logo
项目实训营
header-img

AI Agent 系统项目开发实战

参与真实AI产品开发,8周成为AI Engineer

8周掌握LangGraph+MCP+RAG技术栈,构建可部署的企业级多智能体AI系统,具备独立开发AI Agent产品的核心能力

报名福利:
完成表单报名,即可获得专属报名优惠!仅扫码咨询不享受优惠,请提交表单完成报名。

header-img
feature真实企业级项目实战,为中小企业设计的智能AI Agent系统
feature全面学习当前最热门的AI Agent技术:LangGraph多智能体编排、MCP协议企业应用、ReAct推理行动框架、RAG检索增强生成
feature完整系统构建能力培养,从零开始构建一个完整的多智能体AI系统
feature澳洲就业导向实战训练,结合本地企业需求和技术趋势
feature真实企业级项目实战,为中小企业设计的智能AI Agent系统
feature全面学习当前最热门的AI Agent技术:LangGraph多智能体编排、MCP协议企业应用、ReAct推理行动框架、RAG检索增强生成
feature完整系统构建能力培养,从零开始构建一个完整的多智能体AI系统
feature澳洲就业导向实战训练,结合本地企业需求和技术趋势

AI Agent 系统项目开发实战亮点

star真实商业项目参与
star直接参与Dispatch AI企业级智能电话系统开发,获得真正的商业产品开发经验。
star前沿技术栈全覆盖
star掌握LangGraph、MCP协议、RAG检索、ReAct框架等热门的AI Agent技术
star完整系统架构能力
star从零构建包含意图识别、知识检索、任务执行、多Agent协作的完整智能体系统
star专业导师实战指导
star资深AI工程师提供每周直播答疑、代码review和关键技术突破指导
star高效学习路径
star8周密集实战训练,快速升级为AI Engineer

为什么选择{{AI Agent系统项目开发实战}}

您将作为开发团队成员,实际参与Dispatch AI这个企业级智能电话系统的开发工作,在真实项目实战中掌握LangGraph、MCP、RAG等前沿技术栈。通过8周的实际项目参与,您将获得完整的多智能体系统构建经验和企业级开发能力。专业导师提供每周直播指导和代码review,确保您在真实项目中学习成长。 ...

star

咨询可以联系我们

CAREER SERVICES

通过我们帮你获得理想工作

通过匠人内部强大的社交网络,建立职业人脉,有机会获得岗位内推机会,提高求职成功率。我们有超过100+的Hiring Partner,已有5000+学员通过匠人学院成功拿到Offer

100+
Hiring partners
85%
Employment rate
5,000+
Offers

导师团队

Tianyi Li
Senior Software Engineer-GenAI
Tianyi Li

Tianyi Li 是一名经验丰富的 Full Stack Software Engineer,专注于 Web 和 Mo ...

Tianyi Li 是一名经验丰富的 Full Stack Software Engineer,专注于 Web 和 Mobile 应用开发,并在 Generative AI 领域有深入的研究和实践经验。他在过去四年里参与了 15+ 个商业项目,精通前后端开发、云端架构及 DevOps 自动化。他具备扎实的技术功底,并且在敏捷团队领导方面积累了丰富经验,确保项目高效交付且符合最佳实践。他对 Generative AI 充满热情,擅长使用 LangChainJS、Prompt Engineering、Tool Calling、Retrieval Augmented Generation (RAG) 及多模态模型,开发 AI 驱动的应用。

Tianyi Li

价格选项

早鸟价截止 2025/09/01

AI Agent 系统项目开发实战01期

2025/09/08

time课程时长:16h
type授课方式:Online
location授课地点:Online
teacher授课老师:Tianyi Li
1
原价

$3200+$320GST

$3200

2
匠人学员专享早鸟价

$1980+$198GST

$3200

3
新用户项目优惠价

$2800+$280GST

$3200

谁应该参加我们的AI Agent 系统项目开发实战?

star有Python或JavaScript编程基础
star了解Web开发基本概念
star对AI技术有强烈学习兴趣
star希望转型AI工程师的开发者
star想要掌握企业AI落地能力的技术人员

AI Agent 系统项目实战

项目介绍:打造一个真实可部署的多智能体 AI 系统

如果你想真正理解和构建一个现代 AI 系统,而不仅仅是调一个 ChatGPT API,那么这个项目就是为你准备的。我们将从零开始,搭建一个具有完整 Agent 调度、知识检索、语言理解和任务管理能力的 AI 系统。项目设计以企业级应用为目标,围绕“Agentic System”的概念展开,涵盖当前主流的 AI 工程关键技术。
notion image
项目为期 8 周,采用“任务驱动式”的实战方式,每周发布一个开发任务(Milestone),你将像一名 AI 工程师一样独立完成系统搭建与功能实现。每周提供 2小时导师辅导和 debug 支持,帮助你突破关键技术难点,高效推进项目落地。

项目背景

本项目以真实的中小企业智能电话系统为应用场景,围绕Dispatch AI这一企业级产品进行开发。Dispatch AI是一个为中小企业设计的智能电话AI agent,能够自动接听客户电话、分析客户需求、执行相应的业务动作。用户无需技术背景,只需要简单配置,就能让AI代替人工处理日常的客户服务工作。
notion image
Dispatch AI 是一个为中小企业设计的智能电话助理,用户不用会技术,只需要像发微信一样填写信息,就能设置好AI 语音客服助理,就能让AI帮你:
  • 自动接听客户电话,听懂客户到底想要什么
  • 分析客户需求(比如预约服务、咨询价格、投诉问题)
  • 查找相关的业务信息(价格、政策、可用时间等)
  • 执行具体行动:发短信、建工单、安排时间、调日历
  • 还能自动回访、紧急提醒、甚至处理多步事务
目标用户是像房产中介、装修工、电工这样的背景的机构或个人,他们虽然不懂IT技术,但只要填写几句话,就可以设置一个电话助手来代替自己接听电话、处理事务、安排工作。
notion image
在这个项目里,你的角色不是做前端页面,而是:
把背后的 AI 模块真正“接入进来”——让对话变得更聪明、更高效、更像一个能干活的真人助手。
项目的任务,就是让这个“助手”更聪明、更懂人话、更能自主完成任务。

核心学习目标

这个项目的核心目标,是带你搭建一个完整的 agentic AI 系统,也就是一个由多个智能Agent协同工作、能够处理复杂业务流程的AI架构。
我们要做的是一个AI“虚拟客服助理”,它具有以下几种能力:
  1. 能听懂客户的问题(你输入一段话,AI知道你想问啥)
  1. 能回答和你业务有关的问题(比如“你们几点开门?”、“维修需要多长时间?”)
  1. 能从你给它的资料里自己找答案(比如从你的FAQ、产品介绍、预约记录里提取信息)
  1. 能安排任务或提醒事项(比如“帮我安排明天下午的维修”,它能查时间然后记录下来)
  1. 未来可以接入语音输入/电话客服接口
通过8周的实战开发,您将:
  • 掌握多Agent协作系统的设计与实现
  • 理解企业级AI系统的工程化开发流程
  • 具备独立构建可部署AI产品的能力
  • 建立从概念到落地的完整AI工程思维
我们会从最基础的对话问答能力入手,逐步构建起由 LangGraph 组织的 Agent 网络,在这个网络中,每个 Agent 使用 ReAct 框架独立执行任务,并与一个 MCP(Model Context Protocol)Server 建立连接,实现上下文共享和任务指令转发。
而这个过程,也正是从 Prompt 到 LLM、从 Embedding 到 Agent、从 RAG 到 MCP 的 AI 工程化落地实践。

系统能力目标

项目完成后,您构建的AI系统将具备以下核心能力:
  1. 智能对话理解:准确理解客户的自然语言输入,识别意图和关键信息
  1. 知识检索问答:基于企业私有知识库,提供准确的业务相关回答
  1. 任务自动执行:根据对话内容自动执行相应的业务操作,如安排预约、发送通知等
  1. 多Agent协作:通过多个专业化Agent的协同工作,处理复杂的业务流程
  1. 状态管理与追踪:维护对话状态和任务执行状态,确保业务流程的连续性

为什么要做这个项目?

现实痛点:大部分人学AI还停留在"调个ChatGPT API"的水平,但企业真正需要的是能解决实际问题的系统。
项目价值:你将亲手搭建一个真正在生产环境运行的AI系统,这种经验在简历上会非常亮眼。
技能提升:从会用AI工具,升级到会造AI系统,这是质的飞跃。

核心AI技术栈一览

LangGraph - 多Agent编排引擎

LangGraph作为系统的核心编排器,负责控制多个Agent之间的任务流转和依赖关系。它提供了:
  • 图状态管理机制
  • 条件分支与循环控制
  • Agent间的消息传递
  • 错误处理与回滚机制

ReAct Agent框架

基于Reasoning(推理)+ Action(行动)的Agent设计模式,每个Agent都具备:
  • 自主推理能力:分析当前状态和目标
  • 工具调用能力:执行具体的业务操作
  • 反思机制:评估执行结果并调整策略
  • 记忆管理:维护执行历史和上下文

MCP (Model Context Protocol) 服务器

作为系统的上下文和调用中心,MCP Server提供:
  • 统一的上下文管理
  • Agent间的状态同步
  • 外部服务接口封装
  • 安全的权限控制

RAG (Retrieval-Augmented Generation) 系统

构建企业级知识检索与问答能力:
  • 文档向量化与索引
  • 语义相似度检索
  • 上下文增强生成
  • 动态知识库更新

Embedding与向量数据库

支撑RAG系统的核心基础设施:
  • 多种Embedding模型支持
  • 高效向量检索算法
  • 分布式存储架构
  • 实时索引更新

高级技术特性

Prompt Engineering Strategy

设计多层次的提示词策略:
  • 系统级提示词:定义Agent的角色和行为规范
  • 任务级提示词:指导具体任务的执行流程
  • 上下文级提示词:维护对话的连贯性
  • 动态提示词:根据执行状态自适应调整

Multi-Modal Input Processing

支持多种输入模式的处理:
  • 语音转文本处理(Whisper集成)
  • 文本语义理解
  • 结构化数据解析
  • API调用处理

项目实战计划安排

Phase 1: Foundation Architecture(第1-2周)

核心目标:搭建基础的Agentic System框架
技术实现
  • 构建LangGraph State Management系统
  • 集成OpenAI GPT-4 API与Function Calling
  • 实现基础的Conversational Agent
  • 建立State Persistence与Memory Management机制
核心技术栈
  • LangGraph StateGraph:工作流编排
  • OpenAI API:大模型接口调用
  • Pydantic Models:数据结构定义
  • asyncio:异步处理框架
学习收获
  • AI System Architecture设计思维
  • Large Language Model API高级用法
  • State Management在Agent系统中的应用

Phase 2: Intent Recognition & NLU(第3-4周)

核心目标:构建智能的自然语言理解模块
技术实现
  • 开发Intent Classification与Entity Extraction系统
  • 实现Slot Filling与Information Extraction
  • 构建Context-Aware Conversation Management
  • 优化Few-shot和Chain-of-Thought Prompting策略
核心技术栈
  • LangChain Extractors:信息提取工具
  • Prompt Templates:提示词模板系统
  • Few-shot Learning:少样本学习
  • JSON Schema Validation:结构化输出验证
学习收获
  • Advanced Prompt Engineering技巧
  • Natural Language Understanding深层原理
  • Contextual AI的设计与实现

Phase 3: RAG Knowledge System(第5-6周)

核心目标:构建企业级知识检索问答系统
技术实现
  • 搭建Vector Database与Embedding Pipeline
  • 实现Document Chunking与Semantic Indexing
  • 开发Retrieval-Augmented Generation模块
  • 优化Ranking Algorithm与Relevance Scoring
核心技术栈
  • FAISS/Chroma:向量数据库
  • OpenAI Embeddings:文本向量化
  • LangChain Retrievers:检索器组件
  • Document Loaders:文档处理工具
学习收获
  • Vector Database的原理与优化
  • Semantic Search与Information Retrieval
  • RAG系统的Engineering Best Practices

Phase 4: Multi-Agent Orchestration(第7-8周)

核心目标:实现多Agent协作与MCP集成
技术实现
  • 构建MCP (Model Context Protocol) Server
  • 实现Multi-Agent Communication与Task Distribution
  • 开发Agent Coordination与Workflow Management
  • 集成External APIs与Business Logic
核心技术栈
  • MCP Protocol:智能体通信协议
  • LangGraph Router:Agent路由系统
  • Task Queue:任务队列管理
  • API Gateway:外部服务集成

为什么要做这个项目?

  • 大多数 AI 项目还停留在单轮问答或简单接入阶段,而企业真正需要的是“可落地、可协作、可维护”的系统架构。
  • 本项目帮助你建立“工程视角”的 AI 构建能力,理解多个组件之间如何协作、如何被调度、如何上线。
  • 对未来就业、转型或进入 GenAI 项目团队的同学来说,这将是简历上最有说服力的一项经历。

技术亮点与实战能力

  • ✅ 构建具备 LangGraph 控制流的多 Agent 协作网络
  • ✅ 使用 MCP 协议完成状态管理与任务分发
  • ✅ 实现一个自定义知识库的 RAG 模块,可扩展为企业内部知识助手
  • ✅ 掌握 Prompt Engineering 在复杂系统中的多层应用
  • ✅ 理解 Embedding、向量检索、模型 API 调用的完整链路
  • ✅ 能够部署上线并监控系统运行状态,完成生产级系统闭环

适合人群

  • 想从“用模型”进阶到“构建系统”的开发者
  • 有一定编程基础,希望向 AI 工程师转型的同学
  • 数据、后端、产品、DevOps 等角色,想掌握 GenAI 系统协作原理
  • 想打造真正能交付的 AI 项目、并纳入个人作品集与简历的求职者

项目周期与价格说明

notion image

开始你的AI Agent开发之旅

这不是一门普通的课程,而是一次真正的项目开发体验。8周后,你将拥有:
🎯 技术能力:掌握企业级AI系统开发
📚 项目经验:完整的从设计到部署的实战经历
🚀 职业优势:简历上最亮眼的技术项目
🧠 思维升级:从使用者到创造者的转变
项目导师:Jason | AI Engineer @ Future Secure AI
8年AI工程经验,带你从API调用到系统架构的完整蜕变
准备好和我们一起造一个真正会干活的AI"员工"了吗?

我们如何线上上课的

  • 灵活的学习交流时间:随时随地进入课堂
  • 沉浸式学习环境:通过虚拟空间创建了一个高度互动和沉浸式的学习环境。学生可以在虚拟教室、实验室和会议室中进行交流和合作,增强了参与感和实际的课堂体验。
image
image

线上学习减少孤单感

  • 减少学习孤单感:看看还有谁和你在学习,找到志同道合的学习伙伴,共同进步。
  • 提升社交能力:虚拟环境中,学生可以自由结交新朋友,进行社交互动。这有助于提升学生的社交能力和团队协作精神,特别是对内向或害羞的学生来说,虚拟环境提供了一个更舒适的交流平台。

我们如何讨论项目?如何团队做项目

  • 快速建立紧密的团队协作氛围:更高效真实的进行讨论
  • 即时反馈和支持:教师和助教实时观察学生的学习情况,提供即时的反馈和支持。这种即时反馈机制有助于及时解决学生的问题,增强学习效果。
image
1v1免费职业咨询
logo

Follow Us

linkedinfacebooktwitterinstagramweiboyoutubebilibilitiktokxigua

We Accept

/image/layout/pay-paypal.png/image/layout/pay-visa.png/image/layout/pay-master-card.png/image/layout/pay-airwallex.png/image/layout/pay-alipay.png

地址

Level 10b, 144 Edward Street, Brisbane CBD(Headquarter)
Level 2, 171 La Trobe St, Melbourne VIC 3000
四川省成都市武侯区桂溪街道天府大道中段500号D5东方希望天祥广场B座45A13号
Business Hub, 155 Waymouth St, Adelaide SA 5000

Disclaimer

footer-disclaimerfooter-disclaimer

JR Academy acknowledges Traditional Owners of Country throughout Australia and recognises the continuing connection to lands, waters and communities. We pay our respect to Aboriginal and Torres Strait Islander cultures; and to Elders past and present. Aboriginal and Torres Strait Islander peoples should be aware that this website may contain images or names of people who have since passed away.

匠人学院网站上的所有内容,包括课程材料、徽标和匠人学院网站上提供的信息,均受澳大利亚政府知识产权法的保护。严禁未经授权使用、销售、分发、复制或修改。违规行为可能会导致法律诉讼。通过访问我们的网站,您同意尊重我们的知识产权。 JR Academy Pty Ltd 保留所有权利,包括专利、商标和版权。任何侵权行为都将受到法律追究。查看用户协议

© 2017-2025 JR Academy Pty Ltd. All rights reserved.

ABN 26621887572