夜雨聆风
用6周时间，打造属于你自己的可以直接上线的AI应用！
说明
构建你自己的代理式AI助手
这门课程将通过实践和项目导向的模块，带领你从核心概念深入到生产级别的AI系统。
LLMs & RAG
- 学习内容
：大型语言模型（LLMs）和检索增强生成（RAG）。使用OpenAI SDK构建对话代理，并创建数据处理管道。 - 成果
：一个基于真实数据的RAG管道。
Agentic Flows + MCP
- 学习内容
：通过函数调用添加智能行为，使用如PydanticAI等库以及Agents SDK。通过MCP暴露工具。 - 成果
：能够使用工具的功能强大的代理。
Testing & Evaluation
- 学习内容
：通过测试和离线评估进行改进。使用LLMs作为评判者来比较不同的方法。学习使用Evidently和LangWatch等工具。 - 成果
：经过全面测试和评估的助手。
Monitoring & Guardrails
- 学习内容
：使用Grafana、Pydantic Logfire和OpenTelemetry实现可观测性和安全性。 - 成果
：实时监控能力。
Use Cases
- 学习内容
：创建两个代理：一个网站生成器和一个代码审查员。了解其他应用场景。 - 成果
：理解多种应用场景并能应用所学知识。
Capstone
- 学习内容
：使用你的数据构建端到端的AI应用程序。 - 成果
：一个准备好加入个人作品集的项目。
黑客马拉松：合作解决现实世界的问题
完成本课程后，你将能够：构建、评估和监控智能助手；创建深度研究和编码代理；拥有一个打磨好的作品集项目。
你将学到什么
在6周内创建你自己的生产就绪型AI应用程序。
🛠️ 从零开始构建一个完全功能的AI助手
构建一个能够回答来自GitHub仓库、YouTube字幕或内部文档问题的对话式AI助手。 使用检索增强生成（RAG）技术和OpenAI API。
🤖 向你的AI系统添加智能行为
构建能够进行推理、决策和执行动作的系统，通过函数调用来实现。 使用如PydanticAI和OpenAI的Agent SDK等工具。 利用MCP扩展代理的能力。
🔧 使用测试和评估改进提示和结果
使用单元测试和评判者来测试应用程序。 学习如何使用排名指标、模拟用户查询以及利用LLMs评判输出来评估你的应用。 采用数据驱动的方法选择最佳的提示、模型和分块策略。
📈 监控你的应用程序
使用Grafana、Pydantic Logfire、Evidently和LangWatch设置现实世界的监控。 实时跟踪成本和token使用情况。 添加安全措施以防止应用程序被滥用。
🔧 构建超过8个项目
包括FAQ助手、YouTube视频问答系统、维基百科搜索和总结系统、文档代理。 AI编码代理、深度研究代理和代码评估代理。 更多项目：课程结束时的顶点项目和黑客马拉松。
🎓 完成一个从头到尾的顶点AI项目
设计并从零开始构建你自己的端到端AI应用程序。 这可以是任何东西，从简历评审器到播客摘要生成器——全面测试、评估和监控。
这门课程不仅教你理论知识，还提供大量动手实践机会，帮助你在实际项目中应用所学技能，最终完成一个展示作品集的项目。
