8 节课，从 print("hello") 写到完整的 AI Agent 项目。每节课的代码都可以独立运行，后一节课在前一节课的基础上增量构建。
最终产出： 一个基于 LangGraph 的多 Agent 电商客服系统，含 Chroma 向量数据库、Function Calling、多轮对话、可插拔数据源。
| 课 | 主题 | 核心内容 | 代码行数 |
|---|---|---|---|
| 1 | 基本 LLM 对话 | API 调用封装、配置管理 | 30 行 |
| 2 | 意图分类 | System Prompt、JSON mode、路由 | 80 行 |
| 3 | RAG 向量检索 | Chroma 向量数据库、语义检索 | 150 行 |
| 4 | Function Calling | 工具定义、执行、结果回传 | 250 行 |
| 5 | LangGraph 多 Agent | 状态图、条件路由、节点拆分 | 400 行 |
| 6 | 会话管理 | 多轮对话、滑动窗口 | 500 行 |
| 7 | 可插拔数据源 | 抽象接口、工厂模式 | 600 行 |
| 8 | 工程化与部署 | 错误处理、日志、测试、API | 800 行 |
cd ai-agent-course
pip install -r requirements.txt
cp .env.example .env
# 编辑 .env 填入你的 LLM_API_KEY
cd 01-basic-chat
python chat.py
.env 在所有课程间共用（存在根目录）此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。