AI Agent 系统项目开发实战 课程安排

课程大纲

Sprint 2 Intent Recognition & NLU
构建智能的自然语言理解模块
核心目标：构建智能的自然语言理解模块
技术实现：
1. 开发Intent Classification与Entity Extraction系统
2. 实现Slot Filling与Information Extraction
3. 构建Context-Aware Conversation Management
4. 优化Few-shot和Chain-of-Thought Prompting策略
核心技术栈：
1. LangChain Extractors：信息提取工具
2. Prompt Templates：提示词模板系统
3. Few-shot Learning：少样本学习
4. JSON Schema Validation：结构化输出验证
Sprint 4 Multi-Agent Orchestration
实现多Agent协作与MCP集成
核心目标：实现多Agent协作与MCP集成
技术实现：
1. 构建MCP (Model Context Protocol) Server
2. 实现Multi-Agent Communication与Task Distribution
3. 开发Agent Coordination与Workflow Management
4. 集成External APIs与Business Logic
核心技术栈：
1. MCP Protocol：智能体通信协议
2. LangGraph Router：Agent路由系统
3. Task Queue：任务队列管理
4. API Gateway：外部服务集成
Sprint 3 RAG Knowledge System
构建企业级知识检索问答系统
核心目标：构建企业级知识检索问答系统
技术实现：
1. 搭建Vector Database与Embedding Pipeline
2. 实现Document Chunking与Semantic Indexing
3. 开发Retrieval-Augmented Generation模块
4. 优化Ranking Algorithm与Relevance Scoring
核心技术栈：
1. FAISS/Chroma：向量数据库
2. OpenAI Embeddings：文本向量化
3. LangChain Retrievers：检索器组件
4. Document Loaders：文档处理工具