从第一个loop到生产环境，构建真实的AI Agents
AI agents是使用large language models进行推理、调用工具和执行多步骤操作的程序——处理静态代码无法完成的任务。本课程轨道涵盖从LLM agent loop如何实际运作到在生产环境中部署可靠、可观测的agents的所有内容。课程设置包括60门课程，分为六个等级（A1至C2），基于从业者今天使用的工具：LangChain、LangGraph、LlamaIndex、vector databases和主要LLM提供商公开的function-calling APIs。
您将学到什么
您将从LLM APIs和agents prompt engineering的基础知识开始，然后学习使agents真正发挥作用的tool-use和function-calling模式。核心技能包括构建retrieval-augmented generation (RAG) pipelines和vector database集成、创建email、calendar、Slack、GitHub和web-scraping agents、设计conversational memory和structured output parsing、编写agent tests和调试agent loops，以及在multi-tool agents中应用ReAct模式。在高级阶段，您将处理multi-agent orchestration、long-horizon planning、computer-use和browser agents、code-generating agents、sandboxing和secure code execution，以及具有审计跟踪的agent governance。
学习路径
路径从A1的Intro to LLM Agents开始，经过A2基础阶段——prompt engineering、LLM APIs实践、文件系统操作和conversational memory。B1阶段拓展工具集，包括API integration、RAG基础、vector databases、observability、LangChain基础和针对文档、数据分析和workflow automation的domain-specific agents。B2阶段通过LangGraph实现stateful agents、LlamaIndex、ReAct模式、memory architectures、异步和event-driven设计、agent safety和guardrails以及成本和延迟优化来深化知识。C1层级覆盖高级RAG技术、multi-agent orchestration、生产环境部署、为agentic tasks微调模型和multimodal pipelines。课程轨道在C2阶段以Self-Improving Agent Systems和The Road to Autonomous Systems结束。
工作原理
每门课程被分解为短的、专注的课时，您在内置代码编辑器中学习，并获得实时反馈。当您遇到困难时，AI tutor随时可用，每个练习都基于可运行的代码，因此概念保持具体而非理论性。