AI 智能体综合实训

🔁 项目驱动 · 做中学 · 全栈智能体工程

1. 课程概述

在 Token 经济时代，高效使用 AI 能力已成为工程问题。学生掌握了 LangChain/LangGraph 智能体框架，却往往缺乏系统软件架构认知、智能体角色与功能拆解能力薄弱、无前端开发基础，导致项目无法可视化落地。

本课程依托边缘智能实训硬件，以知识图谱驱动的多角色协同 AI 智能体系统为唯一主线项目，通过 4 周递进式实操，打通”软件架构设计 → AI 智能体开发 → 全栈系统落地”的完整链路。

课程名称：AI 智能体综合实训 总学时：4 周（4 个模块，20 讲） 定位：项目驱动的实训课（动手为主、理论为辅） 主线项目：基于知识图谱与多角色协同智能体的行业智能运维平台

---

2. 课程目标

沿知识图谱底座 → 单智能体问答 → 多智能体协同 → 全栈系统落地的进阶路径，逐层搭建、逐层复用。

维度	目标	对应阶段
知识目标	掌握 AI 全栈四层架构、Neo4j 图建模与 Cypher、通义千问 API 与 LangChain、RAG 检索增强、LangGraph 多智能体工作流、Django 与 Vue 全栈、Docker 部署	M1-M4
能力目标	一键部署 Neo4j 脚手架、封装检索工具、搭建多角色协同工作流、前后端联调、Docker 一键打包、GitLink 分支协作与 PR 合并	M1-M4
素养目标	模拟企业研发团队、培养项目汇报与协作、养成工程化习惯、强化 AI 数据安全与提示词规范意识	—

---

3. 适合人群与前置基础

适用对象：人工智能 / 物联网 / 大数据 / 计算机 / 智能装备专业大三-大四学生。

前置知识：Python 基础、简单 SQL、了解基础 AI 概念。

无需本地 GPU——大模型走通义千问 DashScope 云端 API。

---

4. 课程体系

本课程以贯穿 4 周的主线项目为唯一载体，实训全程遵循企业项目全生命周期：架构讲解 → 需求拆解 → 知识库构建 → 智能体角色开发 → 后端接口封装 → 前端可视化联调 → 容器部署 → 综合答辩。

4.1 模块全景

模块	主题	周	讲数	训练任务	核心产出
M1	知识图谱底座	W1	5	建图谱 + 检索工具	可查询设备故障图谱
M2	单智能体问答	W2	5	诊断智能体	能查图谱的问答智能体
M3	多智能体协同	W3	5	四角色协同	多角色协同工作流
M4	全栈系统落地	W4	5	前端 + 部署	可访问可部署平台

4.2 模块依赖与进阶路径

贯穿逻辑：第 1 周图谱检索函数被第 3 周复用；第 2 周单智能体第 3 周拆解扩展为四角色；第 3 周多智能体被第 4 周封装为可访问全栈系统。

4.3 四角色协同工作流

第 3 周（M3）将第 2 周的单智能体问答重构为可编排、可调试、可验收的多智能体协同工作流。系统把一次设备故障诊断拆分为四个职责清晰、输入输出明确的角色节点：

角色	核心职责	主要产出
感知	接收用户问题，提取设备、现象、时间等关键信息，形成标准化诊断请求	结构化问题与查询条件
检索	复用 M1 的图谱检索函数，查询故障、原因、部件和解决方案等证据	检索结果与证据列表
诊断	基于检索证据分析故障原因；根据图谱是否命中执行正常诊断或未命中兜底/拒答	诊断结论与置信依据
报告	汇总诊断过程和证据，生成结构化、可追溯的最终报告	故障诊断报告

四个角色通过 LangGraph 的 State / Node / Edge 连接：感知节点初始化全局状态，检索节点获取证据，路由节点根据“图谱命中/未命中”选择后续路径，诊断节点完成分析，报告节点统一输出。工作流同时配置重试、超时、降级、拒答、最大迭代次数和错误隔离，并记录节点输入输出、分流结果、错误码与 trace_id，保证异常时可定位、不可用时可兜底、并发时状态不串线。

4.4 课程讲义与实验导航

章节	课程讲义	实验文档
课程总览	项目实训全景	—
第 1 章：全栈架构设计能力	全栈架构设计能力	实验 1：全栈架构设计
第 2 章：图数据建模能力	图数据建模能力	实验 2：图数据建模
第 3 章：数据导入工程能力	数据导入工程能力	实验 3：数据导入工程
第 4 章：检索服务封装能力	检索服务封装能力	实验 4：检索服务封装
第 5 章：工程整合与交付能力	工程整合与交付能力	实验 5：工程整合与交付
第 6 章：智能体对话能力	智能体对话能力	实验 6：智能体对话能力
第 7 章：智能体工具绑定能力	智能体工具绑定能力	实验 7：智能体工具绑定能力
第 8 章：智能体集成测试能力	智能体集成测试能力	实验 8：智能体集成测试能力
第 9 章：后端接口工程能力	后端接口工程能力	实验 9：后端接口工程能力
第 10 章：链路联调与文档能力	链路联调与文档能力	实验 10：链路联调与文档能力
第 11 章：智能体工作流编排能力	智能体工作流编排能力	实验 11：智能体工作流编排能力
第 12 章：多智能体角色设计能力	多智能体角色设计能力	实验 12：多智能体角色设计能力
第 13 章：协同调度与容错能力	协同调度与容错能力	实验 13：协同调度与容错能力
第 14 章：后端服务化与自动化测试能力	后端服务化与自动化测试能力	实验 14：后端服务化与自动化测试能力
第 15 章：接口契约与验收能力	接口契约与验收能力	实验 15：接口契约与验收能力

4.5 参考文档

文档	用途
课程环境搭建说明	Python、Neo4j、DashScope 环境安装与配置
LangChain 基础入门指南	LangChain 核心组件与 Week2 开发快速参考
Cypher 入门指南	Neo4j 图查询语言快速参考
GitLink 使用指南	GitLink 仓库协作与提交操作说明
课程协作 FAQ	PR 提交、冲突处理和常见协作问题

4.6 项目软件工程文档模板

模板名称	文件
选题登记表	01_选题登记表.md
项目章程	02_项目章程.md
项目可行性分析报告	03_项目可行性分析报告.md
项目需求分析说明书	04_项目需求分析说明书.md
系统总体架构设计说明书	05_系统总体架构设计说明书.md
知识图谱Schema设计说明书	06_知识图谱Schema设计说明书.md
图谱数据导入与质量报告	07_图谱数据导入与质量报告.md
检索服务接口契约	08_检索服务接口契约.md
智能体模块设计说明书	09_智能体模块设计说明书.md
系统功能设计说明	10_系统功能设计说明.md
系统模块开发说明	11_系统模块开发说明.md
接口设计说明书	12_接口设计说明书.md
软件测试计划	13_软件测试计划.md
智能体集成测试报告	14_智能体集成测试报告.md

4.7 知识库数据采集Demo

Demo	说明
IoT 设备故障问诊智能体 - 预制知识库	为知识图谱项目提供预制知识库与模拟数据的数据生成 Demo，支持第 1 周知识图谱底座建设
Phase 1：预制知识库 + 模拟数据	为 8 个 IoT 领域生成 Schema 定义、模拟数据、领域文档
Phase 2：知识提取 + 数据增强	从领域文档中提取结构化故障知识，用真实原因/方案替换占位文案

---

5. 技术栈全景

层次	技术	用途	涉及模块
数据持久层	Neo4j + MySQL	设备故障图谱 + 会话/配置存储	M1-M4
智能体核心层	LangChain → LangGraph + Qwen	智能体编排、大模型推理	M2-M4
后端服务层	Python + Django REST Framework	REST 接口、日志、异常捕获	M3-M4
前端交互层	Vue2 + ElementUI + ECharts	对话、图谱可视化、知识库管理	M4
部署	Docker / docker-compose	镜像打包、一键部署	M4
协作	GitLink	小组仓库、分支、PR 合并	M1-M4

---

6. 仓库结构

ai-engineering-demo/
├── README.md                 # 课程说明（本文件）
├── LICENSE                   # 许可证
├── docs/                     # 课程文档
│   ├── colab/                #   Colab 笔记本与示例
│   │   ├── notebooks/        #     Jupyter 笔记本（理论/实验）
│   │   └── samples/          #     参考示例文档（需求/设计/测试）
│   ├── faq.md                #   课程协作 FAQ
│   ├── images/               #   图片资源（各章节示意图）
│   ├── lectures/             #   讲义与实验教程
│   │   ├── reference/        #     参考手册（LangChain/RAG/LangGraph/Cypher）
│   │   ├── theory/           #     理论讲义（ch00-ch10）
│   │   └── tutorials/        #     实验教程（ch01-ch10）
│   ├── syllabus/             #   课程纲要与总体蓝图
│   └── templates/            #   项目软件工程文档模板
│       ├── issue/            #     Issue 模板（任务/Bug/日志/里程碑）
│       └── management/       #     项目管理文档模板（选题/章程/需求/设计/测试等）
├── demo/                     # 演示项目
│   ├── iot-knowledge-base/   #   IoT 设备故障知识库 Demo
│   │   ├── phase1/           #     阶段一：预制知识库 + 模拟数据
│   │   └── phase2/           #     阶段二：知识提取 + 数据增强
│   └── single-agent-demo/    #   单智能体问答 Demo（LangChain + Neo4j）
│       ├── agent/            #     智能体核心模块
│       ├── backend/          #     Django 后端接口
│       ├── data/             #     数据层（Neo4j 查询）
│       ├── frontend/         #     Vue 前端界面
│       └── tests/            #     测试用例
└── docs/superpowers/         # AI Agent 工作流文档
    ├── specs/                #   设计规格文档
    ├── plans/                #   实现计划文档
    └── BUG-log.md            #   BUG 处理记录

---

7. 环境准备

开课前必须完成环境安装与账号申请，详细步骤见 colab/environment_setup.md。

硬件底线：i5 及以上处理器、内存 ≥8GB、硬盘空余 ≥50GB、操作系统 Windows 10+ / macOS / Ubuntu、浏览器 Chrome 最新版。

开课前必须申请的账号与密钥：

账号/密钥	用途	保密要求
通义千问 DashScope API Key	调用大模型	严禁写入代码、提交进 Git、发到群里
GitLink 账号	小组 Git 协作	—

⚠️ 注意：API Key 是敏感凭证。不硬编码、不提交、不泄露——.env 永不进 Git，.env.example 才进 Git 分享结构。

关键版本兼容组合：Neo4j 4.4.x LTS（社区版）+ py2neo==2021.2.3。请勿装 Neo4j 5.x（py2neo 不支持）。

---

8. 每周学习路径

周	模块	建什么	交付物
第 1 周	知识图谱底座	数据持久层（Neo4j 图谱 + py2neo 检索工具）	《选题登记表》《项目章程》《角色分工表》；图谱 schema、CSV 数据、Cypher 脚本、检索函数；周报 1
第 2 周	单智能体问答	智能体核心层的一部分（LangChain + Qwen 单智能体）	模型调用 Demo、Prompt v1、10 组样例对话、检索增强问答 Demo；测试报告；周报 2
第 3 周	多智能体协同	完整智能体核心层（LangGraph 四角色协同）	LangGraph 状态图、四角色工作流代码、角色 Prompt、样例对话；测试报告；周报 3
第 4 周	全栈系统落地	前后端 + 部署（Django + Vue + Docker）	Django 接口 + API 文档、Postman/Newman 测试集、Vue 前端页面、Docker 配置、测试报告、答辩材料（PPT/演示）

每周的成果都是下周的原料——第 1 周的图谱和检索函数，是后续逐层往上的地基。

---

9. 评估体系

评估维度	方式	权重
日常过程	环境搭建、任务完成度、小组协作、周报	30
项目功能实现	多角色智能体、后端接口、前端运行	40
文档与交付物	需求文档、接口文档、测试报告	15
答辩展示	PPT 讲解、系统演示、角色设计阐述	15

---

10. 如何开始学习

10.1 克隆本仓库

git clone https://gitlink.org.cn/你的用户名/Git4GenThinking.git
cd Git4GenThinking/courses/course-ai-engineering

10.2 快速开始

分支	用途	维护者
master	课程 Demo 参考版本、公共脚手架和示例	课程导师
develop	各组开发集成分支，接收各组 PR	课程导师
group-001 ~ group-015	第 1~15 组项目成果	各小组

• 学生在本组分支上开发，通过 PR 提交到 develop 进行集成。
• 各小组的代码、文档、Issue、运行证据和 Release 均归档在本组分支。

将 group-XX 替换为本组分支名称：

git clone https://www.gitlink.org.cn/gzkoala/ai-engineering-demo.git
cd ai-engineering-demo
git fetch origin
git switch --track origin/group-XX

开始开发前请确认：

1. 已切换到本组分支。
2. 已阅读 docs/syllabus/project_management_guide.md。
3. 已阅读当前周的 syllabus/weekX_todo.md。
4. 已创建或认领对应的 GitLink Issue。
5. 已配置本地 .env，且 .env 未被提交。

10.3 代码提交目录规范提醒

各位同学，为避免 PR 冲突，请遵守以下目录规范：

1. 所有代码/文档只放本组目录 workgroups/group-XX/，PR 的改动也只应出现在这个目录下。
2. develop 根目录除 workgroups/ 目录外，不要存放任何文档和其他目录。
3. 不要提交 venv/、__pycache__/、node_modules/、.env、*.sqlite3、.vscode/ 等；根 .gitignore 已统一配置，不要修改。组内有额外忽略需求，写在 workgroups/group-XX/.gitignore。
4. 提交前自查：git status 改动都在本组目录；git diff --stat origin/develop...HEAD 只应列出本组文件。

之前出现的冲突（根目录误传代码、误删他组文件、改根 .gitignore）几乎都是跨目录提交造成的，请务必按规范执行。

10.4 快速参考文档

1. 阅读 syllabus/course_overview.md 了解 4 周整体蓝图；
2. 按 colab/environment_setup.md 完成环境搭建并申请 DashScope API Key；
3. 从第 1 周知识图谱底座开始，逐模块递进完成主线项目。

11. 最终交付标准

最终版本应包含可运行源代码、完整项目文档、README.md、.env.example、依赖清单、部署说明、自动化测试、软件测试报告、版本发布说明、项目验收报告和演示记录。

项目最终评价不仅看“程序能否运行”，还看项目是否可理解、可复现、可测试、可交接和可继续迭代。