关于举办“基于大模型的Agent技术应用开发实践”培训班的通知
各有关单位：
为了企业实现智能化转型，在激烈的市场竞争中抢占先机，增强核心竞争力，实现可持续发展。帮助学员深度掌握Agent技术开发技巧，提升项目执行与解决复杂问题的能力，实现从传统业务思维向数字化、智能化思维的转变，我们精心打造了“基于大模型的Agent技术应用开发实践”培训课程。于2026年在全国部分城市举办公开课，诚邀您的参与，有关事宜如下：
一、培训背景
在当今快速发展的信息技术时代，人工智能（AI）已成为推动社会进步和产业升级的关键力量。其中，Agent智能体作为AI领域的一个重要分支，正逐渐展现出其独特的价值和广泛的应用前景。尽管 Agent需求旺盛，但企业在落地过程中普遍面临技术、场景、安全三重门槛，培训学习成为破局关键。
Agent智能体是一种能够自主决策、与环境进行交互并完成任务的软件实体。它们能够感知环境、理解用户需求、制定并执行计划，从而为用户提供智能化的服务。随着大数据、云计算和深度学习等技术的不断发展，大模型Agent智能体已经能够在众多领域发挥重要作用，如智能家居、自动驾驶、智能客服、医疗辅助等。
学习Agent智能体的开发，能够深入理解人工智能的基本原理和核心技术。通过掌握Agent智能体的设计、实现和优化方法，帮助学习者更全面了解AI系统的构建过程，为未来的研究和开发工作打下坚实的基础；学习Agent智能体在智能家居领域、自动驾驶领域、智能客服领域、医疗辅助领域等领域开发具有广泛的实用价值。
二、培训对象
AI工程师、算法工程师，各类软件企业和研发中心的程序员、软件设计师、技术负责人、架构师、高校计算机及人工智能专业师生等。
三、培训信息
培训形式：线下面授 + 同步直播
培训班次：2026年6月25-27日广州、8月28-30日北京、10月24-26日成都
四、培训内容
第一部分:大模型驱动的Agent智能体概述
1.智能体的定义与特点
2.智能体与传统软件的关系
3.智能体与LLM的关系
4.从ChatGPT到智能体
5.智能体的五种能力
6.记忆，规划，工具，自主决策，推理
7.多智能体协作
8.企业级智能体应用与任务规划
9.智能体开发
第二部分: 基于大模型的Agent技术框架
1.Agent的四大要素
2.Agent的规划和决策能力
3.Agent的各种记忆机制
4.Agent的核心技能：调用工具
5.Agent的推理引擎：ReAct框架
6.何谓ReAct
7.用ReAct框架实现简单Agent
8.基于ReAct框架的提示
9.构建ReAct Agent
第三部分: 基于LangChain构建智能体
1.何谓LangChain
2.LangChain中的六大模块
3.LangChain和Agent开发
4.LangChain构建智能体的类型
5.LangChain构建工具
6.LangChain构建Agent
第四部分: 推理与行动的协同——通过LangChain中的ReAct框架实现
1.了解ReAct框架与运行逻辑
2.LangChain中ReAct Agent 的实现
3.LangChain中的工具和工具包
4.create_react_agent创建鲜花定价Agent
5.深挖AgentExecutor的运行机制
6.在AgentExecutor中设置断点
7.思考：模型决定搜索
8.行动：工具执行搜索
9.思考：模型决定计算
10.行动：工具执行计算
11.思考：模型完成任务
第五部分: 计划和执行的解耦-通过LangChain中的Plan-and-Execute实现
1.Plan-and-Solve策略的提出
2.LangChain中的Plan-and-Execute Agent
3.通过Plan-and-Execute Agent实现物流管理
4.为Agent定义一系列进行自动库存调度的工具
5.创建Plan-and-Execute Agent并尝试一个“不可能完成的任务”
6.完善请求，让Agent完成任务
7.从单Agent到多Agent
第六部分: 多Agent最佳实践
1.智能体和多智能体 multi-agent systems
2.监督者：每个Agent与一个监督者Agent通信
3.自定义多Agent工作流：每个Agent只与其他Agent通信
4.Multi-Agent多角色协作
5.SOP拆解
6.角色扮演
7.反馈迭代
8.监督控制
9.workflow automation
10.企业工程化最佳实践
第七部分: 基于多模态构建Agent
1.多模态技术原理讲解
2.常用的多模态模型介绍、原理解析
3.多模态典型应用场景举例，以及技术实现
4.多模态技术实战
5.多模态需求输入：图像、语音、文本
6.语音输入集成模块
7.图像输入集成模块
8.核心需求理解与多轮输入整合模块
9.语音输入处理
10.利用多模态技术实现多模态智能聊天对话
11.基于多模态大模型的Agent开发
第八部分:分析国外智能体典型案例和商业应用
1.解读斯坦福小镇项目：生成式智能体典型案例
2.AutoGPT：通过自然语言的需求描述执行自动化任务
3.BabyAGI：根据任务结果自动创建，排序和执行新任务
4.MetaGPT：重塑生成式AI与软件开发界面
5.AutoGen：下一代LLM应用的启动器
6.ChatDev：重塑软件开发的AI群体智能协作框架
7.Camel AI：引领自主与交流智能体的未来
第九部分: 企业专属领域的智能客服Agent
1.打造专属领域的客服聊天机器人
2.客服聊天机器人概述
3.客服聊天机器人价值简介
4.客服聊天机器人研发工具
5.AI课程客服聊天机器人总体架构
6.前端功能设计
7.后端功能设计
8.AI课程客服聊天机器人应用实例
第十部分: Agent + MCP打造高级智能体
1.RAG、Agent与MCP的区别与联系
2.MCP与FunctionCall的关系
3.热门的MCP客户端工具有哪些
4.MCP服务接入原理讲解
5.自定义MCP Client开发--STDIO协议对接
6.LangGraph Agent接入Github MCP服务
7.Langchain_mcp_adatpers创建高德MCP客户端
8.基于高德MCP的复杂路径规划+可视化展示
第十一部分: 知识图谱构建与Agent调用
1.Neo4j基础概念：Node、Relationship、Property
2.使用 Cypher 查询语言进行数据建模、插入和查询。
3.网络配置文件（config）的基本结构和参数分析
4.基于config指定数据清洗与标准化格式
5.基于本地大模型的结构化分析实现
6.LangChain 自动生成并优化 Cypher 查询
7.LangServe发布图谱服务器
8. Agent识别用户意图并调用图谱
第十二部分: OpenClaw架构解析与自动化环境搭建
1. OpenClaw产品深度拆解
2.环境部署与初始化：Python环境配置、API Key授权管理
3.定时任务 (Cron Jobs)：自动化触发机制配置
4. Agent智能体核心：角色定义 (System Prompt)、记忆管理
5. Skills技能库全览：预置技能调用、自定义Python脚本扩展与参数传递规范
6. 后台工具链集成：监控面板使用、日志追踪与多租户权限隔离设置
第十三部分: OpenClaw Skills实战案例与多Agent协同进化
1.智能邮管技能：自动监测IMAP邮箱、附件解析、邮件内容分类与智能润色回复
2. 多平台内容分发：文本一键摘要、Markdown自动格式化与公众号 API自动化上传
3. SubAgent任务分解：复杂任务的父子级拆解、子智能体结果汇总与容错处理
4. 多Agent协同配置：不同角色Agent间的通信协议、状态共享与流水线式工作流设计
5. 动态Skill链条实战：“搜索+爬虫+总结+发送”四合一自动化链路构建
6. Skills开发进阶：使用Python封装Trae技能或URL转换工具的标准化接
第十四部分: QClaw深度连接与全渠道生态集成
1.QClaw 1.0核心能力：腾讯版OpenClaw、主打本地即开即用特性
2. 微信/QQ生态直连：实现私域社交平台的Agent实时交互与消息拦截
3. 飞书应用集成：自建应用创建、事件订阅配置与飞书多维表格（Bitable）数据打通
4. 企业级协同实战：在微信/飞书中通过对话触发OpenClaw自动化工作流
5. QClaw本地化安全策略：私有化部署、敏感数据脱敏处理与本地知识库集成
6. 全案总结：从个人开发者到企业内测的OpenClaw/QClaw落地路径规划
备注：采用小班制教学，授课过程中，讲师会通过互动提问、组织小组讨论、即时答疑等形式，帮助学员把所学转化为可落地的能力。
五、培训教师
刘老师：AI技术领域资深专家
西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。
AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。
LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSpeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。
张老师：人工智能实战导师
大数据资深专家、云计算架构师，数据挖掘、数据分析工程师，曾作为多家大型知名企业首席架构，负责PaaS平台研发；主要研究方向包括大数据、云计算、移动开发、互联网营销、电子商务、项目管理等。IT从业二十余年，具有多年授课经验，秉承理论与实践相结合，在学习中实践，在实践中学习，积累了丰富的理论与实践经验，并且乐于将自己的经验分享。发现并集成整合社会资源，为企业节省资源并创造价值，达到为合作伙伴创收的目的。
曾为多家国内知名企业提供培训与咨询，拥有大数据、大流量、高并发、分布式的大型网站架构和设计经验。曾主导过多个私有云建设项目，早些年也主导过ERP、CMS等软件项目，这些项目中包含多个数百万、上千万的大型项目。
六、培训收益
1、挖掘Agent技术在企业全场景的创新应用
2、实现企业业务流程自动化与智能化升级
3、掌握OpenClaw/QClaw架构解析实操能力
4、理解AI大模型与Agent的核心原理及架构机制
5、精通Skills技能开发与多Agent协同进化落地方法
6、构建Agent技术全栈开发体系，拓宽职业发展道路
七、证书颁发
参加培训并通过考试的学员，将获得由工业和信息化部教育与考试中心统一颁发的《AI大模型全栈技术（高级）》职业能力证书。证书长期有效，相关信息可随时登录中心官网查询。
八、培训费用
6800元/人（含培训费、平台费、资料费、视频回放、证书、发票等费用）。
备注：参加面授的学员提供培训期间的午餐。
【报名咨询】
联系电话：010-62258232 62278113 13718601312 13120125786
联 系 人：李先生 陈小姐
您的位置：
