构建智能AI助手工程师实战营：从RAG到智能体 AI Engineering Buildcamp: From RAG to Agents

AI Engineering Buildcamp: From RAG to Agents，6周内创建您自己的可用于生产环境的 AI 应用程序，本课程通过实践性强、以项目为中心的模块，带你从核心概念逐步掌握生产级人工智能系统。

LLMs 和 RAG
学习大型语言模型和检索增强生成。使用 OpenAI SDK 构建对话代理并创建数据处理管道。
成果：一个包含真实数据的 RAG 管道。
Agentic Flows + MCP：
使用 PydanticAI 等库和 Agents SDK，通过函数调用添加 Agent 行为。通过 MCP 公开工具。
结果：功能强大且会使用工具的 Agent。
测试与评估：
通过测试和线下评估不断改进。利用语言学习硕士（LLM）作为评判标准来比较不同方法。学习使用 Evidently 和 LangWatch 等工具。
最终成果：一个经过全面测试和评估的助手。
监控与防护措施：
使用 Grafana、Pydantic Logfire 和 OpenTelemetry 实现可观测性和安全性。
结果：实时监控。
使用案例
：创建两个代理：网站生成器和代码审查器。了解其他使用案例。
毕业设计

利用你的数据构建一个端到端的AI应用程序。
成果：一个可用于作品集的项目。

马拉松：合作解决现实世界的问题。

最终，你将：构建、评估和监控智能助手；创建深度研究和编码代理；拥有一个完善的作品集项目。

你将学到什么
6 周内创建您自己的可用于生产环境的 AI 应用程序

🛠️ 从零开始构建功能齐全的AI助手

• 一款对话式人工智能助手，可以回答来自 GitHub 代码库、YouTube 文字稿或内部文档的问题。
• 使用检索增强生成和 OpenAI API。

🤖 为您的AI系统添加智能行为

• 构建能够推理、决策和通过函数调用采取行动的系统。
• 使用 PydanticAI 和 OpenAI 的 Agent SDK 等工具。
• 使用 MCP 扩展代理的功能。

🔧 利用测试和评估来改进提示和结果

• 使用单元测试和评估工具测试应用程序。
• 学习如何使用排名指标评估您的应用程序，模拟用户查询，并使用 LLM 来判断输出结果。
• 运用数据驱动方法选择最佳提示、模型和分块策略。

📈 监控您的应用程序

• 使用 Grafana、Pydantic Logfire、Evidently 和 LangWatch 设置实际监控。
• 实时追踪成本和代币使用情况。
• 添加防护措施以防止应用程序被滥用。

🔧 构建 8 个以上项目

• 常见问题解答助手、YouTube 视频问答系统、维基百科搜索和摘要系统以及文档代理。
• AI编码代理、深度研究代理和代码评估代理。
• 还有两个项目：毕业设计和最后的黑客马拉松。

🎓 完成一个人工智能毕业设计项目——从头到尾

• 从零开始设计并构建您自己的端到端人工智能应用程序。
• 这可以是简历审阅工具，也可以是播客摘要工具——经过全面测试、评估和监控。

格 式：MP4+配套课件
分 辨 率：高清1920×1080
语言字幕：英语，无字幕
大 小：20.6 GB，147个视频