先做可解释基线
不依赖 API Key，先用确定性检索、工具和规则观察状态、证据、权限与失败。
基础 → 高阶 → 应用可运行代码企业案例
把大模型能力
变成可靠的智能体系统
从 Agent Loop 开始，逐步掌握架构、编排、RAG、工具协议、系统集成、记忆、安全治理与部署。课程以一个可本地运行的企业设备工单助手贯穿实践，所有案例使用合成数据。
Agent
感知 Perception
规划 Planning
记忆 Memory
工具 Tools
课程路径
十个模块、约 92 学时。每章包含概念图、实现代码、实验步骤、企业应用案例、验收标准、自测题和经过核验的官方资料与论文。
MODULE 01
AI 智能体基础及应用
从 Agent Loop、感知、记忆、规划和工具调用出发，建立完整认知。
基础 · 6 学时 MODULE 02复杂应用架构设计
掌握企业级分层架构、上下文工程、MCP/A2A 和可观测性。
进阶 · 8 学时 MODULE 03多智能体协同、路由与编排
通过任务边界、共享状态、路由、调度和质量门禁协作完成复杂任务。
进阶 · 8 学时 MODULE 04LangChain / LlamaIndex
理解 LangChain、LangGraph 和 LlamaIndex 的职责边界，构建可维护应用。
入门 · 8 学时 MODULE 05自定义 Chain / Tool / Agent
以软件工程方式实现可复用链、类型安全工具、Guardrail 和组件包。
进阶 · 10 学时 MODULE 06高级 RAG 优化
从数据治理、混合检索和重排到评估、GraphRAG、多模态和权限治理。
高阶 · 10 学时 MODULE 07API、数据库与知识图谱
完成外部 API、鉴权、SQL、向量库、缓存和知识图谱的安全接入。
进阶 · 10 学时 MODULE 08工具函数与插件开发
构建可发现、可授权、可版本化、可隔离和可审计的技能与插件平台。
高阶 · 8 学时 MODULE 09Agent Memory
构建可写入、可检索、可冲突处理、可遗忘且尊重隐私的记忆系统。
高阶 · 8 学时 MODULE 10综合项目与生产交付
把前九章组合为可部署、可评估、可答辩的企业级智能体项目。
应用 · 16 学时两个项目，从基础循环做到标准协议
repository/enterprise-agent-lab 以零依赖基线贯穿十章；repository/mcp-operations-server 完整实现 MCP Tool、Resource、Prompt、协议测试、Streamable HTTP 与服务器部署。每章都给出运行命令、故障演练和验收结果。
再接模型和框架
模型只负责理解和规划，运行时工具仍负责 Schema、授权、审批、幂等和审计。
最后做企业交付
配套 README、测试、systemd、Nginx 和 GitHub Actions 部署文档，支持在自己的环境复现。