极客时间 – AI工程化项目实战营|资料齐全

【资源介绍】

作者：颜资源站长 · 发布：2026-05-13 · 更新：2026-07-02

这是一套面向 AI 工程化与智能 Agent 开发的系统课程，内容覆盖从大语言模型基础、Prompt 工程、RAG 知识增强、多 Agent 协作，到模型部署、性能优化以及企业级 AI 平台实战的完整技术链路。课程整体以“工程落地”为核心，不仅讲解理论，更强调真实业务场景中的系统设计与项目实践，适合希望从 AI 应用开发进阶到企业级 AI 系统架构的开发者、算法工程师、后端工程师以及 AI 产品技术负责人学习。

课程采用“模块化 + 项目驱动”的方式组织内容。开篇部分围绕 AI 工程化体系展开，通过 LangChain、LlamaIndex 等主流框架，帮助学习者建立对大模型应用架构的整体认知。在第一阶段中，课程重点讲解 Prompt 工程、多任务问答助手、函数调用机制以及知识增强系统的构建方式，帮助学习者理解 AI Agent 的基本运行逻辑，并掌握如何让大模型具备工具调用与任务协同能力。

随后，课程进一步深入深度学习与 NLP 基础，包括 Transformer 架构、高效微调、LoRA 轻量化训练、模型评估与压缩部署等核心技术内容。学习者不仅能够理解大模型底层原理，还能掌握垂直领域模型微调的方法，为后续企业场景中的 AI 定制化应用打下基础。

在数据工程与知识增强部分，课程系统讲解了当前热门的 RAG（检索增强生成）技术体系，包括向量数据库、FAISS、Milvus、本地知识库方案 QAnything，以及如何利用 LlamaIndex 搭建高质量知识问答系统。同时，课程还深入分析提升 RAG 效果的方法，例如召回优化、上下文重排序、Chunk 切分策略以及知识库治理机制，使学习者真正具备企业级知识系统建设能力。

智能客服系统架构设计是整套课程的重要核心模块。课程通过多个实战案例，讲解如何设计意图识别流水线、上下文记忆管理、多轮对话流程控制，以及如何让 Agent “会行动”。学习者将接触 LangGraph、多轮状态机设计、工具调用引擎等关键技术，并逐步构建一个具备复杂交互能力的 AI 客服系统。

多 Agent 协作与通信机制部分，则进一步扩展到智能体系统设计。课程详细介绍 MCP、A2A 等智能体协议，以及多智能体协作框架的设计理念。通过实际案例，学习者可以理解不同 Agent 如何分工、通信、共享上下文以及协同完成复杂任务。这部分内容对于构建企业级 AI 自动化系统、智能工作流平台具有非常高的实践价值。

除了 Agent 系统本身，课程还覆盖 DSL 语言设计、NL2SQL、安全治理等高级能力，帮助学习者理解 AI 系统如何从“对话能力”扩展到“执行能力”。同时，课程也强调数据安全、AI 合规以及企业级治理体系的重要性，体现了非常强的工程化思维。

【交付与反馈】

付款或会员解锁后查看网盘入口。发现链接或内容问题，请通过站内反馈提交资源名称。