<Dev_Mode_On />

从调用 API 到
手搓 Agent 智能体

拒绝“调包侠”。深入 LangChain 源码,掌握 RAG 向量检索与多智能体协作核心,打造属于你的 Vertical AI 应用。

查看技术栈
import anwins
agent_core.py
from langchain.agents import initialize_agent
from anwins_tools import FinanceSearch

# 1. 定义大模型与工具
llm = ChatOpenAI(model="gpt-4o", temp=0)
tools = [FinanceSearch()]

# 2. 初始化智能体 (ReAct 模式)
agent = initialize_agent(
    tools, llm,
    agent="zero-shot-react-description",
    verbose=True
)

# 3. 执行任务
response = agent.run("分析顺德家电产业的最新出口数据")
print(f"Agent Output: {response}")

Master The Modern AI Stack

🐍 Python 🦜 LangChain 🐳 Docker 🔥 PyTorch Streamlit

Engineers Only.

💻

程序员 / 开发者

已有编程基础,想快速切入 AI 赛道,不仅会调包,更懂底层原理。

📊

数据分析师

受够了手动跑 SQL 和 Excel,想用 Code Interpreter 自动化数据洞察。

🎓

CS 专业学生

学校还在教传统 ML?这里教你企业里真正用得上的 LLM 开发技术。

实战大纲

4个阶段,完成从 Environment 到 Deployment 的闭环。

01

环境搭建与工程化

Environment Setup
  • > Conda 虚拟环境管理与 Poetry
  • > OpenAI / DeepSeek SDK 密钥配置
  • > Git 工作流与 Docker 容器基础
02

RAG 检索增强生成

Vector Database & RAG
  • > ChromaDB / Milvus 向量库实战
  • > 文本切片 (Chunking) 策略优化
  • > 搭建“企业内部知识库”问答机器人
03

Agent 智能体开发

ReAct & Tool Use
  • > LangChain 核心组件与 Chain 设计
  • > Function Calling (工具调用) 原理
  • > 复现简化版 Alphabridge 投研 Agent
04

部署与微调

Deployment & Fine-tuning
  • > Streamlit 快速构建 AI Web 应用
  • > LoRA 微调 ChatGLM/Llama 3 概论
  • > 将你的 Agent 部署到云服务器

$ sudo enroll_course --name="practical_class"

* 报名审核通过后,我们将发送预习资料包至您的邮箱。