> 本文转载自「深蓝 AI 大课堂」
传统应用开发的核心是“精准定义”每一步的执行逻辑。Agent开发不同：开发者定义目标和边界，由Agent自主规划执行路径，而不是预设具体步骤。
仍有不少开发者对Agent的理解还停留在“写几行提示词+调个API”。但真正的工业级Agent对技术的要求越来越高，仅掌握Prompt或者简易的RAG系统，已经无法满足复杂多变的生产环境需求。
基于此，深蓝学院开设了「工业级RAG系统与Agent应用开发实践」课程，每章末尾新增 LangGraph/LangChain补充讲解（详解内容看后文），授课讲师为大模型与Agent算法研究员陈家豪，老师所在的团队已经落地了几十个AI项目，曾为企业带来数千万的商业营收。以下是实训项目demo展示：
（实践项目：报告撰写智能助手）
扫码咨询，了解详情
报满即止，抢占学习名额
对于技术基础好的同学，可以选择langchain\langgraph组合
对于技术基础较弱的，可以选择低代码的平台lazyllm
同一个项目，你可以分别用适合快速私有化交付的 LazyLLM，和适合互联网大厂生产级系统的 LangGraph 各做一遍。两个都会，简历想写哪个写哪个。
扫码咨询，了解详情
报满即止，抢占学习名额
硬技能
掌握使用商汤自研大模型应用框架 LazyLLM 快速搭建并部署 ChatBot、RAG、AI Agent应用全流程。
系统掌握 RAG 系统的发展路线以及优化策略，掌握工业级RAG系统的实现思路。
掌握 MCP Server 的实现原理与接入应用方式，具备设计单智能体、多智能体应用的能力。
软实力
指标驱动迭代思维：掌握RAG系统评估思路，亲自尝试自动评估→调参→再评估的性能提升闭环。
协议化、插件化开发理念：告别重复造轮子，让模型能力像积木一样组合。
具备短时间内完成一个可演示、可度量、可扩展的AI应用原型的能力。
适合人群
1.AI应用开发者/全栈工程师
扫码咨询，了解详情
报满即止，抢占学习名额
-- 完 --
机智流推荐阅读：
1.
2.
3.
4.
cc | 大模型技术交流群 hf | HuggingFace 高赞论文分享群 lc｜LangChain 技术交流群 code | AI Coding 交流群 具身 | 具身智能交流群 硬件 | AI 硬件交流群 推理 | AI 推理框架交流群 Agent | Agent 技术交流群
