AI 工程实战训练营

这个 Agent 能做什么，适合哪些场景？

这是一个自学式 AI 工程课程仓库，内容从 Python、数学、线性模型和 PyTorch 延伸到 MLOps 与大语言模型应用。AI 系统课程介绍 Ollama、本地模型、提示工程、LangChain、DSPy、模型评估和微调。RAG 与上下文工程部分覆盖文档处理、分块、向量检索、混合检索以及 LangChain 和 Ollama 实现。智能体课程使用 LangGraph、LangChain、MCP 和 Streamlit 等构建工作流、数据库助手及本地文件知识助手。仓库提供教程和视频链接，但未说明一个统一安装器、可直接运行的单一产品或统一部署边界；具体运行环境需按各教程配置。

课程教程带领学习者处理文档并构建知识库，使用 embeddings、向量数据库、BM25、重排序与查询改写实现检索增强生成；还演示如何用 Ollama 运行本地模型、通过 LangChain 构造应用，并用 LangGraph 编排工作流或智能体。示例产物包括聊天机器人、RAG 系统、数据库问答工具、MCP 文件助手、Reddit 分析报告和金融分析多智能体系统。另有课程讲解用 QLoRA 微调模型，以及用 DSPy 优化提示。仓库本身没有声明统一命令或 API 来运行这些示例。

1. 希望从 Python 和 PyTorch 基础过渡到生产机器学习流程的学习者，可按 Foundations 与 MLOps 课程逐步练习。
2. 需要在本机运行模型并学习提示、工具调用或结构化输出的工程师，可学习 Ollama Quickstart 和 AI Engineer Toolkit。
3. 要让问答应用检索 PDF、表格或私有文档的开发者，可参考文档处理、分块、向量数据库与 RAG 教程。
4. 希望学习 LangGraph 工作流与智能体的开发者，可跟做支持工单、数据库问答或本地 MCP 文件助手项目。
5. 需要探索提示自动优化或领域模型训练的实践者，可学习 DSPy 与 QLoRA 微调课程。

如何安装或部署这个 Agent？

这是教程集合，README 没有提供仓库级安装命令、统一依赖清单、环境变量或单一应用的首次启动步骤。各课程分别介绍 Python、Ollama、LangChain、LangGraph、Streamlit 等工具；请依据要学习的具体教程准备相应运行环境。部分教程提供 Google Colab 打开入口，但仓库未说明所有课程都可在 Colab 上运行。

如何使用这个 Agent？

从 README 的课程目录选择教程，打开对应的 Read 链接或视频链接，并按该课程内容操作。示例：Ollama Quickstart 介绍本地模型运行，RAG 教程构建知识库问答，LangGraph 入门教程构建支持工单系统。README 未给出这些项目通用的启动命令或 API 调用，因此不能从仓库信息写出一个可复制的统一首次运行命令。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题