《Agentic AI》课程AI领域知名专家吴恩达Andrew Ng主讲，帮助学员掌握构建自主智能系统的前沿知识。课程聚焦于Agentic AI技术，通过反思、工具使用、规划和多智能体四种设计模式，深入讲解如何将复杂任务分解为多步骤工作流，实现AI系统的自我优化与外部工具集成。课程结合大量实践项目，注重培养学员的实际操作能力，同时提供完整的评估与优化框架，确保学员能将所学应用于生产环境。完成课程后，学员将获得行业认可的证书，证明在Agentic AI领域的专业能力。

课程简介

课程名称：Agentic AI

课程级别：中级

课程时长：5个模块，自定进度（具体时长视个人学习速度而定）

课程形式：在线视频课程、实践代码练习、测验、项目实践

授课教师：吴恩达Andrew Ng

课程机构：DeepLearning.AI

课程目标

理解 Agentic AI 的核心概念：掌握 Agentic AI 的定义、优势以及如何通过多步骤工作流解决复杂任务。

精通四种设计模式：

反思（Reflection）：AI 自我批评并迭代改进输出，例如自动代码审查。

工具使用（Tool Use）：连接 AI 到数据库、API 和外部服务，使其能够执行实际操作而不仅仅是生成文本。

规划（Planning）：将复杂任务分解为可执行的步骤，并在意外情况发生时进行调整。

多智能体（Multi-Agent）：协调多个专业化的 AI 系统，处理复杂工作流的不同部分。

掌握工具集成能力：学会将 AI 与数据库、API、代码执行等外部工具无缝集成，拓展 AI 的应用范围。

学会评估与优化系统：掌握性能评估、错误分析和优化技巧，确保 AI 系统在生产环境中的可靠性和性。

实现业务流程自动化：学会将复杂业务流程分解为 Agentic 工作流，实现自动化任务处理。

完成实践项目：通过构建一个完整的自主研究代理，将所学知识应用于实际项目，巩固技能。

获得行业认可证书：完成课程后，获得证书，证明在构建 Agentic AI 工作流方面的专业能力。

课程内容

Agentic AI 概论：介绍 Agentic AI 的定义、特点、优势及如何将复杂任务分解为多步骤工作流，为后续学习奠定基础。

反思设计模式：学习 AI 如何通过自我批评和迭代改进输出，掌握如何构建能自我优化的数据库查询、图表生成和文档编写工作流。

工具使用设计模式：使 AI 系统能通过工具调用、代码执行和模型上下文协议（MCP）与外部工具（如数据库、API）无缝集成，扩展功能。

构建 Agentic AI 的实用技巧：掌握评估、错误分析、性能优化和组件级评估的实用技巧，确保 AI 系统在生产环境中的可靠性和性。

高度自主智能体的模式：学习如何创建能制定复杂计划并协调多个专业智能体解决大型复杂问题的 AI 系统，掌握多智能体系统的通信模式。

实践项目：综合运用所学知识，构建一个能自主收集信息、分析数据且生成综合报告的研究代理，将理论应用于实际项目。

课程官网地址

官网地址：https://www.deeplearning.ai/courses/agentic-ai/

课程适用人群

中级 Python 开发者：具有中级 Python 编程技能的专业人士，能跟上课程中的代码实现和实践项目。

软件开发人员：希望应用 AI 技术构建能处理多步骤工作流的自主系统的软件开发者。

对大型语言模型（LLM）有基础了解的人士：已经对大型语言模型和 API 有一定了解，希望进一步深化实践技能的专业人员。

对 Agentic AI 感兴趣的从业者：对新兴的 Agentic AI 领域感兴趣，希望从零开始构建复杂 AI 系统的从业者。

希望提升 AI 实践能力的学习者：已经有一定 AI 基础，希望通过实际项目提升评估、优化和部署能力的学习者。

课程亮点

实用性强，注重实践操作：通过大量的代码示例和实践项目，学员能将理论知识应用于实际，提升动手能力。

系统性学习 Agentic AI 设计模式：课程深入讲解反思、工具使用、规划和多智能体四种设计模式，帮助学员构建复杂 AI 系统。

提供完整的评估与优化框架：学员将学习如何评估 AI 系统的性能，进行错误分析，优化系统以适应生产环境。

行业认可的证书：完成课程后，学员将获得由 DeepLearning.AI 颁发的证书，证明在 Agentic AI 领域的专业能力。