课程简介
AI 大模型的爆发式突破，正推动软件形态从传统应用、智能交互向具备自主决策、推理、规划与协作能力的AI Agent 智能体全面演进。企业级 AI 落地已不再满足于简单 Prompt 调用与单一场景交互，而是迫切需要可工程化、可规模化、可稳定运行的多智能体系统。然而，当前行业普遍面临 Agent 架构不清晰、记忆与推理机制薄弱、多智能体协同混乱、工程化落地能力不足、协议与标准不统一、生产级框架难以掌握等痛点。从 ReAct、LangGraph、CrewAI 到 Agentic Engineering、Harness 工程、MCP/A2A 协议、OpenClaw、Claude Code、Manus，新一代 Agent 技术栈快速成熟，企业急需体系化掌握其中原理、架构、模式、协议与实战。
本课程以企业级落地为目标，从原理、框架、模式、工程、协议、产品六大维度，构建最完整、最前沿、最工程化的 Agent 开发体系。课程深度覆盖：Agent 智能体核心原理、记忆 / 规划 / 工具 / 推理 / 决策五大能力、ReAct 框架；主流开发框架 LangGraph 与 CrewAI 全实战；Agent 架构模式、上下文工程、记忆系统、设计模式、多模态 Agent；Agentic AI 与 Harness 工程新范式；MCP/A2A 智能体协议、Agent Skills 标准与企业级实践；OpenClaw、Claude Code、Manus 等前沿产品深度拆解与源码分析，帮助企业全面培养可直接上岗的 AI Agent 开发与架构能力。
课程收益
1、帮助学员体系化掌握 AI Agent 全栈知识。从大模型驱动的智能体原理、记忆 / 推理 / 规划 / 工具机制，到 ReAct、上下文工程、设计模式、多模态 Agent，形成完整理论与架构体系，建立专业级认知。
2、帮助学员精通主流框架与前沿工程范式。熟练掌握 LangGraph、CrewAI 开发全流程，掌握 Agentic AI 五大设计模式、Harness 工程六组件框架，具备多智能体编排、持久化记忆、流式输出、人机交互等高阶能力。
3、帮助学员具备企业级 Agent 落地与产品架构能力。掌握 MCP/A2A 协议、Agent Skills 标准、OpenClaw 自动化网关、Claude Coding Agent、Manus 智能体，可独立设计、开发、部署生产级 AI Agent 系统，胜任智能客服、代码助手、业务自动化、多 Agent 协作平台等真实场景。
受众人群
各类软件企业和研发中心的程序员、软件设计师、架构师, 项目经理，业务架构师，公司管理者。
本课程面向零基础LLM应用开发者，不需要了解复杂数学算法，机器学习原理。建议具备基础的Python知识，但即使你对 Python 不太熟悉，也完全没有关系
课程周期
2天（12H）
课程大纲
标题 | 授课内容 |
一、企业级 AI Agent智能体原理 | 一、大模型驱动的Agent智能体概述 1.智能体的定义与特点 2.智能体与传统软件的关系 3.智能体与LLM的关系 4.从大模型到智能体 5.智能体的五种能力 6.记忆，规划，工具，自主决策，推理 7.多智能体协作 8.企业级智能体应用与任务规划 9.智能体开发 二、基于大模型的Agent技术框架 1.Agent的四大要素 2.Agent的规划和决策能力 3.Agent的各种记忆机制 4.Agent的核心技能：调用工具 5.Agent的推理引擎：ReAct框架 6.何谓ReAct 7.用ReAct框架实现简单Agent 8.基于ReAct框架的提示 9.构建ReAct Agent |
二、基于LangGrapg和CrewAI构建多Agent智能体 | 一、基于LangChain中框架实现Agent 1.ReAct框架 2.LangChain中ReAct Agent 的实现 3.LangChain中的工具和工具包 4.深挖AgentExecutor的运行机制 5.在AgentExecutor中设置断点 6.思考：模型决定搜索 7.行动：工具执行搜索 8.思考：模型决定计算 9.行动：工具执行计算 10.思考：模型完成任务 二、多Agent 最佳实践—langGraph框架 1.为什么选择多智能体架构？ 2.常见的多智能体架构 3.LangGraph架构和应用 4.LangGraph 核心组件：节点与可控制性 5.节点与可控制性-第一个LangGraph 6.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 7.节点与可控制性-精细控制：图的运行时配置&map-reduce 8. LangGraph 核心组件：持久化与记忆 9.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 10. LangGraph 核心组件：人机交互) 11. LangGraph 核心组件：时光旅行 12. LangGraph 核心组件：流式输出 13. LangGraph 核心组件：工具调用 14.基于LangGraph 构建代码助手 15.基于LangGraph 的提示词生成小助手 三、LangGraph应用开发模板 1.LangGraph模板简介 2.模板中常见的目录结构和编码风格 3.使用LangGraph模板 4.新项目模板 5.ReAct智能体模板 6.充实数据智能体模板 7.记忆智能体模板 8.RAG模板 9.RAG研究智能体模板 四、LangGraph应用案例分析 1.案例1-开放画布 2.主要功能和架构概览 3.控制流与智能体工作流模式 4.核心代码结构及其实现 5.案例2-报告大师 6.主体功能和架构概览 7.工作流 8.核心代码结构及其实现 9.案例3-AgentInbox 10.功能和架构概览 11.控制流与环境智能体架构 12.核心代码结构及其实现 五、CrewAI: 一款主流的多Agents开发框架 1.CrewAI架构和原理 2.CrewAI安装与第一个示例 3.CrewAI 核心组件讲解 4.CrewAI 核心组件：Agents 5.CrewAI 核心组件：Task 6.CrewAI 核心组件：Crew & flow 7.CrewAI 核心组件：知识库 & 记忆 8.基于CrewAI 的游戏开发助手最近学习 9.基于CrewAI 的营销策略大师 |
三、Agent智能体模式和核心模块 | 一、AI智能体系统的架构设计与模式应用 1.常见工作流 2.工作流的基础构建模块：增强型LLM 3.提示链/路由/并行化 4.协调器——工作者 5.评估器——优化器 6.多智能体架构 7.主管架构/分层架构/网络架构 8.情境感知智能体架构 9.架构模式 10.人机环路交互设计 11.实现情境感知智能体架构 二、上下文工程基础理论 1.上下文工程概述 2.上下文的定义、类型与作用 3.上下文工程在企业级AI原生应用中的重要性 4.上下文工程的发展趋势与挑战 5.上下文工程设计原则与方法 6.上下文表示方法（向量表示、知识图谱表示等） 7.上下文管理策略（上下文存储、更新、共享等） 8.上下文工程设计的关键步骤与流程 9.基于大模型的上下文工程实践 10.大模型对上下文的理解与处理能力 11.使用大模型进行上下文生成、优化与推理 12.案例分析：基于大模型的客服上下文工程设计 三、AI 智能体的记忆系统 1.短期记忆与长期记忆 2.短期记忆：维持对话的连贯性 3.长期记忆：实现跨会话 4.记忆存储 5.记忆存储的基本操作 6.通过语义搜索增强记忆检索 7.构建自定义记忆存储 8.记忆系统的实际应用 9.TrustCall：信息提取和记忆更新 10.LangMem 的核心组件 11.LangMem 应用实例 12.LangMem 关键函数解析 13.记忆系统设计的重要考量 四、智能体设计模式 1.围绕六大主轴感知、记忆、推理、行动、反思 2.智能体感知模式 3.智能体行动模式 4.智能体记忆模式 5.智能体反思模式 6.智能体推理模式 7.智能体协作模式 五、基于多模态构建Agent 1.多模态技术原理讲解 2.常用的多模态模型介绍、原理解析 3.多模态典型应用场景举例，以及技术实现 4.多模态技术实战 5.多模态需求输入：图像、语音、文本 6.语音输入集成模块 7.图像输入集成模块 8.核心需求理解与多轮输入整合模块 9.语音输入处理 10.利用多模态技术实现多模态智能聊天对话 11.基于多模态大模型的Agent开发 |
四、Agentic AI Agent和Harness 工程 | 一、Agentic AI设计方法论的演进 1.Prompt → Work（Chat）Flow → Agentic Engineering 2.Prompt Engineering的局限性 3.Work（Chat）Flow Engineering的核心思想 4.Agentic Engineering的新范式 二、Agentic AI五大核心设计模式精讲 1.Agentic AI五大核心设计模式精讲 2.ReAct（Reasoning + Acting）——最基础、最通用的模式 3.Plan-and-Execute（规划与执行分离） 4.Reflection（反思模式）——自我纠错与优化 5.Multi-Agent Orchestration（多智能体编排） 6.Tool Use / MCP（工具使用与模型上下文协议） 7.Agentic AI设计模式选择决策框架 8.企业级Agentic AI架构设计方法论 三、Agentic AI 从上下文工程到Harness工程 1.提示词工程 2.上下文工程 3.Context Engineering的核心定义 4.Agentic Context Engineering框架 5.Harness工程核心概念 6.核心理念：Agent = Model（大脑）* Harness（驾驭系统） 7.Harness工程六组件框架（H = (E, T, C, S, L, V)） 8.Harness工程 9.与OpenClaw/Hermes的映射关系 四、Agent实战--企业专属领域的智能客服 1.打造专属领域的客服聊天机器人 2.客服聊天机器人概述 3.客服聊天机器人价值简介 4.客服聊天机器人研发工具 5.AI课程客服聊天机器人总体架构 6.前端功能设计 7.后端功能设计 8.AI课程客服聊天机器人应用实例 |
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
Mace Liu
百林哲咨询（北京）有限公司专家团队成员
京ICP备2022035414号-1
