 将大任务拆成可验收的阶段并逐步确认
  • 使用 /tasks 管理当前会话的后台任务
  • 多轮迭代中保持需求文档与代码的一致性
M20

斜杠命令、Skills 与子代理

6 知识点
  • 自定义斜杠命令:.claude/commands 的结构与参数传递
  • Agent Skills:SKILL.md 的描述字段、触发条件与资源组织
  • 子代理(Subagents)的职责划分与独立上下文
  • 使用 /agents 创建和管理子代理
  • 将稳定的工作流程沉淀为 Skill 并验证自动触发
  • 通过 /batch 思路拆分大型改动并行执行
M21

Hooks、MCP 与自动化集成

6 知识点
  • Hooks 事件机制:PreToolUse、PostToolUse 与 Stop
  • 用 Hook 实现代码格式化、测试检查与安全护栏
  • 通过 claude mcp add 接入 GitHub、数据库与浏览器工具
  • 在 settings.json 中配置权限允许与拒绝规则
  • 用 claude -p 在脚本中调用 Claude Code 完成批量任务
  • 接入 GitHub Actions,实现提交后的自动代码审查
M22

多 Agent 终端运行环境(herdr)

6 知识点
  • herdr 的定位:面向编程 Agent 的终端运行时
  • 在同一工作区并行启动多个编程 Agent 会话
  • 会话监控、切换与任务状态查看
  • 结合 Git worktree 隔离不同 Agent 的修改范围
  • 明确 Claude Code、Codex 等 Agent 的职责与文件范围
  • 汇总多 Agent 的运行结果并完成交付检查
Part 03

Pi Agent 本地部署与应用

M23

Pi Agent 的定位与本地安装

6 知识点
  • 理解 Pi 的终端 Agent 与可扩展运行底座
  • 安装 CLI 并检查运行环境
  • 配置模型供应商、模型与鉴权方式
  • 使用读写文件、编辑与终端工具完成任务
  • 项目目录、上下文文件与配置作用域
  • 任务结果检查与基础故障排查
M24

会话与上下文管理

6 知识点
  • 会话保存、恢复与运行记录
  • 树形会话、分支与父子节点关系
  • 上下文占用与会话压缩
  • 压缩摘要对后续任务的信息保留
  • 任务中途补充指令与持续交互
  • 长任务的检查点、分支试验与结果整理
M25

Skills 与扩展开发

6 知识点
  • Skills、提示词模板、主题与扩展的分工
  • 编写项目 Skill 并验证触发效果
  • TypeScript 扩展的加载与生命周期
  • 注册自定义工具及其参数与返回值
  • 注册命令、订阅事件与交互界面扩展
  • 扩展状态持久化、重载与错误处理
M26

程序化集成与应用练习

6 知识点
  • 交互模式、JSON 输出与 RPC 模式的选择
  • 通过 SDK 嵌入 Agent 会话
  • 消费流式事件并展示执行过程
  • 将扩展与 Skills 组织为可复用包
  • 实现一个读取资料并生成结果的本地助手
  • 校验工具权限、输入边界与任务完成证据
Part 04

DeepSeek Harness 本地部署实战

M27

看懂 Agent Harness 运行底座

6 知识点
  • LLM、Agent 与 Harness 的职责关系
  • CLI、Web、SDK 入口与执行环境的分工
  • Agent Loop、Prompt Assembly 与工具执行链
  • Session 事件记录与上下文重建
  • Cordis Context 的服务、作用域与依赖
  • Plugin、Preset、Session 各自解决的问题
M28

DeepSeek Harness 本地部署

6 知识点
  • NPM 安装、Git 源码与 Python SDK 三条入口
  • 课程版本基线与独立运行目录
  • 启动 CLI、Web 并配置模型 Provider
  • 读取笔记、编辑文件与检查工具调用结果
  • Minimal 与 Standard 的可见工具差异
  • 安装能力、工具可见性与实际授权的区别
M29

插件机制与能力组合

6 知识点
  • Host、Client 与混合插件的基本形态
  • 插件入口、配置、依赖声明与 apply 函数
  • 服务注入、工具注册与插件间协作
  • Preset 组合、挂载与 Agent 能力面
  • 激活、停用、disposer 回收与生命周期
  • 热更新、客户端打包与 Host 重启的区别
M30

主题插件定制开发实战

6 知识点
  • 从需求确定插件范围与接口合同
  • 检索已有插件并判断复用或开发
  • 编写主题配置、交互入口与样式实现
  • 构建、打包、安装并接入当前运行环境
  • 核对真实插件状态、页面效果与运行证据
  • 验证主题切换、停用、启用与卸载流程
第 2 阶段 · STAGE 02

业务需求与方案设计

从业务目标出发,完成需求界定、技术选型与 AI 方案设计。

阶段成果 业务流程图、需求与范围说明、方案架构与 PoC 验证计划。
02
2 个部分9 个模块54 个知识点Business Requirements & Solution Design
Part 05

FDE 最佳实践拆解与需求方案设计

M31

FDE 工作方式与交付链路

6 知识点
  • FDE 在客户现场的业务与技术职责
  • 从业务发现到构建、上线和采用的工作链路
  • Palantir 用例生命周期与业务结果导向
  • OpenAI FDE 的场景发现、集成与反馈实践
  • 业务负责人、使用者与技术团队的协作分工
  • 从演示效果转向可观测的业务结果
M32

业务调研与需求发现

6 知识点
  • 识别目标用户、决策者与现有工作方式
  • 通过访谈定位高频任务、耗时与错误来源
  • 梳理角色、输入、判断、动作与业务结果
  • 绘制现状流程并找到关键阻塞点
  • 区分用户表达、已证实事实与待验证假设
  • 整理业务术语、样本数据与系统接口清单
M33

需求界定与优先级

6 知识点
  • 把模糊诉求转成具体使用场景
  • 以用户故事描述触发条件与期望结果
  • 定义业务成功标准与当前基线
  • 从价值、频率、数据和风险评估需求
  • 确定 MVP 范围、非目标与人工介入点
  • 形成可讨论、可验证的需求说明
M34

AI 方案与技术选型

6 知识点
  • 规则、传统软件与 AI 能力的任务分工
  • RAG、Ontology、Agent 与工作流的适用条件
  • 识别数据接入、工具调用和已有系统约束
  • 设计系统边界、数据流与关键接口
  • 比较效果、延迟、成本和运维复杂度
  • 记录架构选择、前提假设与备选方案
M35

PoC 设计与交付计划

6 知识点
  • 挑选最影响方案成立的核心假设
  • 设计最小样本、测试任务与对照基线
  • 定义 PoC 通过条件和失败后的调整方向
  • 拆分开发、验证、试点与上线里程碑
  • 制定试点反馈、验收与持续改进方式
  • 输出需求范围、架构方案与 PoC 计划
Part 06

电商经营案例:从业务诉求到 AI 方案

M36

电商经营问题与业务调研

6 知识点
  • 梳理运营、选品、客服、仓配与营销团队的日常工作
  • 从大促复盘与日常经营数据定位需要支持的业务决策
  • 明确 GMV、支付转化率、客单价与复购率的指标口径
  • 分析类目、SKU、店铺、渠道、地区与用户群等业务维度
  • 梳理下单、支付、发货、签收、退款与售后的订单状态流转
  • 确定经营分析与预测辅助的 MVP 场景
M37

数据盘点与业务语义对齐

6 知识点
  • 盘点订单、商品、会员、营销与物流等数据来源
  • 建立店铺、商品、SKU、订单与用户之间的对象关系
  • 处理重复订单、缺失字段、退款冲突与状态不一致
  • 对齐下单时间、支付时间与发货时间等统计口径
  • 识别大促、节假日、价格调整与投放活动等影响因素
  • 检查数据可用性与预测任务所需的历史跨度
M38

经营分析与预测辅助方案

6 知识点
  • 将经营问题拆成查询、分析与解释三类任务
  • 用确定性计算得到 GMV、转化率与退款率等指标
  • 设置销量预测基线与按时间切分的验证方式
  • 比较预测误差,并识别新品、大促期等适用边界
  • 由 Agent 调用经营查询与预测工具
  • 让分析结论关联数据证据与不确定性
M39

方案验证与阶段交付

6 知识点
  • 设计经营看板、异常提示与追问交互
  • 明确自动生成建议与运营负责人决策之间的边界
  • 编写代表性问题、异常样本与验收用例
  • 验证订单数据到指标、预测到解释的完整路径
  • 输出需求说明、业务流程与方案架构
  • 形成样本 PoC、验证结论与后续开发计划
第 3 阶段 · STAGE 03

企业知识与本体构建

理解企业业务语义,构建可检索、可追溯的企业知识应用。

阶段成果 企业本体与数据映射、数据质量规则、可追溯的知识检索原型。
03
6 个部分27 个模块163 个知识点Enterprise Knowledge & Ontology
Part 07

企业 Ontology 本体论与构建实战

M40

Ontology 与企业业务建模

6 知识点
  • Ontology 在企业业务系统中的作用
  • 区分数据表、知识图谱与业务本体
  • 从业务名词提取对象类型与标识
  • 定义对象属性、数据类型与枚举
  • 表达客户、订单、产品与服务之间的关系
  • 区分本体定义与具体业务对象实例
M41

从数据到业务对象

6 知识点
  • 从数据库、文档和接口盘点业务实体
  • 建立源字段到对象属性的映射
  • 统一主键、名称、单位与业务口径
  • 处理一对一、一对多与多对多关系
  • 建模对象生命周期与状态约束
  • 通过业务查询检验本体是否可用
M42

动作、函数与权限设计

6 知识点
  • 用 Action 描述业务对象的可执行操作
  • 用 Function 表达计算逻辑与业务规则
  • 明确动作前置条件、参数和执行结果
  • 区分读取权限、动作权限与人工审批
  • 把业务对象、知识检索和工具调用连接起来
  • 设计对象变更后的反馈与追溯方式
M43

Semantica 本体构建实践

7 知识点
  • 安装环境并组织本体定义与样例数据
  • 使用 OntologyGenerator 从数据推断类、属性与关系
  • 导入业务实例并检查对象映射
  • 理解 RDF、OWL、Turtle 与 JSON-LD 表达
  • 使用 SHACL 描述和校验数据约束
  • 查看约束违规与模式覆盖问题
  • 迭代本体并验证典型业务问题
Part 08

企业数据治理实战

M44

企业数据盘点与接入

6 知识点
  • 按业务场景建立数据源和责任人清单
  • 梳理数据库、文件、API 与文档来源
  • 确定接入频率、更新方式与访问边界
  • 保留原始内容、来源标识与采集时间
  • 区分原始层、处理层与应用知识层
  • 定义可追溯的数据接入流程
M45

解析、清洗与标准化

6 知识点
  • 处理 PDF、表格、网页与文本资料
  • 规范字符编码、日期、金额与计量单位
  • 识别重复、缺失、异常和冲突记录
  • 统一主数据标识、字段含义与业务术语
  • 把清洗规则转成可重复执行的处理步骤
  • 记录处理前后的变化与异常数据去向
M46

数据质量规则与校验

6 知识点
  • 完整性、唯一性、有效性与一致性检查
  • 为关键字段和业务关系定义质量规则
  • 使用 Great Expectations 组织期望集合
  • 配置验证定义、数据批次与 Checkpoint
  • 读取验证结果并定位失败规则
  • 根据质量结果触发通知或后续处理
M47

面向 AI 应用的数据交付

6 知识点
  • 确定切分、元数据与知识入库规范
  • 关联数据版本、索引版本与来源记录
  • 设计增量更新、删除和重新索引流程
  • 区分缺少证据、过期证据与相互冲突证据
  • 为典型查询建立可追溯的验证样本
  • 交付数据字典、质量报告与更新流程
Part 09

Naive RAG 入门基础与实战

M48

RAG 原理与应用边界

6 知识点
  • 大模型知识时效、领域知识与幻觉问题
  • Prompt、RAG 与微调的能力差异
  • 文档加载、切分、Embedding 与索引流程
  • 相似度检索、上下文组装与增强生成
  • 回答内容与原始来源之间的证据关系
  • 识别需要检索和不需要检索的问题
M49

从零实现最小 RAG

6 知识点
  • 读取本地资料并保留文档元数据
  • 按长度和重叠窗口切分文本
  • 调用 Embedding 将文本转为向量
  • 使用余弦相似度计算语义相关性
  • 构建 FAISS 索引并执行 Top-K 检索
  • 将检索片段组织为带来源的回答上下文
M50

检索参数与回答质量

6 知识点
  • 切分长度和重叠对召回结果的影响
  • Top-K、相似度与上下文长度的取舍
  • Embedding 模型与检索语义的关系
  • 控制 Prompt 中的证据与 Token 预算
  • 处理未检索到有效证据的情况
  • 从错误回答回查切分、召回与生成环节
M51

代码仓库问答项目实战

6 知识点
  • 解析代码仓库并建立文档索引
  • 使用 Chroma 持久化向量与元数据
  • 通过检索定位相关文件和代码片段
  • 实现会话问答与 SSE 流式返回
  • 展示切分、搜索与 Prompt 组装过程
  • 用真实仓库问题验证端到端问答
Part 10

LlamaIndex 进阶与混合检索实战

M52

LlamaIndex 数据与索引基础

6 知识点
  • Document、Node 与索引的基本关系
  • 多格式 Loader 与数据接入
  • StorageContext、VectorStoreIndex 与持久化
  • 文档元数据、过滤条件与来源关联
  • QueryEngine 与 ChatEngine 的使用方式
  • 索引构建、更新与检索调用的完整流程
M53

文档解析与切分策略

6 知识点
  • Unstructured 的文档分区与元素识别
  • Token、Sentence 与固定长度切分
  • Markdown、Code 与 JSON 结构化切分
  • 按标题聚合与语义切分
  • Sentence Window 与分层节点检索
  • 比较切分策略对语义完整性和召回的影响
M54

向量检索与混合召回

6 知识点
  • 本地和在线 Embedding 的配置与调用
  • FAISS、Chroma、Milvus 等存储的接入思路
  • 向量索引、元数据过滤与结果持久化
  • BM25 关键词检索与向量召回互补
  • RRF 融合排序与候选结果合并
  • Reranker 精排与最终上下文选择
M55

结构化数据检索

6 知识点
  • PandasQueryEngine 的表格查询流程
  • Chain of Tables 的分步表格操作
  • Text-to-SQL 的 Schema 与样例上下文
  • 多表关联、SQL 校验与查询缓存
  • 使用 Agent 路由表格、SQL 与文本工具
  • 用执行结果解释分析结论并展示调用链路
M56

图文 PDF 解析与检索

6 知识点
  • PDF 文本层、扫描页、表格和图片的差异
  • PyMuPDF 的文本与页面内容提取
  • LlamaParse 与 MinerU 的解析流程
  • 保留表格结构、图片描述和页码元数据
  • 构建图文节点与多模态索引
  • 定位回答所依据的页面和原始证据
M57

多模态图像检索

6 知识点
  • CLIP 的图文对齐与向量空间
  • 以文搜图与以图搜图的实现流程
  • 用视觉模型生成图片描述并建立文本索引
  • 结合视觉向量、描述文本与 BM25 召回
  • 使用多模态 Embedding 与 Reranker 精排
  • 缓存图片解析结果并通过工具接入 Agent
M58

检索评测与系统调优

6 知识点
  • Recall、Precision、MRR 与 nDCG 的含义
  • 回答相关性、忠实性与证据覆盖
  • 组织检索问题、标准答案与参考来源
  • 使用评测工具比较不同检索策略
  • 通过链路追踪定位召回与生成问题
  • 结合质量、响应时间与成本调整参数
Part 11

GraphRAG 原理与应用实战

M59

GraphRAG 原理与适用场景

6 知识点
  • 关系型问题、多跳查询与全局主题问题
  • 向量 RAG 与 GraphRAG 的处理差异
  • 实体、关系、文本单元与来源映射
  • 图结构如何补充局部相似度检索
  • 社区层级与全局摘要的作用
  • 结合任务特点判断图检索的投入价值
M60

Microsoft GraphRAG 索引流程

6 知识点
  • 准备输入文档、配置文件与模型连接
  • 文本切分与实体关系抽取
  • 实体合并、关系组织与图构建
  • Leiden 社区划分与层级关系
  • 社区报告生成与 Embedding 构建
  • 查看索引产物、来源关联与存储结构
M61

查询模式与检索实践

6 知识点
  • Local Search 的实体邻域与局部上下文
  • Global Search 的社区报告与全局归纳
  • DRIFT Search 的逐步探索思路
  • Basic Search 作为向量检索比较基线
  • 围绕同一问题比较查询模式和证据
  • 处理跨文档关系、主题总结与多跳问答
M62

索引优化与应用评估

6 知识点
  • 调整抽取提示词与领域术语
  • 小样本试跑与索引成本估算
  • 检查实体重复、关系错误和摘要失真
  • 制定索引更新与重新构建策略
  • 评价答案质量、来源覆盖与执行成本
  • 形成 GraphRAG 与已有知识系统的集成方案
Part 12

LLM Wiki 原理与但问智脑实战

M63

LLM Wiki 的知识组织方式

6 知识点
  • 从临时问答到可持续维护的知识库
  • Raw、Schema 与 Wiki 的分层关系
  • 保留原文并生成可追溯的主题知识
  • Ingest、Query、Lint 三类工作循环
  • 主题页面、双向链接与来源引用
  • 使用 Git 和 Obsidian 管理知识变化
M64

但问智脑结构与本地部署

6 知识点
  • Markdown Vault、Brain 与 Source 的关系
  • PGLite 和 PostgreSQL 存储方式
  • 部署环境、配置与基础命令
  • 导入资料、向量化与内容抽取
  • 通过列表、统计与查询检查入库结果
  • 用 Schema 定义自有内容类型
M65

关系网络与混合检索

6 知识点
  • Typed Links 的关系类型与自动连接
  • BM25、HNSW 与混合检索
  • RRF 融合与结果权重调整
  • Search、Think、Gaps 与 Trajectory 的用途
  • 根据查询返回片段追溯原始资料
  • 对比传统 RAG、图检索与知识编译思路
M66

第二大脑与 Agent 集成

6 知识点
  • 通过 MCP 将知识查询接入 Agent
  • 建立跨会话可读取的个人知识记忆
  • 区分知识资料、工作记录与长期记忆
  • 使用 Lint、Doctor 排查知识与索引问题
  • 增量同步、软删除与知识更新
  • 让问答结果保留来源、关系与时间线
第 4 阶段 · STAGE 04

Agent 与工作流开发

按业务任务选择 Agent 架构,将知识、工具与流程组合成可运行应用。

阶段成果 可运行的 Agent 应用、工作流图与人工审核机制。
04
8 个部分34 个模块206 个知识点Agents & Workflow Engineering
Part 13

LangChain 1.0 Agent 开发实战

M67

LangChain 1.0 基础与模型接入

7 知识点
  • langchain、langchain-core 与模型集成包的分工
  • ChatModel 的初始化与模型参数
  • 消息角色、Content Blocks 与多模态消息
  • ChatPromptTemplate 与可复用提示词
  • Runnable、LCEL 与组件组合
  • 同步、异步、批量与流式调用
  • 结构化输出与类型约束
M68

Agent 与工具调用

6 知识点
  • create_agent 与 ReAct 执行循环
  • 工具定义、参数 Schema 与返回结果
  • 工具选择、执行错误与循环终止
  • Tool Router 与按任务组织工具
  • 将 MCP 工具接入 LangChain Agent
  • stdio 与 HTTP 连接方式及会话管理
M69

状态、持久化与人工介入

6 知识点
  • Agent State 与消息状态的组织
  • Checkpointer 与会话恢复
  • PostgreSQL 持久化配置与状态读取
  • Store 与跨会话数据保存
  • Human-in-the-loop 审批与恢复执行
  • 区分对话记忆、运行状态与业务数据
M70

Middleware 中间件开发

7 知识点
  • 模型前后与 Agent 前后的生命周期钩子
  • 模型调用和工具调用的包装方式
  • 动态系统提示词与模型路由
  • Summarization、Context Editing 与调用限制
  • PII 处理、工具选择和模型回退
  • 工具重试与人工审批的组合策略
  • 面向业务场景组织中间件策略
M71

Agentic RAG 应用实战

6 知识点
  • 将 FAISS 检索封装为 Agent 工具
  • 结合网页搜索与私有知识库回答问题
  • 让 Agent 判断何时检索与调用哪个工具
  • 通过中间件控制工具调用与风险动作
  • 使用 LangSmith 观察任务执行轨迹
  • 检查回答、检索证据与完整运行结果
Part 14

Deep Agents 框架与应用实战

M72

Deep Agents 架构与快速开始

6 知识点
  • 从基础 Agent 到长任务执行架构
  • create_deep_agent 的核心组装过程
  • 任务规划与 Todo 状态更新
  • 文件系统工具与中间产物保存
  • Subagent 分工与上下文隔离
  • 模型、工具、状态与中间件的协作
M73

Backend 与运行环境

6 知识点
  • StateBackend 的会话内文件存储
  • FilesystemBackend 的目录访问与边界
  • StoreBackend 的持久化数据管理
  • CompositeBackend 的路径路由与组合
  • SandboxBackend 与隔离代码执行
  • Docker、E2B 等沙箱方案的接入思路
M74

子智能体与能力扩展

6 知识点
  • 同步子 Agent 与独立任务委派
  • Compiled Subagent 的工作流复用
  • 异步子任务与结果收集
  • 模型、工具和中间件的继承与隔离
  • 通过 Skills 和 Memory 提供领域能力
  • 审批、权限与长任务检查点
M75

Deep Agents 综合应用

6 知识点
  • Spider 项目的网页采集与信息整理
  • WebAnalyzer 的页面理解与结果组织
  • CodeGenerator 与 Debug Agent 的协作
  • DataProcessor 的数据处理和文件产出
  • Gstack Agent 的页面开发与运行验证
  • 使用 CompositeBackend、Checkpointer 完成持续任务
Part 15

多智能体协作模式与实战

M76

多智能体架构选择

6 知识点
  • 单 Agent 与多 Agent 的能力和成本边界
  • 任务划分、角色定义与上下文隔离
  • 工具共享、消息传递与结果汇总
  • Workflow、Supervisor、Hierarchical 与 Swarm
  • 固定流程与动态委派的选择依据
  • 失败处理、终止条件与协作结果检查
M77

Workflow:固定流程协作

6 知识点
  • 将报告任务拆成研究、分析与撰写步骤
  • 使用 CrewAI 定义角色、任务和执行顺序
  • 组织上下游任务的数据依赖
  • 为每一步提供工具与输出要求
  • 完成报告生成并检查阶段产物
  • 分析固定流程的可控性与适用边界
M78

Supervisor:中心调度协作

6 知识点
  • 主 Agent 理解需求并委派子任务
  • 将专业 Agent 封装为可调用工具
  • 研究任务中的搜索与 RAG 工具接入
  • 隔离子 Agent 上下文与执行过程
  • 汇总多方结果并补充缺失信息
  • 观察中心调度的调用链与失败处理
M79

Hierarchical:分层团队协作

6 知识点
  • 用 LangGraph 组织团队与子团队
  • 设计上层协调者和领域负责人
  • 以软件研发团队为例划分上层与执行层职责
  • 定义团队内部状态与跨团队交接
  • 控制反馈循环和多轮协作
  • 检查全局目标与各层输出的一致性
M80

Swarm:动态交接协作

6 知识点
  • 通过 Handoff 转移任务处理权
  • 用 Agents SDK 组织客服角色
  • 依据用户意图在不同服务角色间切换
  • 传递必要上下文并控制信息范围
  • 处理无法解决的问题与人工转接
  • 比较动态交接和 Supervisor 调度模式
Part 16

Agent Skills 基础与定制开发

M81

Agent Skills 基础机制

6 知识点
  • Skill 与 Prompt、Tool、MCP 的分工
  • SKILL.md、Frontmatter 与目录组织
  • 描述字段、触发条件与技能发现
  • 渐进式加载与上下文开销控制
  • 脚本、参考资料与模板资源的使用
  • 把稳定任务流程封装为可复用能力
M82

Skills 设计模式与质量

6 知识点
  • Operator、Scout 与 Partner 模式
  • Navigator、Philosopher 与 Architect 模式
  • Orchestrator 的流程编排与能力组合
  • 根据任务选模式并限定使用边界
  • 区分指令、背景资料与运行资源
  • 检查过长说明、含糊触发与无效约束
M83

从零开发定制 Skill

6 知识点
  • 从真实失败案例提炼触发和目标
  • 编写步骤、输入要求和输出标准
  • 以文档总结 Skill 迭代内容与质量
  • 为 Skill 配置脚本与参考资源
  • 验证手动调用和自动触发
  • 从触发、路由、上下文、复用和验证评价效果
M84

Skills 驱动项目开发

6 知识点
  • 在 mini-Hermes Agent 中实现 Skill 扫描与加载
  • 结合 find-skills 发现已有能力
  • 使用 uv 处理环境与依赖问题
  • 借助代码聚合工具理解项目证据
  • 用 TDD 修复 API 错误处理与上下文裁剪
  • 构建最小可运行示例并验证业务行为
Part 17

OpenSpec 工作流与项目开发实战

M85

OpenSpec 入门与变更结构

6 知识点
  • 规格驱动开发与临时对话开发的差异
  • 安装、初始化与项目配置
  • Schema、Context、Rules 的职责
  • Proposal、Specs、Design、Tasks 四类产物
  • 从业务目标描述一个完整变更
  • 明确范围、影响、依赖与验证方式
M86

从提案到实现与归档

6 知识点
  • 使用 Propose 生成可讨论的变更材料
  • 审阅需求场景、设计取舍与任务拆分
  • 通过 Apply 按任务推进实现
  • 用 Verify 检查完整性、正确性与一致性
  • 通过 Archive 归档变更并同步规格
  • 区分运行测试、规格核查与人工验收
M87

既有项目的增量变更

6 知识点
  • Explore 阶段梳理代码与当前行为
  • 使用 New、Continue 逐步形成变更
  • ADDED、MODIFIED、REMOVED 与 RENAMED
  • 编写 Given/When/Then 正常和异常场景
  • 维护领域规格与多个变更的影响边界
  • 理解 Sync 与 Archive 的不同用途
M88

OpenSpec 全栈项目实战

6 知识点
  • 品牌网站的页面、功能与多轮变更
  • React、Vite 项目的实现与页面发布
  • StudyPal 学习助手的产品需求拆解
  • FastAPI、SQLite 与 LLM 服务组合
  • 登录、对话与仪表盘功能的连续迭代
  • 定制 Profile、Skills 与 Commands 的交付方式
Part 18

Spec Kit 规格驱动与工程化开发实战

M89

Spec Kit 规格驱动流程

6 知识点
  • Spec Kit 安装、初始化与版本基线
  • Constitution 的原则、约束与架构边界
  • Specify、Plan、Tasks、Implement 的主流程
  • Lean 与 Full 工作方式的选择
  • Feature Spec、Research 与技术方案文档
  • Data Model、Contracts 与任务清单的关系
M90

从模糊需求到可执行规格

6 知识点
  • 用 Specify 描述用户场景和验收结果
  • 用 Clarify 识别歧义并优先澄清关键问题
  • 在 Plan 中形成架构选择与研究结论
  • 将任务拆成有依赖和完成条件的实施步骤
  • 用 Analyze 检查跨文档一致性
  • 用 Checklist 检查需求质量与遗漏
M91

AI 写作与 AgentHub 项目实践

6 知识点
  • AI 写作助手的场景范围与 MVP 拆分
  • 围绕模型调用设计应用数据和接口
  • AgentHub 的 Playground、运行历史与 Trace
  • 通过流式接口连接前端与 Agent 服务
  • 用 Zod 约束输入、配置与环境变量
  • 把已有项目的新需求写成增量规格
M92

从设计稿到工程项目

6 知识点
  • 分析 Figma Make 导出的页面与交互结构
  • 将 Vite、React Router 项目迁移到 Next.js
  • 处理主题、布局、路由与组件边界
  • 把迁移步骤封装为可复用 Skill
  • 沉淀 Schema、流式 API 与环境校验命令
  • 通过新会话与实际功能验证 Skill 可用性
Part 19

Superpowers 工程化进阶实战

M93

Superpowers 工程协作流程

6 知识点
  • 理解技能驱动的软件开发工作方式
  • Brainstorming 中明确目标、范围与设计
  • 把设计转成可执行的实现计划
  • 将任务拆成可检查的小步骤
  • 按任务选择执行、审查与验证技能
  • 用明确的完成条件控制开发闭环
M94

测试与系统化调试

6 知识点
  • 先写失败用例再实施最小修改
  • 使用 TDD 推进功能与修复
  • 从现象复现到根因定位
  • 收集日志、状态和接口证据
  • 验证修改是否解决原始问题
  • 检查与修改直接相关的回归路径
M95

多任务协作与代码交付

6 知识点
  • 使用分支和 Worktree 隔离开发任务
  • 按模块和文件范围划分并行职责
  • 评审任务结果、接口合同与代码变更
  • 在合并前核对运行结果与测试证据
  • 完成开发分支、清理临时状态与交接
  • 避免把测试通过等同于全部业务验收
M96

与 Spec Kit 组合实战

6 知识点
  • 用 Spec Kit 形成需求和工程任务依据
  • 用 Superpowers 推进计划、实现和调试
  • 围绕全栈项目组织多轮开发迭代
  • 联调真实数据库和前后端接口
  • 检查跨仓库合同与共同影响的用户流程
  • 通过项目案例沉淀可复用 Skills
Part 20

定制化 LangGraph 业务工作流实战

M97

LangGraph 状态图基础

6 知识点
  • Workflow 与 Agent 的任务控制差异
  • State、Node、Edge 与 StateGraph
  • 用 TypedDict 定义业务运行状态
  • START、END 与图的编译执行
  • 消息状态、Reducer 与状态合并
  • 把业务流程转换为节点和状态变化
M98

条件、并行与循环编排

6 知识点
  • 条件边与基于业务状态的路由
  • 并行分支、结果收集与汇总
  • Orchestrator-Worker 的动态任务分解
  • Evaluator-Optimizer 的检查与改进循环
  • 为循环设置次数和终止条件
  • 处理失败分支、超时和降级结果
M99

持久化与人工审核

6 知识点
  • Checkpointer、Thread ID 与状态快照
  • 持久执行、故障恢复与历史状态读取
  • interrupt 暂停与人工审核输入
  • 通过 Command 恢复、批准、修改或拒绝
  • 理解节点重放对外部动作的影响
  • 为写操作设置幂等和重复执行保护
M100

定制业务工作流实战

6 知识点
  • 定义受理、处理、审核和完成等业务状态
  • 接入知识检索、数据库查询与业务工具
  • 将自动处理与人工决定连接为完整流程
  • 把流式事件和状态变化展示到前端
  • 编写正常、异常、拒绝与恢复用例
  • 交付可运行工作流与业务验收记录
第 5 阶段 · STAGE 05

评测集成与上线交付

将 AI 应用接入真实环境,完成评估调优、部署上线与交付验收。

阶段成果 部署应用、运行追踪、评测报告与交付验收材料。
05
5 个部分23 个模块146 个知识点Evaluation, Integration & Delivery
Part 21

智能体长短期记忆管理

M101

短期记忆与会话持久化

6 知识点
  • 上下文窗口、短期记忆与长期记忆的关系
  • 保存和恢复多轮对话历史
  • 通过滑动窗口裁剪历史消息
  • 用摘要压缩长会话并保留关键信息
  • JSON 文件与会话存储的实现思路
  • 区分用户事实、当前任务与临时工具结果
M102

长期记忆的组织方式

6 知识点
  • 向量、键值、图与关系型存储的取舍
  • Direct Memory 与检索式记忆
  • 记忆的写入、检索、更新和删除
  • MemoryManager 的职责与调用时机
  • Sleeptime 记忆整理与后台处理思路
  • mini-Hermes Agent 的提示词和记忆分层
M103

mem0 记忆系统实战

6 知识点
  • 部署 mem0 并接入模型与向量存储
  • 从对话提取值得保存的事实
  • 识别重复、冲突与需要更新的记忆
  • 通过 user_id 等过滤条件隔离不同用户和应用
  • 查看记忆历史与更新来源
  • 使用 AsyncMemory 与 LangChain 工具集成
M104

记忆与知识系统协作

6 知识点
  • 在 FastAPI 中提供记忆读写接口
  • 组合知识 RAG 与用户记忆检索
  • 控制记忆写入频率和信息选择
  • 通过 Dream 流程整理已有记忆
  • 测试跨会话引用、冲突更新和删除效果
  • 检查记忆来源与实际任务表现
Part 22

智能体上下文工程

M105

上下文工程基础

6 知识点
  • 系统规则、历史、记忆、工具、任务与外部资料
  • 上下文长度、信息相关性与注意力分配
  • Write、Select、Compress、Isolate、Cache
  • 为不同任务确定需要进入上下文的信息
  • 追踪模型实际收到的提示词与工具定义
  • 区分上下文缺失、污染与冗余问题
M106

上下文写入与选择

6 知识点
  • SessionWrite 保存会话和工具结果
  • SmartMemoWrite 选择值得长期保存的信息
  • TaskState 保存当前目标和执行进度
  • SelectManager 统一组织上下文来源
  • 组合 mem0、文件与混合检索
  • 依据任务路由 Skills 和外部资料
M107

压缩、隔离与缓存

6 知识点
  • 通过中间件裁剪历史和冗长工具输出
  • 摘要压缩与结构化状态保留
  • 为子 Agent 分配独立上下文
  • 仅把必要结论和证据返回主 Agent
  • 利用稳定前缀组织缓存友好的输入
  • 检查缓存边界、尾部裁剪与信息损失
M108

上下文工程对照实战

6 知识点
  • 工具 Agent 的任务状态与调用上下文
  • 知识问答的检索证据选择与压缩
  • 研究任务的资料收集与子任务隔离
  • 比较优化前后的完整模型输入
  • 记录任务表现、Token 消耗与响应时间
  • 根据失败样本调整写入和选择策略
Part 23

智能体开发部署上线全流程实战

M109

服务器部署与运行维护

8 知识点
  • 云服务器、Ubuntu 与远程 SSH 连接
  • SSH 密钥、环境变量与应用运行用户
  • 安装运行环境并配置项目依赖
  • 使用 Uvicorn 启动后端服务
  • 通过 systemd 管理启动、重启与开机运行
  • 使用 Nginx 反向代理与域名访问
  • 配置 HTTPS 证书与自动续期
  • 检查健康接口、运行日志与日志轮转
M110

Agent 服务 API 设计

8 知识点
  • 从 Agent 输入输出设计 REST 接口
  • CRUD、对话、文件处理与长任务的接口差异
  • 使用 FastAPI、Pydantic 与 OpenAPI
  • 同步调用、异步调用与并发处理
  • SSE 流式输出与客户端事件消费
  • 任务轮询与 WebSocket 的选择
  • 文件上传、解析与结果下载
  • 鉴权、CORS、错误返回与接口调试
M111

API 服务应用实战

6 知识点
  • 构建文本分析服务的请求与响应模型
  • 接入大模型并组织结构化结果
  • 开发 LLM 流式输出接口
  • 处理流式中断、错误和结束事件
  • 从前端调用真实 API 并展示执行状态
  • 检查页面、接口与服务日志的一致性
M112

Docker 镜像与应用容器化

6 知识点
  • 镜像、容器、仓库与数据卷的关系
  • 编写 Dockerfile 与 .dockerignore
  • 构建缓存、依赖安装和镜像体积
  • 管理端口、环境变量和持久化目录
  • 处理 ARM 与 AMD64 架构差异
  • 使用 Buildx 构建并推送镜像
M113

Docker Compose 项目部署

6 知识点
  • 编排前端、后端与基础服务
  • 连接 Milvus、Etcd 和 MinIO
  • 配置服务依赖、健康检查和持久化卷
  • 挂载模型权重与接入 GPU 推理
  • 部署多模态图像检索应用
  • 在真实页面验证服务调用与检索结果
M114

Kubernetes 核心机制

8 知识点
  • Node、Pod 与容器运行的关系
  • API Server、Etcd、Scheduler 与 Controller
  • Kubelet、kube-proxy 与节点职责
  • 声明式配置与期望状态协调
  • Deployment、StatefulSet 与副本管理
  • Service、Ingress 与应用访问路径
  • ConfigMap、Secret 与配置管理
  • PVC 与有状态数据持久化
M115

k8s 与 Helm 部署实战

8 知识点
  • 搭建 k8s 集群并使用 kubectl 检查节点与服务状态
  • 使用 Helm 组织应用部署配置
  • 通过 K9s 查看资源与运行状态
  • 接入 NVIDIA 插件和 GPU 资源请求
  • 使用 Init Container 处理启动依赖
  • 将多服务检索项目部署到集群
  • 观察扩缩容、Pod 恢复和滚动更新
  • 验证应用入口、数据持久化与完整业务流程
Part 24

智能体追踪与运维实战

M116

智能体运行事件与链路

6 知识点
  • 模型调用、工具执行与 Agent 切换事件
  • Token 流、运行项与 Agent 更新流的差异
  • 把运行事件关联到一次用户任务
  • 区分正常输出、异常与 Guardrail 触发
  • 从调用轨迹定位失败环节
  • 记录必要输入、输出与工具执行结果
M117

AgentOps 追踪实践

6 知识点
  • 接入 AgentOps 并创建可追踪运行
  • 观察模型调用、工具与执行步骤
  • 检查任务耗时、调用次数与错误
  • 对照事件流理解 Agent 实际行为
  • 追踪安全边界与异常终止
  • 从问题样本回放和定位故障
M118

AgentScope 与 Studio 实战

6 知识点
  • AgentScope 的模型、消息与格式化组件
  • 构建 ReAct Agent 与工具能力
  • 使用 Studio 查看对话和运行轨迹
  • 组织多 Agent 消息与状态
  • 通过狼人杀案例观察角色协作过程
  • 结合代码和追踪结果解释一次完整运行
Part 25

AI 应用评测与交付验收实战

M119

AI 应用评测目标与维度

6 知识点
  • 区分回答质量、任务结果和业务价值
  • 任务完成、工具调用与执行轨迹评测
  • 证据、状态和多轮一致性检查
  • 安全边界、扰动与稳定性测试
  • 同时观察质量、延迟与使用成本
  • 把业务要求转成可执行验收条件
M120

LangSmith 数据集与实验

6 知识点
  • Dataset、Example、Experiment 的关系
  • 构建输入、参考结果与测试元数据
  • 编写规则评测器和模型评测器
  • 执行实验并分析单条失败样本
  • 比较模型、提示词与工具版本
  • 使用标注队列组织人工判断
M121

Agent 测试集构建实战

6 知识点
  • 计算器 Agent 的正确性与工具检查
  • 记账 Agent 的数据写入与结果一致性
  • 设计正常、多轮、异常和边界任务
  • 用扰动样本检查行为稳定性
  • 区分错误分类、复现步骤与修复策略
  • 建立覆盖核心业务路径的回归集
M122

调优与交付验收

6 知识点
  • 从失败证据判断模型、提示词或工具问题
  • 针对主要问题实施单项调整
  • 复跑相关样本并比较效果变化
  • 检查修复是否引入新的业务回归
  • 形成评测结果、限制说明与验收材料
  • 把运行反馈转为下一轮迭代任务
M123

Agent 评测体系参考:Paperclip

6 知识点
  • 区分 Runner 评测与产品端到端(Product E2E)评测的边界
  • 为两类评测编写用例并记录预期结果
  • 用 Skill 规范化评测用例的编写流程
  • 发布动态快照的评测看板,标注部分完成的评测活动
  • 记录测量日期,保证报告刷新后的结果可追溯
  • 将评测结果纳入上线前的回归检查清单
第 6 阶段 · STAGE 06

综合项目与持续迭代

在八个真实项目中综合运用业务分析、开发与交付能力。

阶段成果 项目源码、过程文档、评测与验收材料、可复用 Skills、个人 FDE 工作流。
06
8 个部分44 个模块270 个知识点Capstone Projects & Continuous Iteration
Part 26

多模型应用平台:LLM-AnythingChat

M124

多模型应用平台架构

6 知识点
  • LLM-AnythingChat 的用户场景与功能结构
  • React 前端与 FastAPI 后端的协作
  • 模型配置、用户、会话与消息的数据组织
  • 官方直连、网关、Ollama 与 vLLM 适配器
  • 在线模型和本地模型的统一接入思路
  • 启动项目并检查前后端实际连通
M125

在线模型 API 接入

6 知识点
  • Token、API Key 与服务商配置
  • 阅读官方文档确定地址、模型与参数
  • Chat Completions 的消息与响应结构
  • temperature、输出长度与生成控制
  • 流式响应、异常分类与错误处理
  • 多轮对话、上下文裁剪和摘要
M126

工具、多模态与异步任务

6 知识点
  • Function Calling 的参数、执行与结果回传
  • 图片 URL、Base64 与视觉输入
  • 多模态消息的前后端处理
  • 异步调用、批处理与任务状态
  • Celery、Redis 与后台任务协作
  • 在界面中展示流式结果和工具调用记录
M127

本地模型部署与平台整合

8 知识点
  • Hugging Face、ModelScope 与权重下载
  • Tokenizer、配置文件与 Safetensors 分片
  • 显存、KV Cache 与推理资源规划
  • Transformers 加载与基础推理
  • GGUF、AWQ、GPTQ 与量化部署思路
  • llama.cpp、Ollama 和 Modelfile
  • vLLM 的分页注意力、缓存与服务接口
  • 将本地推理服务接入统一模型平台
Part 27

Advanced RAG 五范式检索工作台

M128

五范式检索工作台架构

6 知识点
  • 统一管理文本、表格、PDF、图像和视频资料
  • 工作台、检索服务、索引与模型的分工
  • 运行诊断、环境配置与项目启动
  • 资料导入、索引建立与状态展示
  • 记录检索结果、来源与执行过程
  • 区分内置示例展示与新问题的实际执行
M129

文本检索策略比较

6 知识点
  • 在同一资料集上比较多种文本检索策略
  • 关键词、向量与混合召回的结果差异
  • 重排对相关片段顺序的影响
  • 显示问题、候选片段和最终证据
  • 比较不同策略的回答表现
  • 从失败问题反查切分和检索配置
M130

结构化数据可信分析

6 知识点
  • 接入大规模 CSV 并检查字段与数据规模
  • 把问题转换为可执行的数据操作
  • 计算指标、分组、筛选与统计结果
  • 保留数据来源与实际执行证据
  • 区分原始数据规模和返回结果规模
  • 在分析结论中呈现口径与依据
M131

图文 PDF 与图像检索

6 知识点
  • 解析 PDF 文字、表格和图片内容
  • 保留页码并回看答案对应的原始页面
  • 构建图文证据与多模态检索链路
  • 通过文本或图片查询图像资料
  • 融合图像向量、图片描述与关键词召回
  • 比较结果排序和证据相关性
M132

视频定位与 Retrieval Agent

6 知识点
  • 使用 FFmpeg 和 ffprobe 处理视频资料
  • 组织时间片、画面与描述信息
  • 从自然语言问题定位相关视频片段
  • 让 Retrieval Agent 选择适合的检索工具
  • 在连续会话中保留问题与检索上下文
  • 贯通真实执行、来源展示与结果验证
M133

AnythingChatRAG 亮点:图增强与双层检索

6 知识点
  • AnythingChatRAG 的实体与关系抽取,构建知识图谱索引
  • 局部(local)与全局(global)双层检索的适用场景
  • naive、hybrid 等检索模式与五范式检索结果的对照
  • 文档的增量插入、更新与删除后的索引维护
  • 通过知识图谱可视化检查检索证据与关系路径
  • 比较图增强检索与向量检索的回答质量与构建成本
Part 28

NL2SQL 数据分析可视化 Agent

M134

NL2SQL 系统架构与数据接入

6 知识点
  • 自然语言问数到表格、图表和解释的流程
  • 前端、Agent、工具与基础设施四层架构
  • 部署 LangChain Agent 和 FastAPI 服务
  • 接入 MySQL、内置 CSV 与导入 CSV
  • 组织 Schema、业务说明和 SQL 样例
  • 检查模型、Agent 与数据库服务状态
M135

领域知识与检索增强

6 知识点
  • 使用 Vanna 思路组织问数上下文
  • 为表结构、业务文档和历史 SQL 建立索引
  • 部署 Jina Embedding 服务
  • 配置 Milvus 集合、字段与向量索引
  • 执行批量向量化和训练资料管理
  • 通过语义检索选择当前问题所需的上下文
M136

SQLAgent 执行链路

6 知识点
  • 使用 create_agent 组织 ReAct 工具循环
  • 检索相关表结构并生成 SQL
  • 进行语法、执行范围与只读查询检查
  • 执行查询并根据错误调整方案
  • 限制返回数据并保留原始数据规模
  • 通过流式事件呈现分析步骤和工具结果
M137

经营分析与可视化工作台

6 知识点
  • 围绕经营数据生成指标和趋势
  • 展示品类贡献、履约状态与支付结构
  • 按城市等业务维度进行排序和比较
  • 组合图表、明细表与自然语言解释
  • 从分析结论回看 SQL 和执行结果
  • 用真实输入验证问数到展示的完整路径
Part 29

但问智学 · 知识工程台

M138

但问智学平台 项目定位与运行架构

6 知识点
  • 但问智学平台 的定位:面向终身个性化学习的代理原生学习工作台
  • 一套运行时承载 Chat、Quiz、Research、Visualize 与 Mastery Path 等学习模式
  • Python 服务端、Next.js 前端与 deeptutor CLI 的分工和通信方式
  • 使用 pip 安装、deeptutor init 初始化与 deeptutor start 启动服务
  • 区分运行目录(Runtime Home)、内容工作区与用户私有数据目录
  • 在 Settings → Providers 中配置模型供应商并核对启动状态
M139

多引擎知识库与文档解析

6 知识点
  • 知识库的版本化索引与重新构建流程
  • LlamaIndex、PageIndex 与 GraphRAG 等知识引擎的选择依据
  • 文档解析引擎(MinerU、PyMuPDF4LLM 等)对表格与图片的处理差异
  • 连接内容工作区、Obsidian 库与 Kiwix 离线资料
  • 检索结果的来源引用与页面级定位
  • 在同一资料集上比较不同引擎的召回与回答表现
M140

学习模式与掌握度闭环

6 知识点
  • Chat、Ask Questions、Solve 与 Research 的任务边界
  • Quiz 生成、题库练习与错题本的组织方式
  • Course Study 与 Guided Learning 的课程学习路径
  • Mastery Path 的掌握度检查与逐级进阶机制
  • 沉浸式阅读:文档与对话并排,按页引用原文
  • Audio Overview 与 Visualize 的生成、检查与导出
M141

分层记忆与个性化上下文

6 知识点
  • L1 痕迹、L2 摘要与 L3 综合的三层记忆结构
  • Memory Graph 中 L2 事实与 L1 证据的关联关系
  • 记忆的可见性、可编辑性与学习数据的隐私边界
  • Task Board 中学习任务的跟踪、归档与恢复
  • 个人资料、笔记与知识库在多个工作流中的复用
  • 评估个性化推荐与记忆召回的质量与副作用
M142

扩展能力:Skills、MCP 与 Agent Harness

6 知识点
  • 内置工具、MCP 服务与 CLI Apps 的扩展方式
  • 通过 deeptutor skill install 安装社区 Skill 并完成安全检查
  • 在对话中咨询 Claude Code、Codex 等本地 Agent harness
  • Partners 的 IM 通道接入与多用户隔离
  • 图像、视频与语音生成模型的能力配置
  • 为学习场景编写一个最小 Skill 并验证触发效果
M143

源码阅读与定制开发

6 知识点
  • 仓库结构:deeptutor、deeptutor_cli、deeptutor_web 与 packaging
  • 从 CLI 入口与 API 路由追踪一次请求的执行链路
  • 插件机制:能力、工具与 loop 插件的注册与生命周期
  • 运行 Python 与 Node 测试,理解发布前的质量门禁
  • 基于 Docker 或 rootless Podman 完成容器化部署
  • 阅读 release 说明与变更记录,跟踪版本演进
Part 30

Hermes Agent 个人办公助手

M144

Hermes Agent 原理与本地运行

6 知识点
  • Hermes Agent 的 Agent、Gateway 与交互入口
  • 安装源码、配置模型并启动 TUI 或控制台
  • Agent Loop 的思考、工具与观察循环
  • 工具执行流水线与事件流
  • 插件、能力与工具注册的关系
  • 终端执行、授权和 Docker 沙箱边界
M145

上下文、多 Agent 与记忆机制

6 知识点
  • 查看一次请求中的真实模型上下文
  • Context Engine 与压缩触发机制
  • Steering 消息与任务中途引导
  • 子 Agent 的隔离、协作与文件共享
  • 记忆写入、Flush 与混合检索
  • Dream 整理与长期知识维护
M146

Hermes Agent 应用架构

6 知识点
  • Next.js、FastAPI 与 LangChain / LangGraph
  • SSE 事件流与前端执行过程展示
  • 实现文件、终端等基础工具能力
  • 通过 Spawn 委派子任务并收集结果
  • 会话持久化与任务状态管理
  • 检查工具执行、页面反馈与结果一致性
M147

Skills 与个性化工作区

6 知识点
  • 扫描 Skills 并加载触发说明与指令
  • SOUL、IDENTITY、USER、AGENTS 与 MEMORY
  • 组合系统规则、角色与用户上下文
  • 开发定制 Skill 完成文件和信息处理
  • 通过 Canvas、A2UI 呈现任务结果
  • 把重复任务沉淀为可复用能力
M148

记忆与上下文工程整合

6 知识点
  • 为记忆建立索引和混合检索
  • 组织上下文裁剪、压缩与容量保护
  • 在多轮任务中保存关键状态
  • 验证跨会话记忆的写入和召回
  • 处理工具失败、任务中断与继续执行
  • 完成个人办公助手的端到端运行练习
Part 31

但问数智 · 数据分析智能体

M149

但问数智:架构与项目启动

6 知识点
  • 数据分析智能体的业务目标与交互入口
  • Hermes Agent、分析服务与确定性 Core
  • 使用 Compose 启动项目服务
  • 配置模型、业务数据与基础环境
  • 理解分析工作台和管理工作台的分工
  • 检查业务问题到执行证据的完整链路
M150

业务指标与可信计算

6 知识点
  • 业务领域、指标和维度注册表
  • 净收入、销售额与退款的口径差异
  • 分别聚合销售与退款数据
  • 处理统计窗口和跨期退款
  • 核对 SQL 来源、计算过程与结果
  • 将分析结果连接到可追溯的证据
M151

从意图到冻结执行

6 知识点
  • Intent、Clarify、Compile 与 Freeze
  • 明确时间、指标、范围和对比方式
  • 对歧义进行追问并形成完整任务
  • 冻结执行口径后再进入 Execute
  • 产生 Evidence 并展示查询结果
  • 在多轮追问中区分延续任务与重新建模
M152

受控 SQL 与能力管理

6 知识点
  • 组织 SQL 草稿、校验与受控执行
  • 为不同角色限定工具和数据操作范围
  • 用变更提案管理规则与新能力
  • 预览、确认和执行的步骤划分
  • Dry Run、版本变化与确认失效处理
  • 通过证据记录检查新增能力是否可用
M153

分析评审与报告生成

6 知识点
  • Advocate 与 Skeptic 的独立分析视角
  • 隔离角色工具、过程和执行上下文
  • 通过 Judge 汇总分歧和证据
  • 限制分析轮次并保留未解决问题
  • 生成归因分析与可核查的报告
  • 由业务人员审阅结论并决定后续行动
Part 32

企业 AI 客服中台

M154

企业客服中台需求与场景

6 知识点
  • 梳理客户、坐席、审核员和管理员角色
  • 以保险服务为例拆解咨询与材料处理任务
  • 定义咨询受理、知识问答和业务办理边界
  • 整理业务系统、知识文档与工具接口
  • 确定 MVP、人工处理入口与验收指标
  • 设计会话、客户、工单和处理状态
M155

知识与工具接入

6 知识点
  • 组织产品条款、办理规则与常见问题
  • 为文档保留版本、来源和适用条件
  • 解析用户提交的表格、图片与材料
  • 通过 RAG 返回有证据的业务说明
  • 把保单查询、工单查询等能力封装为工具
  • 控制身份校验、数据访问与敏感信息展示
M156

LangGraph 客服流程编排

6 知识点
  • 通过意图识别进入不同业务处理路径
  • 定义受理、补充信息、处理和审核状态
  • 用条件路由分配自动处理与人工处理
  • 保存会话状态与处理中断点
  • 支持多轮补充材料和恢复执行
  • 处理工具异常、超时和无法回答的问题
M157

Deep Agents 复杂任务处理

6 知识点
  • 拆解材料整理、条款比对和信息核查任务
  • 为子 Agent 分配资料与处理职责
  • 把长材料和中间结果保存到工作区
  • 汇总缺失信息、证据和需要核实的问题
  • 将关键判断交给人工审核
  • 在坐席界面展示过程和处理依据
M158

管理、评测与上线交付

6 知识点
  • 设计角色权限、操作记录和审核日志
  • 配置知识更新与客服流程版本
  • 构建咨询、异常、转人工等场景测试集
  • 评估解决率、准确性、时延与人工介入
  • 完成接口联调、部署和运行追踪
  • 交付客服中台、操作说明与验收记录
Part 33

FDE 综合毕业项目:企业客户服务与订单处理

M159

项目调研与业务问题定义

6 知识点
  • 确定企业客户服务与订单处理的真实用户
  • 访谈客服、订单运营和管理者的工作诉求
  • 梳理咨询、查询、异常处理与结果回写流程
  • 收集业务样本、现有系统和接口约束
  • 调研可复用产品、开源组件与技术方案
  • 明确业务目标、当前基线和待验证假设
M160

PRD 与 MVP 范围设计

7 知识点
  • 定义客户、客服、审核员与管理员角色
  • 编写典型用户故事和业务成功条件
  • 确定咨询、订单查询与异常工单的 MVP
  • 明确订单修改、退款等动作的审核边界
  • 设计正常、失败、拒绝和转人工场景
  • 区分本期范围、非目标和后续扩展
  • 形成 PRD、业务流程与验收标准
M161

架构选型与数据模型

7 知识点
  • 规划前端、后端、Agent 和外部系统边界
  • 选择模型、知识检索与工作流实现方式
  • 设计客户、订单、商品、工单和操作记录
  • 定义订单状态、工单状态与迁移约束
  • 明确查询、审批、执行和回写接口合同
  • 设计身份、权限、数据隔离与审计需求
  • 记录技术取舍、依赖与失败恢复方案
M162

UI 与关键交互设计

6 知识点
  • 规划客户入口、坐席台和管理后台
  • 设计会话、订单信息与工单协同界面
  • 展示检索来源、任务进度和处理结果
  • 设计待审核、执行中、失败与完成状态
  • 用交互原型验证核心服务流程
  • 沉淀页面规范、组件与设计说明
M163

规格拆分与开发准备

6 知识点
  • 将 PRD 按功能依赖拆成实施顺序
  • 用 Spec Kit 或 OpenSpec 形成具体规格
  • 补齐场景、数据模型、接口与验收条件
  • 编写项目原则、AGENTS.md 与协作规则
  • 拆分前后端、知识库和工作流任务
  • 建立分支、运行基线和进度记录
M164

知识问答与订单服务开发

6 知识点
  • 导入服务规则、产品资料和订单说明
  • 构建检索、引用和无法回答的处理逻辑
  • 实现身份核验、订单与物流查询工具
  • 编排意图识别、信息补齐和任务路由
  • 处理订单异常并创建或更新工单
  • 通过流式事件连接 Agent 和坐席界面
M165

人工审核与业务闭环

6 知识点
  • 把退款、补发等敏感动作提交审核
  • 支持审核通过、修改、驳回和转交
  • 保存审核状态并恢复后续工作流
  • 为外部写操作设置幂等与重复执行保护
  • 核对实际执行结果并回写业务系统
  • 向客户反馈处理结果并保留完整记录
M166

分层测试与真实链路联调

7 知识点
  • 单元测试验证状态、规则与工具逻辑
  • 组件测试验证真实数据库和接口合同
  • 前后端联调验证流式事件与错误处理
  • 端到端测试覆盖咨询到结果回写
  • 测试超时、中断、重复请求和权限边界
  • 检查页面布局、响应式与关键交互
  • 通过日志和状态证据定位真实失败原因
M167

部署、验收与持续迭代

7 知识点
  • 配置生产环境、数据库迁移与容器部署
  • 设置健康检查、日志追踪与故障恢复
  • 编写业务评测集并运行交付回归
  • 核对回答证据、工具结果与订单状态
  • 组织用户验收并记录问题与限制
  • 交付源码、部署说明、评测和验收材料
  • 从运行反馈沉淀 Skills 与下一轮迭代任务
07

项目成果对照

Capstone · 项目成果与能力对应关系

编号项目能力重点类型
P01LLM-AnythingChat多模型接入、流式对话、工具调用与异步推理综合项目 · 模型应用
P02Advanced RAG 五范式检索工作台混合检索、多模态 RAG 与 Agentic RAG综合项目 · 知识检索
P03NL2SQL 数据分析可视化 AgentSchema 检索、工具编排、自然语言问数与图表综合项目 · 数据分析
P04但问智学 · 知识工程台但问智能自研个性化学习工作台:多引擎知识库、学习模式闭环与分层记忆综合项目 · 知识工程
P05Hermes Agent 个人办公助手工具执行、Agent Skills、记忆检索与浏览器/文件自动化综合项目 · 办公智能体
P06但问数智 · 数据分析智能体Hermes Agent、多轮数据分析与可审计 SQL旗舰项目 · 数据分析智能体
P07企业 AI 客服中台LangGraph 流程编排、Deep Agents 与人工审核旗舰项目 · 企业客服
P08FDE 综合毕业项目:企业客户服务与订单处理从业务调研到上线验收,跑通 FDE 交付全流程毕业项目 · 全流程交付
08

学习与交付要求

Delivery Standard · 学习节奏与交付标准

学习方式

每个模块遵循「讲解 → 动手实践 → 项目交付」,知识点与项目任务一一对应。

交付物标准

项目源码、过程文档、评测与验收材料、可复用 Skills 四类成果齐备。

能力沉淀

完成的 Skills 与项目经验归入个人 FDE 工作流,支撑后续复用与迭代。

高校合作 · 个人报名 · 企业定制

扫码咨询课程安排与合作方案,快人一步

立即咨询 →