📢 更新说明：教程持续迭代中，为 2026 年最新版 AI 智能体 笔记与教程，预计 5 月第一版更新完毕，完成「从入门到企业级」闭环。当前已完成并更新概念篇内容，并已于2026年05月03日完成实战项目 电商问数更新。下一个项目 Deep Agents 多智能体，近期将完成更新。你可以点击更新日志，了解最新仓库动态。若对你有帮助，欢迎 Star ⭐~

「电商问数」实战项目源码仓库：https://github.com/didilili/shopkeeper-agent

---

✨ 教程亮点

• 🧭 系统性学习路径，一条线拉通：从大模型与提示词，到低代码（Coze/Dify）与代码框架（LangChain/LangGraph），再到企业级 RAG/Agent、微调与工程规范——按知识体系统一编排，完整链路闭环，适合系统吃透而不是碎片化收藏。
• 🐍 聚焦 Python 生态，拒绝 Java 绕路：很多智能体课程会围绕 Spring AI、langchain4j 展开，更偏 Java 技术栈；而这套教程主线只讲 Python，重点就是 LangChain / LangGraph 这条路线，是真正意义上的大模型智能体速成入门。
• 📘 通俗易懂，真正适合零基础入门：整套教程按由浅入深的方式编排，先讲清大模型、提示词、Agent、RAG、MCP 等核心概念，再逐步进入框架与项目实战，尽量少讲新手难懂的“黑话”，更适合第一次系统学习大模型智能体开发的人。
• 💼 企业级实战，对标「能干活」：以商户运营管家、掌柜智库、电商小二、电商问数、市场罗盘等为主线，串起意图解析、多源知识、转人工、复盘与监控；把 多路召回、评测、观测、成本、护栏 放进真实语境里练。写简历、讲项目有抓手、不空泛。
• ✅ 每个案例都以“能跑起来”为标准：不只是讲概念或贴伪代码，而是尽量提供可运行案例、源码、环境说明和常见问题排查。案例内容均按人工实际跑通的思路整理，帮助你少踩坑、尽快上手。
• 📚 教程源码面试，三位一体能跑通：不止「看完」，还能「跑通」更能「答出来」——可运行案例与源码、提示词模板与部署思路，拒绝「只讲概念」。面试题库按培训班与 JD 常见能力域拆题，其中有相当一部分题目整理自大厂真实面试题、公开面经与高频追问场景，适合转岗/应届集中复盘。
• 🚀 面向 2026，开源且硬核：栈与问法随生态迭代，对齐「AI 应用开发工程师」万元级培训课表维度；同类课侧重「教什么」，本仓库额外把高频面试怎么答摊开给你。若有用，Star 即打赏 ⭐。

---

🛠 技术栈概览

类别	技术/平台	说明
大模型与基础	LLM、Transformer、MoE、自注意力	LLaMA/Qwen/GPT、多模态、预训练/微调/推理
提示与编排	提示词工程、Chain of Thought、Few-shot	多轮对话、记忆管理、Agent 与工具调用
低代码平台	Coze（扣子）、Dify	工作流、Agent、知识库、插件、Python 调用
开发框架	LangChain、LangGraph	Model I/O、Chains、Memory、Agents（ReAct）、Retrieval、图状工作流
协议与通信	MCP（Model Context Protocol）、A2A	Function Calling、服务解耦、跨 Agent 通信
RAG 与检索	向量数据库、稀疏检索、Neo4j、HyDE、BGE-Rerank	多路召回、知识图谱、RAGAS 评估
文档与多模态	MinerU、OCR	图文混排 PDF 解析、设备手册与售后指南
部署与运维	Docker、Ollama、Xinference、vLLM	腾讯云/阿里云、AutoDL、Coze 本地部署
微调与训练	PEFT、LoRA、QLoRA、DeepSpeed、Llama-Factory	Alpaca/ShareGPT 数据格式、Safetensors/ONNX
编程与工具	Python；Trae AI、Qoder（辅助 IDE）	主语言为 Python；Trae / Qoder 为教程中涉及的 AI 编程辅助工具，多模型 API、MCP 接入与调试
求职与面试	面试题库	按岗位能力域组织 问法 + 答法；对齐同类线上培训结业能力与 JD 高频考点

---

🎯 你学完能收获什么？

• 可上线的项目能力，能独立交付 AI Agent 应用（从环境到部署），从「只会调 API」进阶到能落地的工程实践。
• 体系化的架构表达，能讲清楚 RAG、Agent、MCP 等设计与取舍，面试与简历里经得起追问。
• 面试与 JD 对齐，独立 面试题库，与正文题号互链，按岗位能力域组织问法与答法，适合应届与转岗梳理口径。
• 工程化与简历素材，企业向案例与多路召回、观测、成本等表述，项目可演示、可写进简历。
• 可检索的知识地图，成体系目录 + 案例源码，与常见「智能体 / 应用开发」课表维度对齐，便于对照补缺，少踩「只看过文章没跑过」的坑。
• 明确的岗位对标，可胜任 AI 应用开发工程师、AI Agent 工程师、AI 自动化流程开发及 AI 产品技术负责人等方向；尤其适合前端 / 后端 / 产品等背景转型 AI 与智能体开发。

---

📚 教程大纲（节选）

完整导航见 教程目录大纲 与 在线文档。

01 大模型基础能力构建

章节名称	内容概要
大模型（LLM）认识与环境准备	起源与发展、AGI 关系、主流模型特点与适用场景、预训练/微调/推理
大模型架构原理	Transformer、MoE、自注意力、LLaMA/Qwen/GPT、多模态
大模型调度平台	Ollama、私有大模型调用、云端/本地部署（AWS、阿里云等）
提示词工程	核心原则与结构、链式思维与 Few-shot、多轮对话与记忆、在 Agent 与工具调用中的应用

02 企业低代码平台开发与项目实战

章节名称	内容概要
Coze（扣子）平台	界面与功能、插件/知识库/工作流/智能体、Python 调用工作流
项目 1：商户运营管家	行业调研 PPT、爆款视频复刻、营销海报、卖点提炼、评论分析
Dify AI 平台	工作流/Agent/知识库、多案例（投诉分类、调研报告、客服分析、评论分析）、Python 调用
容器化技术	Docker 核心概念、安装与常用命令
企业级大模型部署	腾讯云/阿里云、Docker、Dify、AutoDL、Ollama、Xinference、Coze 本地部署
AI 代码编程工具 - Trae AI	安装使用、多模型 API、MCP 接入
AI 代码编程工具 - Qoder	使用与调试、项目开发

03 大模型核心开发框架

章节名称	内容概要
LangChain 框架原理与应用	Model I/O、Chains、Memory、Agents（ReAct）、Retrieval、电商商家对话助手案例
LangGraph 框架原理与应用	图状思维、State/Node/Edge、持久化记忆、流式输出
MCP 从原理到实战	与 Function Calling 对比、通信机制、工作流程、Server 部署与自定义开发
跨 Agent 通信：A2A 协议	与 MCP 关系、消息与认证、典型场景

04 企业级 RAG / Agent 项目实战

章节名称	内容概要
掌柜智库	LangGraph RAG 工作流、MinerU/OCR、向量+稀疏+Neo4j 多路召回、HyDE/BGE-Rerank、RAGAS 评估
电商小二	意图解析、多源知识库、流式回复、转人工机制、对话复盘、多渠道与监控
电商问数	围绕自然语言问数，完整串起 MySQL 数仓、元数据知识库、Qdrant 向量检索、Elasticsearch 字段值检索、LangGraph 工作流、SQL 生成校验执行、FastAPI SSE 和前后端联调
市场罗盘	场景化任务拆解、从 0 到 1 设计与开发、阶段目标与进度管控、代码评审与成果展示

已完成实战项目推荐： 如果你想找一个最适合入门进阶的项目实战课程，可以优先学习 电商问数。它不是简单的 SQL 生成 Demo，而是把 MySQL、LangGraph、Qdrant、Elasticsearch、FastAPI 等知识点放进同一条可运行的智能问数链路里；每个关键章节都有对应代码分支，适合一边看文档、一边切分支对照源码学习。

05 大模型微调实践

章节名称	内容概要
大模型微调核心	数据与格式（Alpaca、ShareGPT）、PEFT/LoRA/QLoRA、全参数微调与 DeepSpeed、vLLM 部署、评估
企业级微调数据集构建	公开/私有数据、标注与质量、数据增强
基于 Llama-Factory 的高效微调	环境与参数、单卡/多卡、Safetensors/ONNX
调优案例	学习率与 LoRA 秩、loss/评测对比、业务场景下的迭代策略；多组对照的完整微调—评测—部署案例

06 大厂开发规范

章节名称	内容概要
企业大模型研发流程	技术调研、方案与框架设计、RAG 与 pipeline、评估与角色、立项与需求文档
大模型当下热点	Agent/RAG 主流技术、前沿与热点跟踪

---

🏗️ Agent 项目架构与技术架构

---

🚀 快速开始

结合 在线文档 一起学习。想马上跑通一个案例？按下面几步即可。更详细的环境说明、API 申请、常见报错处理见 新手入门与常见问题。

1. 克隆仓库并进入项目目录

   git clone https://github.com/didilili/ai-agents-from-zero.git
   cd ai-agents-from-zero
   

2. 准备环境（推荐 Python 3.10，支持 3.10–3.13）

   python3.10 -m venv .venv
   source .venv/bin/activate          # macOS/Linux
   # .venv\Scripts\activate           # Windows CMD
   pip install -r requirements.txt
   

3. 配置 API Key

   • 将根目录下的 .env-example 复制为 .env
   • 在 .env 中填入你的 API Key（如通义千问/阿里百炼、DeepSeek 等），变量名需与代码一致（如 aliQwen-api、QWEN_API_KEY、deepseek-api）
   • 各平台 Key 的申请方式见 新手入门与常见问题 - 各 API 平台如何申请 Key

4. 在项目根目录运行第一个案例

   python 案例与源码-2-LangChain框架/01-helloworld/StandardDesc.py
   

   注意：必须在项目根目录执行 python，否则会读不到 .env。若不想用云 API，可使用 Ollama 本地模型（无需 Key）。

遇到 ModuleNotFoundError、API Key 报错、找不到 .env 等，请查看 新手入门与常见问题 - 常见问题与解决。

---

📖 关于本仓库

• 目标：做一套真正适合入门的智能体速成教程，不仅能把概念讲清楚，还能把案例跑起来，让你从 0 到能独立做 RAG / Agent 类项目，并能用工程化语言讲清楚自己的方案与项目。
• 技术定位：聚焦 Python 智能体开发路线，重点讲 LangChain / LangGraph 及相关工程实践，不走 Spring AI / langchain4j 的 Java 路线，更适合想直接进入 Python 大模型应用开发的同学。
• 教程来源：参考尚硅谷《大模型智能体线上速成班》等课程资料，并在此基础上结合公开文档、社区实践与项目经验持续重构、补充与维护，逐步整理成一套 Python 智能体应用开发 的系统化学习资料。
• 面试题来源：题库中有相当一部分题目整理自大厂真实面试题、公开面经与高频追问场景，并结合本仓库的章节主线做了工程化重构，更适合按项目和系统设计视角复习。
• 内容构成：系统章节笔记 + 可运行案例源码 + 面试题库 （对标同类线上培训与社招/校招 JD）。

---

⭐ Star History

---

仓库英文名：ai-agents-from-zero · 仓库中文名：《AI 智能体实战速成指南：从零到企业级落地》