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

主线项目围绕感知 → 检索 → 诊断 → 报告四角色协同闭环展开，对应智能体核心层，是第 3 周的核心产出。

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

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
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

4.6 配套 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

---

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

course-ai-engineering/
├── README.md                 # 课程说明（本文件）
├── syllabus/                 # 课程纲要与总体蓝图
│   ├── course_overview.md    # 课程总体蓝图（4 周 / 4 模块 / 20 讲）
│   └── week1..week4_plan.md  # 各模块（周）课程纲要
├── lectures/                 # 讲义与实验教程
│   ├── theory/               # 理论讲义 ch00..ch02
│   └── tutorials/            # 分步实操教程 ch01..ch02
├── colab/                    # Colab 笔记本与 Jupyter
│   ├── notebooks/            # lectures / tutorials 笔记
│   └── environment_setup.md  # 开发环境安装与配置说明
├── docs/                     # 课程文档（预留）
└── iamges/                   # 图片资源（预留）

---

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 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。