Python+AI智能体开发开班时间信息
Opening date

什么是AI智能体?

AI智能体是能自主感知、决策、执行任务的AI系统,可独立完成复杂流程,像智能助手一样帮人有效解决问题。

调用工具 连接业务系统 编排多步骤任务 企业场景 数字员工
AI智能体架构示意
2026年 AI正在重构软件行业
AI is reshaping the software industry

AI是一种新的生产方式。世界经济论坛预测:到2030年,AI将深刻改变商业模式与岗位结构。软件行业正从“人操作软件”,走向“软件自主感知、决策、执行并与人协作”。

移动互联网时代

实现随时随地连接,人与服务深度融合

云计算时代

买硬件变成了租算力,效率与数据资产化

AI智能体时代

从人操作软件,到软件自主思考并协作

AI的下一个阶段:从聊天机器人到数字员工

Why Choose AI Intelligent Agents?

传统聊天机器人工作方式
AI智能体数字员工工作方式
传统岗位工作流程
AI智能体工作流程
驻守岗位、手动查询和回复客户
产品客服
查询知识库、自动回复客户并生成工单
编写用例、执行测试、整理报告
软件测试
生成用例、执行测试、生成报告
人工策划、人工生产内容
内容运营
自动化:策划、生成、发布、分析
关于AI智能体,你关心的几个问题
FAQ

什么是AI智能体?

AI智能体是能自主感知、决策、执行任务的AI系统,可独立完成复杂流程,像智能助手一样帮人高效解决问题。

智能体薪资水平如何?

智能体工程师同时掌握大模型集成+智能体框架+业务场景落地,属于复合型人才,同经验层级下薪资涨幅30%~80%。

智能体的未来发展?

未来5-10年,AI智能体将从被动工具进化为自主数字劳动力,并深度融入产业与生活,形成人与具身智能协作的新生态。

蜗牛智能体的优势?

承接和自研AI商业项目+自研AI教学工具+实战化课程+全链路就业保障,形成“学-练-评-就业”闭环。

为什么全球AI开发都在使用Python
Why choose Python?

学AI的本质是在学生态,而Python已经成为AI生态的通用语言

Python AI生态的通用语言

学完可以胜任
哪些岗位

AI应用开发工程师、智能体开发工程师、RAG工程师、大模型应用工程师、AI产品技术岗等;覆盖客服、测试、运营、教育、医疗等业务智能化改造方向。

AI应用开发工程师 智能体开发工程师 RAG工程师 大模型应用工程师 大模型应用工程师 AI产品技术顾问

定位:AI开发者

不是只教工具使用与Prompt,而是培养能独立完成智能体系统设计、开发、部署与业务落地的复合型人才。

应用开发 智能体设计 业务落地 业务落地
我们的课程优势
Course advantages

和传统课程的对比 · Comparison with traditional courses

传统培训课程体系
  • 课程目标

    教工具使用

  • 知识点

    Prompt为主

  • 项目对比

    少量虚拟案例

  • 市场贴合度

    理论讲解

  • 学员定位

    AI使用者

蜗牛项目驱动课程体系
  • 课程目标

    教系统开发

  • 知识点

    Agent开发为主

  • 项目对比

    海量商业实战项目

  • 市场贴合度

    企业场景

  • 学员定位

    AI开发者

四大核心能力 + 特色保障

课程体系亮点

四大核心能力

Python工程能力

Python语法、异步处理、FastAPI、工程化交付

智能体框架

LangChain、LangGraph、多智能体协作、工作流编排

RAG知识库

向量库、检索优化、知识入库、企业知识引擎

行业项目实战

教育 / 招聘 / 客服等商业场景落地

特色教学服务

项目答辩指导
简历教学工具
实战优化课程
全程就业指导
课程大纲
Syllabus
阶段目标
1.掌握智能体开发所必需的Python开发基础技能,熟练代码编写及掌握代码调错能力
2.掌握MySQL数据库及Linux环境搭建的基础能力,为后期智能体部署及数据库打下基础
3.掌握大模型相关的基础概念及原理,掌握大模型部署、云端调用及接口开发能力
4.掌握企业级大模型搭建方案,熟练掌握Ollama、Xinference等主流框架,完成本地大模型部署与调试使用
5.掌握运用 FastAPI 框架结合数据库完成后端项目开发与部署
6.掌握智能体的基本概念,了解智能体架构、运行机制、RAG、Embbeding、MCP等关键概念
7.掌握CherryStudio安装及配置,能够利用CherryStudio开发MCP插件及简单智能体应用
第一周
Python核心基础
知识要点
本内容涵盖 Python 环境搭建
PyCharm 使用
基础语法
数据类型
控制结构
函数与参数
包与模块
文件读写
代码规范(为后续智能体开发
大模型对接铺垫)
面向对象思想及应用
匿名函数
装饰器
迭代器函数
课程目标:
1、Python入门:Python发展史、Python应用场景、Python开发环境搭建
2、PyCharm:PyCharm的安装、设置字体、设置快捷键、PyCharm常用设置、调试
3、Python基础知识:注释、变量以及数据类型、标识符和关键字、输入函数、输出函数、运算符、程序类型转换
4、分支和循环:if判断语句、运算符、if-else语句、while循环、for循环、break、continue
5、字符串和列表:字符串输入、字符串输出、下标和切片、字符串常见函数、列表(list)、列表的循环遍历、列表的增删改查、列表的嵌套、列表的切片
6、字典和元组:字典的增删改查、字典遍历、访问元组、修改元组、集合(set)
7、函数:函数定义、函数的类型、函数参数、函数返回值、函数嵌套、局部变量、全局变量、递归函数、匿名函数
8、文件操作:文件的打开与关闭、文件的读写、文件读写应用
9、面向对象(类和对象):定义类、类的构成、类的__init__()方法、创建对象、理解self
10、面向对象(封装、继承):封装、继承、父类方法重载、私有方法、魔术方法
11、匿名函数定义及使用、装饰器使用、迭代器原理及应用
12、综合案例练习
第二周
Python高级进阶
知识要点
本内容涵盖大模型基础知识
模型本地部署
远端模型调用
Python模型调用
AI编程
Python异步编程
事件循环
协程开发等
课程目标:
1. 大模型基础知识:大模型基本原理、Transformer介绍、Function calling、RAG、MCP协议、A2A协议、Skills、大模型与Agent区别
2. 模型部署:常见模型术语、模型部署工具、ollma安装和设置、模型文件下载、模型本地调用
3. 网络编程:进程池、进程间通信、多线程、进程和线程区别、协程、网络通信、端口、IP地址、socket、UDP、TCP、http
4. 云端大模型调用:Web网络协议、Python web请求操作、End point设置、API设置、base url设置、异步编程概念、事件循环、协程、流式输出
第三周
Python Web编程及前端开发
知识要点
学习Python Web开发框架Fast API及前端开发基础
项目架构设计
三层架构拆分
路由搭建
请求处理
依赖注入
中间件
异步编程
SQL编程基础
SQL增删改查操作
课程目标:
1. 网络编程综合案例:企业级Web框架FastAPI介绍及基本使用
2. MySQL 数据库实战:学会数据库部署与远程连接,精通 SQL 基础语法、数据表操作、约束规则、多表查询及开窗函数实战
3. 前端开发基础:HTML模板、CSS、JS编程、模板渲染语法、AI辅助生成前端页面
4. FastAPI及前端编程实战:AI问答智能助手,掌握 FastAPI 框架搭配 Uvicorn 运行服务,结合 SQLAlchemy 实现数据库联动开发,完成项目实战与线上部署
第四周
Python大模型实战应用开发
知识要点
掌握提示词
微调及智能体核心技术,精通 Coze
Dify 平台使用与二次开发,实现私有知识库构建,完成电商与自媒体 AI 场景开发,掌握平台本地化部署以及 Ollama
Xinference 大模型私有化部署技术。
课程目标:
1. 大模型应用基础入门,掌握提示词、RAG、模型微调核心知识,深入了解智能体架构组成,从零搭建LLM智能体,完成工具配置、任务规划与记忆体系搭建
2. 详解智能体整体开发搭建流程,系统学习Coze、Dify两大主流平台核心功能,快速上手平台基础操作
3. cherrystduio构建RAG、ima/dify构建RAG知识库、实战搭建企业专属私有知识库,完成知识入库、向量处理与智能检索,满足企业内部知识问答需求
4. 深耕电商行业AI实战开发,实现商品卖点提炼、评论分析、客服数据整理、行业报告生成、投诉分类及营销素材创作等实用功能
5. 打造自媒体领域AI应用,借助AI快速制作行业调研PPT,学习爆款短视频复刻技巧,高效完成各类自媒体内容创作
6. 运用Python语言对接调用Coze、Dify平台工作流,打通代码与智能平台接口,实现业务功能灵活联动
7. 实操完成Dify在Windows系统本地私有化部署,脱离线上环境,实现项目独立离线运行
8. 学习企业级大模型搭建方案,熟练掌握Ollama、Xinference等主流框架,完成本地大模型部署与调试使用
阶段目标
1.掌握主流 AI 智能体开发框架的选型与基础使用,具备框架快速上手与应用能力
2.深入理解 LangChain 框架结构与运行原理,熟练掌握各核心模块的配置与调用
3.能够基于 LangChain 整合大模型与工具,独立完成通用 AI 智能体的开发与调试
4.掌握 LangGraph 使用方法,可开发支持复杂流程、多轮决策的高级智能体
5.理解多 Agent 协作模式与通信机制,具备多智能体协同开发与任务调度能力
6.熟练使用 Coze、Dify 等低代码平台,快速搭建并发布轻量化智能体应用
7.掌握 OpenClaw 小龙虾的环境安装、部署配置与基础安全权限设置
8.能够运用小龙虾搭建常用工作流,通过技能扩展实现智能体能力增强
第五周
RAG知识库应用开发
知识要点
熟练掌握RAG知识库相关的核心概念
索引过程
检索过程
生成过程
索引模块
RAG链条搭建及流式响应API开发
文档加载
文本分块
向量嵌入与向量存储
检索前处理(多查询
HyDE假设性嵌入)
检索后处理(重排序)
混合检索及分层缓存等优化方法
课程目标:
1. LlamaIndex框架基础:LlamaIndex智能体框架介绍、LlamaIndex框架结构、LlamaIndex框架核心模块
2. Milvus向量数据库:常见向量数据库介绍、词嵌入原理、Milvus向量数据库基本使用
3. 学习RAG架构的演进历程,掌握RAG效果评估体系,包括质量分数评估、基本能力评估,熟练运用Ragas评估工具开展系统评估
4. 搭建完整RAG系统,理解系统整体架构,掌握索引过程、检索过程、生成过程的核心逻辑,熟练实现索引模块、RAG链条搭建及流式响应API开发
5. 深入学习RAG索引全过程,掌握文档加载、文本分块、向量嵌入与向量存储的具体操作与核心技巧
6. 开展RAG系统优化实践,掌握检索前处理(多查询、HyDE假设性嵌入)、检索后处理(重排序)、混合检索及分层缓存等优化方法
7. 学习Graph RAG相关知识,剖析传统RAG系统的局限性,掌握基于语料库和基于已有知识图谱两种Graph RAG的实现思路
8. 深入实践基于语料库的Graph RAG开发,依次完成文本块切分、实体与关系抽取、知识图谱构建、图社区搭建、社区摘要生成及全局与局部查询实现
9. 项目实战:基于LlamaIndex+Milvus+Web+FastAPI完成基于RAG的AI在线客服系统
第六周
LangChain\LangGraph开发框架
知识要点
熟练掌握LangChain及Langgraph框架全系列核心模块用法,精通检索
记忆
智能体
函数调用等主流技术。掌握LangGraph框架入门知识
图的核心要素与构建编译方法,熟悉图中记忆机制与智能体开发,学会流式输出技巧。
课程目标:
1. LangChain框架入门,了解框架基础概念,完成框架安装配置与基础调用
2. 学习Model I/O相关内容,掌握消息处理、提示词模板、输出解析以及函数调用实操
3. 学习Chains核心知识,理解链路设计思想,熟练使用顺序链路与路由链路
4. 学习Memory记忆模块原理,熟练使用内置记忆组件,具备自定义记忆模块能力
5. 掌握LangChain智能体开发,基于LangChain的Agent抽象、自定义基于ReAct范式的Agents、使用LangChain定义的ReAct策略
6. LangGraph入门学习,理解从传统链式开发到图状开发的核心思维转变,建立图式开发认知
7. 掌握图的核心构成要素,重点学习State(状态)的定义、作用及应用,熟悉Node、Edge的基础概念
8. 实战开发:利用LangChain+Langgraph继续优化并重构AI在线客服系统
第七周
大模型实战项目-RAG实战
知识要点
项目启动
需求分析
开发及生产环境准备配置
RAG基础架构到高级架构的演进脉络
离线与在线评估方法及核心指标体系
完整RAG系统搭建全流程(数据接入
检索
生成
输出)
索引构建过程(向量化
分块策略
存储结构)与性能优化技巧
Graph RAG核心逻辑(知识图谱构建原理与检索增强机制)
基于语料库的Graph RAG全流程开发(实体关系抽取
图谱存储与查询
检索融合
生成优化)。
课程目标:
1. 项目介绍、项目定位目标和核心功能、项目架构介绍、第三方中间件与技术栈
2. 项目环境准备:docker环境、minio的环境、milvus的环境、mongo的环境测试与部署
3. 利用已学知识及智能体框架完成智能决策知识引擎
第八周
大模型实战项目-框架实战
知识要点
掌握企业级RAG系统的环境安装配置
本地知识库搭建与数据源接入
LangGraph工作流编排与状态管理
多模态数据统一解析
多路召回策略融合
智能切片方案设计
重排序机制与精度优化
生成环节的上下文压缩与幻觉抑制及提示词工程
全链路离线与在线评估体系
集中式可插拔架构设计与组件化封装
知识库动态扩展与热更新,以及系统性能调优与生产级部署。
课程目标:
1. 基于LangGraph框架,构建可插拔式企业级RAG工作流,打造前沿、灵活的检索增强架构
2. 集成MinerU与OCR技术,实现图文混排PDF文件的精准解析与多模态数据处理
3. 采用向量检索、稀疏检索与Neo4j知识图谱相结合的多路混合召回方案,提升检索精准度
4. 支持滑动窗口、Small-to-Big及语义切分等多种智能切片策略,优化文本处理效果
5. 引入HyDE假设性嵌入与BGE-Rerank重排序技术,对RAG系统进行深度性能优化
6. 集成RAGAS评估框架,实现RAG全链路检索与生成质量的自动化评估
7. 完成系统安装配置、本地知识库搭建,掌握基本操作与工作流管理,实现集中式高效运维
阶段目标
1.掌握系统学习PyTorch基础操作、神经网络核心理论、反向传播算法及模型优化技巧
2.掌握从基础张量运算到神经网络构建与优化的全流程学习
3.掌握循环神经网络、Seq2Seq与注意力机制、Transformer架构及各类预训练模型
4.掌握掌握深度学习序列处理核心技术
5.掌握GPT系列模型演进与主流LLM体系,掌握LLM基础架构、架构演进核心技术及各类开源LLM的架构特点
6.掌握大语言模型微调原理、数据集格式、微调算法、工具链使用,以及模型部署推理与评估方法
7.掌握实现大语言模型的高效微调与工程化部署
8.掌握大语言模型微调原理、数据集格式、微调算法、工具链使用
9. 掌握基于医学影像数据,训练YOLO模型实现病灶检测与识别能力
9.掌握以及模型部署推理与评估方法,实现大语言模型的高效微调与工程化部署
10.掌握完整项目开发流程,独立完成应用从开发到上架全闭环
第九周
教育AI智能体开发实战
知识要点
本系统集成多项AI教学辅助功能,包括:AI简历生成
项目经历AI智能生成
AI模拟面试(智能语音问答)
AI自动组卷
智能阅卷
自动总结课堂内容
生成思维导图等,全面赋能智慧教学场景,提升学习与管理效率。
实战目标:
1、AI简历生成:根据学生信息智能生成专业简历
2、项目经历AI智能生成:辅助学生生成高质量项目经历描述
3、AI模拟面试:支持智能语音问答,实现真实面试场景模拟
4、AI自动组卷:根据知识点自动生成个性化试卷
5、智能阅卷:自动批改主观题与客观题,生成评分报告
6、课堂内容总结:自动总结课程重点,生成学习笔记
7、思维导图生成:将课程内容自动转化为结构化思维导图
第十周
招聘面试智能体开发实战
知识要点
本系统融合大模型调用
检索增强生成(RAG)
实时语音交互(Whisper + ChatTTS)及音视频流传输(WebSocket/WebRTC)等核心技术,打造全栈式AI面试模拟平台。支持简历智能解析与岗位能力模型构建
面试知识库动态检索
多轮对话与追问生成
真实场景语音交互还原
面试表现实时分析与报告生成等能力,实现从“练”到“评”的高效备考闭环。
实战目标:
1、简历智能分析:自动解析简历内容,生成针对性面试问题
2、面试知识库RAG:基于RAG技术构建海量面试题库与知识库
3、语音识别与合成:支持语音交互,实现真实面试对话体验
4、真实场景模拟:还原不同行业、岗位的面试流程
5、面试结果分析:智能评估面试表现,生成能力雷达图与改进建议
6、多端支持:提供Web端与移动端,随时随地练习
第十一周
医疗领域智能体实战
知识要点
本系统基于WebRTC实时通信与AI技术,构建AI智慧医疗平台。支持在线视频问诊
智能分诊与辅助诊断
病历与影像AI分析
医疗知识库RAG问答
患者CRM管理
智能随访与健康建议生成
处方与报告自动生成等能力,打造覆盖诊前
诊中
诊后的全流程智能医疗助手,根据医影像响数据进行yolo模型的训练。
实战目标:
AI智能分诊:根据患者症状自动匹配科室与医生,提升就诊效率
在线视频问诊:基于WebRTC实现高清、低延迟的远程诊疗,支持多人会诊
AI辅助诊断:结合病历与影像数据,AI提供初步诊断建议,辅助医生决策
医疗知识RAG问答:基于权威医学知识库,智能回答患者与医生的医疗咨询
病历与影像智能分析:自动提取关键信息,辅助生成结构化病历与影像报告
患者CRM管理:统一管理患者档案、就诊记录与随访计划
智能随访与健康建议:AI自动生成个性化康复与健康管理建议,提升患者依从性
基于医疗影像数据和报告进行标准,并完成本地模型部署,利用yolo模型来进行训练模型数据
第十二周
神经网络基础
知识要点
系统学习PyTorch基础操作
神经网络核心理论
反向传播算法及模型优化技巧,完成从基础张量运算到神经网络构建与优化的全流程学习。
课程目标:
1. 掌握PyTorch环境安装、张量创建、类型转换、数值计算、运算函数、索引、形状调整、拼接操作及自动微分功能,并通过线性回归案例完成实战应用
2. 学习神经网络基础理论,掌握多层感知机、激活函数、参数初始化方法及神经网络模型搭建流程
3. 理解神经网络数据驱动学习机制,掌握损失函数、梯度下降法及基础学习算法的实现逻辑
4. 深入学习反向传播核心算法,理解计算图、链式法则原理并完成算法代码实现
5. 掌握神经网络优化方法,包括参数更新、权重初始化、正则化、学习率衰减及梯度消失与爆炸问题处理
第十二周
大模型框架原理
知识要点
NLP算法基础
GPT系列模型演进与主流LLM体系,Transfomer模型原理
掌握LLM基础架构
架构演进核心技术及各类开源LLM的架构特点。
课程目标:
1. 深入学习Transformer模型,全面解析模型结构、训练流程与推理实现
2. 梳理GPT系列模型的完整演进脉络,了解各版本模型的核心升级点、技术突破与应用场景迭代,把握大语言模型的发展趋势。
3. 全面概览当今主流大语言模型(LLM)体系,熟悉各类模型的定位、优势及适用场景,建立对LLM生态的整体认知。
4. 拆解LLM基础架构组成,深入理解输入层、Transformer Block、输出层的核心功能与工作逻辑,掌握模型底层构建原理。
5. 探究LLM架构的演进历程,重点学习Attention机制、Feed Forward Network(前馈网络)、残差连接与归一化、位置编码的技术迭代与作用。
6. 解析主流开源LLM的架构特点,包括DeepSeek V3、Llama 4、Qwen3、GPT-OSS等,了解不同开源模型的架构差异与应用优势。
7. 项目实战:手搓Transformer基础算法、掌握大模型运行原理。
第十二周
大模型微调核心
知识要点
大语言模型微调原理
数据集格式
微调算法
工具链使用,以及模型部署推理与评估方法,实现大语言模型的高效微调与工程化部署。
课程目标:
1. 深入理解大语言模型微调原理,熟练掌握BaseModel、InstructModel两种基础模型的特性,精通ChatTemplate聊天模板的设计与应用,为模型微调奠定基础。
2. 掌握大语言模型微调的主流数据集格式,重点熟悉alpaca指令跟随格式和shareGPT多轮对话格式的规范与使用,确保数据集适配微调需求。
3. 熟练运用各类微调算法,包括全参微调、参数高效微调(LoRA、QLoRA),以及分布式训练相关技术(数据并行、张量并行、流水线并行、专家并行、零冗余优化器),提升微调效率与效果。
4. 熟练掌握主流微调工具链的使用方法,包括Huggingface SFT、Huggingface Accelerate、Unsloth、DeepSpeed、Lamma Factory,搭建高效的微调环境。
5. 精通大语言模型的部署与推理技术,掌握vLLM部署工具、PagedAttention分页显存管理机制、Continuous Batching连续批处理调度、KV Cache高效复用,以及与OpenAI API兼容的服务化部署方式。
6. 建立完善的模型评估体系,运用EvalScope工具,结合全面的评测基准,开展推理性能压力测试,生成详细的交互式测试报告,保障模型输出质量。
第十三周
就业面试题讲解
知识要点
大模型相关技术知识点
项目经验梳理
面试真题解析
简历优化
模拟面试
职业规划及作品集整理等核心能力,助力学员高效应对大模型岗位面试。
课程目标:
1. 系统梳理Python、系统架构、大模型应用、LangChain/RAG、大模型微调、智能体开发等核心技术知识点,按面试高频考点进行系统复盘,构建完整的技术知识体系。
2. 拆解7大实战项目的技术亮点、业务价值、难点突破及性能优化点,指导学员梳理项目经验,提炼可直接写入简历的项目描述。
3. 精讲大模型岗位高频面试真题,涵盖基础原理、代码实操、架构设计、场景方案、模型微调等八大类核心考点,解析答题思路与技巧。
4. 针对性优化简历结构,指导学员优化技术栈呈现、量化项目成果、突出技术亮点,提升简历通过率。
5. 开展技术面、项目面双场景模拟面试,现场点评不足、明确提升方向,强化表达与逻辑思维能力。
6. 明确大模型相关岗位定位与能力要求,帮助学员清晰规划职业发展路径,明确岗位核心能力需求。
7. 指导学员整理可演示的项目作品集,规范呈现技术成果,增强面试竞争力。
8. 讲解各类面试场景应答策略,包括场景题、项目深挖及压力面试应对技巧,助力稳定发挥。
第十四周
简历指导模拟面试
蜗牛学院项目池:
微信小程序开发,智能物联网系统,电子商务平台,P2P金融信贷系统,移动端应用开发,行业爬虫应用开发,区块链应用,知识付费平台,共享停车平台,竞价拍卖平台,供应链管理平台,中国商飞服务平台,装饰联盟平台APP,丑团APP,瑜伽健身App,小麦网在线购票,物流管理系统,财务管理系统,CRM客户关系系统,教育运营管理系统,超级达人,停车场管理系统,连锁经营管理系统,微信云商城,答题小能手APP,家有喜事婚庆平台,启明星少儿编程,爱浪旅游App,Biu陌生交友平台,智能阅卷系统等。

补充自选课程:
区块链开发,数据结构与算法,游戏外挂,UML,项目管理,Oracle数据库,MongoDB,大数据,移动端App开发,Web前端框架,OpenCV图像处理,Lucene全文搜索,Spring Security,人工智能,自动化测试,自动化运维,Python开发等(持续更新中)。

就业与面试辅导:
职业素养类课程,简历指导与面试技巧,模拟面试与辅导,办理离校手续,讲师与导师全程辅导直到正式就业。
第一阶段
Python智能体开发基础
第二阶段
智能体框架开发实战
第三阶段
大模型原理与实战
第四阶段
就业强化阶段