{{question_1}}
{{answer_1}}
{{keyword}}指南
{{question_2}}
{{answer_2}}
{{question_3}}
{{answer_3}}
{{question_4}}
{{answer_4}}
{{question_5}}
{{answer_5}}
AI 多智能体工程师｜从 0 到可上线的多智能体应用
做第一批获得 AI 红利的人。课程围绕多智能体（Multi-agentic）软件工程实战，带你用 Cursor、Claude / Codex 等 AI 工程工具，完成从规划编排、RAG/记忆、评测与可观测，到并发伸缩与 Demo Day 路演的完整闭环。
课程亮点：
• 学员全流程参与智能体项目实践：经理 / 工程师 / AI 助手分工协作
• 从周度交付到 Demo Day：每周交付可上线的产品，实战路演
• 面向面试的成果体系：GitHub 可查项目 + 作品集 + 推荐信展示
• 贡献评测到产品收益闭环：用独家评测工具量化贡献，产品售出可获得回报
• 学员全流程参与智能体项目实践：经理 / 工程师 / AI 助手分工协作
• 从周度交付到 Demo Day：每周交付可上线的产品，实战路演
• 面向面试的成果体系：GitHub 可查项目 + 作品集 + 推荐信展示
• 贡献评测到产品收益闭环：用独家评测工具量化贡献，产品售出可获得回报
金牌讲师：林博士（美国加州理工学院化学博士 Ph.D.；曾任美国第一美国银行软件工程师、洛克希德马丁高级软件工程师；美国资深技术经理/总架构师）。
16 周学习路径（四大阶段）：
• 阶段 1（1–4 周）：智能体基础｜工具与 API｜记忆与 RAG｜规划与控制
• 阶段 2（5–8 周）：多智能体范式｜安全与合规｜Agent UX｜MVP 内测
• 阶段 3（9–12 周）：真实项目｜对接企业/开源 Backlog｜连续交付与评测
• 阶段 4（13–16 周）：并发伸缩｜成本/质量优化｜可选微调｜Demo Day
• 阶段 1（1–4 周）：智能体基础｜工具与 API｜记忆与 RAG｜规划与控制
• 阶段 2（5–8 周）：多智能体范式｜安全与合规｜Agent UX｜MVP 内测
• 阶段 3（9–12 周）：真实项目｜对接企业/开源 Backlog｜连续交付与评测
• 阶段 4（13–16 周）：并发伸缩｜成本/质量优化｜可选微调｜Demo Day
工具链（节选）：前端 Next.js（React）｜后端 Python FastAPI｜Postgres/Redis｜向量库 pgvector/Chroma｜编排 CrewAI/AutoGen｜可观测 OpenTelemetry｜CI/CD GitHub Actions + Docker + Playwright E2E。
适合人群：未来型 AI/软件工程师、产品/技术创业者、转型到 AI 交付的人才；建议具备 Python/JS 基础、Git 与命令行，并愿意每周稳定投入。（以课程页面为准）
咨询与报名：班主任微信 vicxbk2；电话 416-665-1888
常见问题（FAQ）
什么是“多智能体（Multi-agent）”？和单个 Agent 有什么区别？
多智能体强调“多个角色协作完成复杂任务”：例如规划者、执行者、检索器、评测器等分工协作，通过编排/路由/共享记忆完成端到端交付；相比单体 Agent，更适合复杂流程与可扩展系统。
课程里会用到哪些 AI 工程工具？
会围绕 AI 工程工作流使用 Cursor、Claude Code / Codex 等工具完成开发与重构，并结合 Git/GitHub 进行协作与代码评审，形成可复用的工程习惯。
对零基础友好吗？需要什么前置能力？
课程更偏“工程落地”，建议具备 Python 或 JavaScript 基础、会用 Git 与命令行；如果基础薄弱，也可以通过作业与小队协作补齐，但需要每周稳定投入。
会学到哪些“多智能体工程”核心模块？
包括：工具与 API 连接、记忆与 RAG、任务规划与控制、角色编排与协作、Agent UX（流式交互/会话恢复）、安全与合规、以及评测与质量控制等。
RAG 是什么？为什么多智能体系统几乎都需要它？
RAG（检索增强生成）用向量库/检索把外部知识（文档、数据库、网页）“喂给模型”，解决幻觉与知识更新问题；多智能体常需要跨资料决策与引用，因此 RAG + 记忆是高频基建。
课程会用哪些技术栈来做项目？
常见组合为：前端 Next.js（React），后端 Python FastAPI，数据库 Postgres/Redis，向量库 pgvector/Chroma；并配合编排框架（如 CrewAI/AutoGen）实现多智能体协作。
为什么课程强调 GitHub？会做哪些产出？
因为面试与职业成长需要“可验证产出”。课程会引导你形成 GitHub 可查的项目、PR/Issue/日志与迭代记录，并沉淀为可展示的工程成果。
Docker / CI/CD 在课程里怎么用？
会用 Docker 打包前后端与依赖，减少环境问题；并结合 GitHub Actions 做自动化测试与发布，让项目具备持续交付能力。
如何评测一个多智能体系统“是否真的变好”？
不靠主观感觉，而是建立可复现的评测：任务集、通过率/准确率、时延与成本指标、回归测试等；并用可观测（如 OpenTelemetry）追踪链路与瓶颈。
课程会涉及安全与合规吗？
会覆盖常见风险与策略：提示注入防护、敏感信息处理、权限与审计、工具调用白名单、数据隔离等，帮助项目更接近真实生产要求。
多智能体应用的“Agent UX”指什么？
指面向用户的交互体验与可控性：例如流式输出、会话恢复、状态可视化、可中断/可回滚、可解释的执行轨迹与引用来源等。
班级组织与协作方式是怎样的？
通常采用小队协作（分角色分工），以周度交付推进，逐步从 MVP 到可上线版本，并以 Demo Day 做阶段性路演展示。（以课程页面信息为准）
如何报名 / 咨询？在哪里看课程详情？
可联系班主任微信 vicxbk2 或致电 416-665-1888。课程详情请以页面为准：AI 多智能体工程师（建议收藏）。