智能体工程课程体系 — 离身智能 × 具身智能

🔁 Token 经济时代：从离身智能到具身智能的数字孪生

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。AI 编程智能体（Cursor、Copilot 等）改变了开发者工作方式，智能体编排工具已将多智能体协作从实验室带入生产环境。

本仓库围绕这一命题构建了两条互补的学习路径：

▎Track A：智能体工程与知识工作流（数字空间）

从概念理解、方法论训练，到 Workflow 设计、Agent Skill 封装与 MCP 协议集成，最终实现可运行、可复用、可演进的智能体系统构建能力。

▎Track B：具身智能机器人技术（物理世界）

以 AIoT 与开源硬件（Arduino、ESP32、Raspberry Pi）为核心载体，从传感器到执行器，完整覆盖”感知→决策→行动”的全栈工程化能力。

2. 课程目标

Track A：掌握 TUI 驱动的 AI 编程智能体 围绕 Token 经济背景下的工程化思维，系统掌握 TUI（Terminal/Tool-Use Interface）驱动的 AI 编程智能体开发、编排与迭代能力，实现从”手写代码”到”编排智能体完成开发”的范式升级。

Track B：以 AIoT 与开源硬件为驱动 聚焦 AIoT 与开源硬件生态（如 Arduino、ESP32、Raspberry Pi），从传感器数据采集到执行器控制，掌握物理世界智能系统的感知、决策与行动全栈构建能力。

3. 适合人群与前置基础

Track A 面向知识工作者、产品经理、开发者及任何希望系统掌握 AI 智能体工程化方法的人。无需编程基础，但具备基本命令行操作能力更佳。

Track B 面向工程师、研究者和具备基础编程能力的爱好者。建议具备 Python 基础，了解基本电子电路概念。

两条路径可独立学习，也可交叉选修。

4. 课程体系

当代码生成、内容生产、辅助决策乃至行动执行都逐渐被 AI 接管，人类真正不可替代的能力，不再是完成某个孤立任务，而是将 AI 能力组织为可运行、可复用、可迭代系统的工程化能力。这是贯穿本课程体系的第一性原理。

本体系沿两条互为镜像的路径展开：Track A 面向数字空间，深入智能体工程与知识工作流，从 Prompt 工程、Agent Skill 封装到多智能体编排，逐层构筑智能体系统的设计、调度与演进能力；Track B 面向物理世界，进入具身智能机器人的工程现场，从传感器融合、边缘推理到执行器控制，完整贯通”感知→认知→决策→执行”的全栈闭环。

两条路径共享同一个工程思维内核：在数字世界中，AI 被编排为能够思考、协作与生产的智能体系统；在物理世界中，AI 被嵌入能够感知、判断与行动的机器人系统。二者并非彼此割裂的方向，而是 AI 能力从离身智能走向具身智能的连续映射，共同构成 Token 经济时代的生成式工程实践图景。

Track A：智能体工程与知识工作流

课程	核心内容	交付
入门篇	生成式 AI 基础、Prompt 工程、Obsidian 知识管理	可运行的知识助手智能体
理论篇	SCORE 框架、知识工作流方法论、生成式思维	标准化工作流设计能力
工作流篇	Dify、Coze、N8N 等工作流平台实践、多智能体 MAS 协作	可运行的 AI 工作流与多智能体系统
开发篇	MCP 协议、Agent Skill 封装（规划/反思/工具调用）、RAG 实战	多智能体协作系统

Track B：具身智能机器人技术

模块	核心内容	交付
具身智能机器人智能感知与训练实践	多传感器融合、边缘部署、行为树决策、强化学习、Sim2Real、ROS2 运维、遥操作、工业分拣	全栈具身智能系统 + 工业分拣仿真
工业视觉集成与高级应用	工业相机、OpenCV 流水线、手眼标定、缺陷检测、多机器人协同、无序抓取	工业视觉抓取系统方案

两条路径可独立学习，也可交叉选修。离身智能 × 具身智能——数字空间的编排与物理世界的行动互为镜像、彼此映射，共同铺就 Token 经济时代最完整的工程化实践图景。

5. 环境准备

Git：版本控制基础工具
GitLink 账号：用于 Fork 仓库、提交作业与协作
Python 3.10以上：Track B 及开发篇实验所需
代码编辑器：推荐 OpenCode、CherryStudio、VS Code 或 Cursor
硬件（Track B 选修）：Arduino、ESP32、Raspberry Pi 等开源硬件平台

6. 学习成果

完成本课程体系后，你将具备：

工程化思维：将模糊任务拆解为结构化流程，设计可复用、可审计的 AI 工作流
智能体系统构建：独立搭建从 Prompt 工程到多智能体 MAS 协作的完整系统
具身智能全栈能力：贯通传感器、边缘推理、执行器控制的物理世界 AI 工程闭环
工具与方法论迁移力：不绑定特定平台，面对新协议和新工具时能快速洞察本质

7. 如何开始学习

7.1 Fork 课程仓库

点击仓库页面右上角的 Fork 按钮，将课程仓库复制到你的 GitLink 账号下，获得一个独立可写的个人副本。

7.2 Clone 到本地

git clone https://gitlink.org.cn/你的用户名/Git4GenThinking.git
cd Git4GenThinking

💡 查看课程完整更新历史请见 **更新日志**。

7.3 创建学习分支

请勿直接在 main、dev 或 feature 分支上修改。为每次实验或作业创建独立分支：

git checkout -b learning/你的名字

后续所有修改、提交均在该分支中完成。学习不再是一次性提交作业，而是持续构建、反思与积累的过程。

8. 课程的独特价值

在 Token 经济时代，Git4GenThinking 的独特之处越发清晰：

工程思维 > 工具技能：不绑定 Coze、OpenClaw、Hermers 等特定平台，聚焦问题本身——如何拆解模糊任务、如何与机器结构化沟通、如何设计有状态系统。
学习过程 = 工程实践：方法论与 Git 工作流结合，用最规范的软件开发方式管理知识资产，每一次 Token 调用都纳入成本意识。
系统架构 > 功能点：不止于 API 调用与 Prompt 写作，深入探讨状态、记忆、约束、接口在系统层的作用，引入 MCP 协议作为多智能体协作的”通用语”。

如果说 Agent Skill 课程是教你”如何更礼貌地向 AI 许愿”，OpenClaw / Hermers 是塞给你一个”能干活的智能体仆人”，那么 《Git4GenThinking》 则是把你带进控制室，掌握编排、度量和演进智能体系统的架构能力。

Track A × Track B，共同构成 **”从离身到具身的数字孪生”**——生成式思维在 Token 经济时代最完整的实践图景。