> 导语：理论的尽头是实践。我们已经理解了 LoRA 的原理，并学会了如何“指挥”GPT-4 为我们生产高质量的微调数据。现在，万事俱备，只欠“开炉炼丹”。本章将是一次纯粹的、从头到尾的动手实战。我们

> 导语：在上一章，我们掌握了 LoRA 这把“手术刀”。但再高明的外科医生，也需要对“病灶”有清晰的了解才能下刀。在模型微调这个“手术”中，数据就是我们要处理的“病灶”，它的质量直接决定了手术的成败

> 导语：欢迎来到课程的最后一周！在前四周，我们如同“装备大师”，学会了使用 Prompt、工具、框架、评估体系等“外功”来武装我们的 Agent。但面对某些高度专业的垂直领域（如医疗、法律、金融），

> 导语：在 AI 应用可观测性（LLMOps）的江湖中，有两个名字你一定绕不开：Langfuse 和 LangSmith。前者是我们本周深度学习和实践的开源利器，后者则是 LangChain 官方出

> 直播导语：各位同学，欢迎来到第四周的收官直播！我们已经学会了如何追踪、评估和加固我们的 AI Agent。但一个残酷的现实是：上线只是开始，运维才是“正餐”。一个今天表现完美的 Agent，明天可

> 导语：在上一章，我们构建了一个“AI 防火墙”，学会了如何检测正在发生的攻击。然而，在安全领域，仅仅满足于“发现问题”是远远不够的。一个真正健壮的系统，需要构建纵深防御（Defense in De

> 导语：我们已经构建了功能强大、可观测、可评估的 AI Agent。但我们是否忽略了一个致命的“阿喀琉斯之踵”——安全？当你的 Agent 能够调用 API、访问数据库、甚至执行代码时，它就从一个信

> 导语：我们已经学会了用 Langfuse 收集 AI 应用的“痕迹”（Traces）。现在，是时候从这些痕迹中“断案”了——也就是进行评估。评估是连接“可观测性”和“持续优化”的桥梁。在本章中，我

> 导语：在上一章，我们已经成功地在本地运行了 Langfuse，并初步领略了其强大的追踪能力。现在，是时候将这项能力应用到我们之前构建的各种 AI 应用中了。本章将是一次聚焦于“集成”的实战演练。我

> 导语：在上一章，我们建立了评估体系的“理论大厦”。但理论需要工具来落地。如果说开发 AI 应用像是在造一架精密的飞机，那么没有追踪和可观测性工具，就相当于在没有仪表盘和黑匣子的情况下“盲飞”。这无

> 导语：欢迎来到课程的第四周！在过去的三周里，我们掌握了如何“构建”一个能跑、能用、甚至能部署的 Agentic AI 应用。但是，一个更深刻、更具挑战性的问题摆在我们面前：我们如何科学地度量我们构

> 导语：欢迎来到第三周的终极实战！我们已经成功地将“旅小智”部署到了云端。但是，部署成功只是一个新的开始。在真实的生产环境中，系统会在你意想不到的时间、以你意想不到的方式出现问题。当凌晨三点，告警短

> 直播导语：大家晚上好！欢迎来到第三周的最后一场直播。在上一节课，我们用 Docker Compose 成功地在本地一键启动了“旅小智”全栈应用，这非常酷！但是，本地的成功只是第一步。将一个 AI

> 导语：我们已经成功地在本地开发并运行了“旅小智”这个由前端、后端和 AI 核心组成的全栈应用。但是，我们的“征途”还未结束。如何将这个由多个服务组成的复杂系统，方便、可靠地部署到任何地方？如何让一

> 导语：在前两章，我们绘制了“旅小智”的宏伟蓝图，并搭建了其前后端的“骨骼”。现在，是时候为它注入“灵魂”了。本章将是一次从设计到实现、从后端到前端的完整开发实录，我们将把之前所有的理论和设想，全部

> 导语：蓝图已经绘就，是时候砌上第一块砖了。一个生产级的 AI 应用，绝不仅仅是后台的智能逻辑，更需要一个稳定可靠的服务端和一个与用户流畅交互的前端界面。在本章中，我们将进行一次“全栈开发”的冲刺，

> 导语：欢迎开启课程第三周的挑战！在经历了第一周的“单兵作战”和第二周的“团队协同”之后，我们将在本周完成一次“集团军”级别的综合项目实战。我们的目标是构建一个名为 “旅小智”（TripGenius

> 直播导语：同学们好，欢迎来到我们第二周的直播课！在这一周里，我们一起探索了 LangGraph 的强大功能，并完成了 DeepResearch 这个相当有挑战性的结业项目。我看了大家提交的“作业”

> 导语：在前面的章节中，我们已经掌握了 LangGraph 的基础用法：如何定义节点、如何连接边、如何构建简单的 Agent 工作流。但在实际的生产环境中，我们往往需要处理更复杂的场景：根据运行时的

> 导语：大家好，欢迎来到我们第二周的最后一讲。在过去的几天里，我们成功地从零到一构建了一个强大的多智能体研究系统——DeepResearch。它可以在我们的本地机器上出色地完成任务。但是，如何将这个