1-项目概述与数仓基础
1 - 电商问数：项目概述与数仓基础 本章课程目标： 理解「电商问数」要解决的核心问题，以及它为什么属于典型的 NL2SQL 问数项目。 区分业务数据库与数据仓库的定位差异，并建立“为什么企业分析通常不直接查业务库”的基础认识。 初步掌握事实表、维度表和维度建模的核心概念，同时对后续章节要解决的问题形成整体预期。 学习建议： 这一章先把业务问题看清楚，再看技术名词。重点理解自然语言问数为什么需要数据仓库、维度建模和指标口径支撑。读完后最好能用一个例子说清“事实表、维度表、指标”各自解决什么问题，这会直接影响后面你能不能看懂字段召回和 SQL 生成。 1、本章导读1.1 项目简介「电商问数」是一个面向企业数据分析场景的智能体项目。它要解决的问题非常明确：让用户不用手写 SQL，也能像聊天一样从数据仓库里获取想要的分析结果。 如果你是开发者、产品经理、运营，甚至是业务同学，通常都会遇到这样一种情况： 我想知道华北地区的销售总额是多少。 我想看各品牌销量最高的商品有哪些。 我想统计男性用户的订单总额。 这些问题本质上都不是“聊天问题”，而是数据查询问题。传统做法往往需要懂 S...
28-大模型微调概述与整体流程
28 - 大模型微调概述与训练闭环 本章课程目标： 理解微调在大模型应用开发中的位置：它解决的不是“资料查询”，而是“让模型在固定任务上更稳定地按规则输出”。 用工程语言解释微调到底改了什么：token、参数、loss（损失值）、训练和推理之间是什么关系。 分清 Prompt 工程、RAG、微调、Agent / Workflow 的边界，避免一遇到效果不好就急着训练模型。 掌握一次监督微调项目的完整闭环：模型选择、数据准备、微调训练、模型验证、迭代调整。 建立后续章节的学习地图，知道第 29-32 章分别会继续讲数据、方法、LLaMA-Factory 实操和 vLLM 部署。 学习建议： 你已经在 1-3 RAG、微调、续训与智能体选型 中见过微调的基础定位。本章不再重复做一遍完整选型课，而是把视角切到“如果真的要做一次微调项目，应该怎样理解它、拆解它、验证它”。第一遍阅读时，先抓住一条线：微调不是把知识塞进模型，而是用样本改变模型的输出倾向；项目成败不看训练是否跑起来，而看验证是否证明它真的更可用。 官方文档与资源：详见 工具导航与参考资料索引 - 微调与模型对齐...
27-Skills技能与AI编程工具实践
27 - Skills 技能与 AI 编程工具实践 本章课程目标： 理解 Agent Skills 的核心定位：把可复用提示词、流程、资源和脚本封装成能力包。 掌握 SKILL.md 的基本结构、元数据字段、目录组织和渐进式加载机制。 分清 Skill 与 Prompt、Rules、Memory、Tool、MCP、Agent、Subagent 的边界。 知道 Codex、Cursor、Claude Code、DeepAgents / LangChain 等 AI 编程工具中，如何沉淀和使用“技能化能力”。 学习建议： 可以先把 Skill 理解成“把一类任务的成熟做法外置成说明书”。读这章时别只看概念，最好跟着 SKILL.md 的结构想一个自己的重复任务：什么时候触发、要遵守哪些规则、需要哪些脚本或资料。读完后，应能判断一件事该写进系统提示、做成工具、放进记忆，还是沉淀成 Skill。 官方文档与资源：详见 工具导航与参考资料索引 - 工具调用、MCP、Skills与智能体。 1、为什么需要 Skills1.1 从“长 Prompt”开始的问题很多人第一次做 A...
26-LangGraph多智能体与A2A
26 - LangGraph 多智能体与 A2A 本章课程目标： 理解 多智能体（Multi-Agent） 到底在解决什么问题，知道它和“一个强一点的单智能体”之间的边界。 理解 A2A（Agent-to-Agent） 与 MCP（Model Context Protocol） 的本质区别，知道为什么一个偏“代理协作”，一个偏“工具 / 资源接入”。 掌握多智能体常见模式：Subagents / Handoffs / Router / Skills / Custom Workflow，并能结合 LangGraph 的图能力做基本选型。 学习建议： 这章先分层，再写代码：多智能体讲应用内分工，MCP 讲外部能力接入，A2A 讲不同 Agent 系统之间的协作。第一遍不必背 A2A 规范细节，先把“谁和谁通信、传什么、边界在哪里”想清楚，再看 Supervisor、Handoff 和 Skills。 官方文档与资源：详见 工具导航与参考资料索引 - LangGraph、工具导航与参考资料索引 - 工具调用、mcp与智能体。 1、...
25-LangGraph高级特性
25 - LangGraph 高级特性 本章课程目标： 理解 LangGraph 的五类高级能力：流式处理（Streaming）、状态持久化（Persistence）、人机协作与中断恢复（Interrupt / HITL）、时间回溯（Time-Travel）、子图（Subgraphs）。 建立一个更工程化的认知：这些能力不是零散 API，而是 LangGraph 为真实生产场景提供的“可观测、可恢复、可复用、可扩展”的基础设施。 能运行并理解本章全部案例，知道这些高级特性分别解决什么问题、适合放在什么场景里使用。 学习建议： 这章按真实项目的优先级读：流式解决“看不见进度”，持久化解决“状态接不上、失败要重跑”，Interrupt 解决“关键动作要人审”，时间回溯偏调试复盘，子图偏复用拆分。每学一个特性，先问它解决哪类痛点，再看 API。 官方文档与资源：详见 工具导航与参考资料索引 - LangGraph。 1、流式处理（Streaming）1.1 定义在很多人的印象里，“流式输出”常常只等于“大模型逐 token 打字机式输出”。但放到 LangGraph 里...
24-LangGraphAPI：节点、边与进阶
24 - LangGraph API：节点、边与进阶 本章课程目标： 理解 Node（节点） 的定义、职责与常见写法，知道节点为什么是 LangGraph 的最小执行单元。 掌握 Edge（边） 的核心类型：普通边、条件边、入口点、条件入口点，建立“图为什么能按规则流转”的直觉。 理解 Send、Command、Runtime 上下文 这三类进阶控制能力分别解决什么问题，知道它们和前面学过的 Graph、State、Reducer 是怎么接起来的。 能运行并理解本章全部案例，为后续更复杂的 LangGraph 工作流、多智能体和高级特性打基础。 学习建议： 这章可以当成 LangGraph 的“控制流”来读：Node 负责做事，Edge 负责决定去哪，Send / Command / Runtime 处理普通边不够用的场景。先跑明白普通边和条件边，再看动态分发、更新并跳转、运行时上下文。读完后能说清“这一步为什么不是固定下一跳”，就抓住了进阶 API 的用处。 官方文档与资源：详见 工具导航与参考资料索引 - LangGraph。 1、Graph API...
23-LangGraphAPI：图与状态
23 - LangGraph API：图与状态 本章课程目标： 理解 Graph API 里的 Graph（图） 到底是什么，知道 StateGraph、START、END、compile()、invoke() 分别负责什么。 理解 State（状态） 和 Reducer（规约函数） 的分工，知道为什么 LangGraph 不是靠“函数之间手动传一堆参数”，而是靠“共享状态 + 按规则合并更新”来驱动工作流。 掌握 TypedDict / Pydantic / dataclass 这些 State Schema 写法、state_schema / input_schema / output_schema 的边界，以及 默认覆盖、add_messages、operator.add、operator.mul、自定义 Reducer 这些常见状态合并方式。 能运行并理解本章全部案例，为后续 第 24 章 LangGraph API：节点、边与进阶 打基础。 学习建议： 这章的重点不是“怎么画图”，而是状态怎么被安全地改。看每个例子时都问三句话...
22-LangGraph概述与快速入门
22 - LangGraph 概述与快速入门 本章课程目标： 理解 LangGraph 是什么，知道它为什么适合编排“有状态、可分支、可循环、可暂停、可人工介入”的复杂 LLM 工作流。 理清 LangGraph、LangChain、Chain、Agent、Workflow 之间的关系，知道什么时候该直接用 LangChain，什么时候应该上 LangGraph。 掌握 LangGraph 入门最核心的四个概念：State（状态）、Nodes（节点）、Edges（边）、Graph（图），并能按“定义状态 → 编写节点 → 连接边 → 编译 → 执行 → 可视化”的顺序跑通本章 3 个入门案例。 学习建议： 这一章先跑通第一张 LangGraph 图，不急着背完所有 API。先抓住四个词：State 保存数据，Node 处理任务，Edge 决定流转，Graph 把它们编排起来。状态合并放到 第 23 章，节点和控制流放到 第 24 章，高级能力再看 第 25 章 和 第 26 章。 官方文档与资源：详见 工具导航与参考资料索引 - LangGraph。 1、LangGraph...
21-Agent智能体
21 - Agent 智能体 本章课程目标： 理解 Agent（智能体） 到底是什么、适合解决什么问题，以及它与 Tool、Function Calling、RAG、MCP 的关系。 掌握 Agent 的核心工作方式：围绕目标持续推理、决定是否调用工具、接收结果、继续决策，直到满足结束条件。 理解 LangChain 中 Agent 的两条学习主线：V0.3 / classic 的 Agent + AgentExecutor，以及 V1.x 的 create_agent + LangGraph 运行时。 跑通并理解本章全部案例：AgentSmartSelectV0.3.py、AgentSmartSelectV1.0.py、AgentReact.py、Agent2Agent.py、McpClientAgent.py。 学习建议： Agent 这章先抓一句话：Agent 是决策层，不是工具本身。读的时候先看它如何决定下一步，再看 Tool、RAG、MCP、Function Calling 分别给它补了什么能力。代码部分重点比较旧的 AgentExecutor 和新的 c...
20-MCP模型上下文协议
20 - MCP 模型上下文协议 本章课程目标： 理解 MCP（Model Context Protocol，模型上下文协议） 是什么、解决什么痛点，以及它与 Tool、RAG、Agent 的定位区别。 掌握 MCP 的主机 / 客户端 / 服务器架构、核心能力、常见传输方式，以及 mcp.json、FastMCP、LangChain MCP 适配器在项目中的作用。 跑通并理解本章全部案例：极简教学版服务端、FastMCP 服务端、天气 MCP 服务、同进程客户端、基于 mcp.json + LangChain Agent 的 MCP 客户端，为后续学习 第 21 章 Agent 智能体 打基础。 学习建议： MCP 先别当成一堆协议名背，它的核心是把外部能力接入模型应用时变得更标准。第一遍只抓三组关系：Tools / Resources / Prompts 是暴露的能力，Host / Client / Server 是通信角色，stdio / Streamable HTTP 是传输方式。学完 第 21 章...