一次推荐是怎么完成的
从用户的一句话开始，看程序怎么补问条件、记住偏好、找到商品，再核查库存和生成回答。每一步都有源码可看。
面向开发者的 AI 项目课
企业级Agent项目，
讲清每一处工程选择
深入一个商品导购 Agent，积累实战经验，理解企业级方案，为项目面试做好准备。
适合有编程基础，想做 AI 开发或正在准备项目面试的同学。
讲师背景讲师曾任职于某国内大厂，并深度参与本项目开发。
学实战从业务需求到源码实现
懂工程从架构设计到容错与数据规范
会表达从项目亮点到面试追问
课程一览混合 RAG 样章
听讲解，也能对照源码看。
适合谁学
想找 AI 开发工作，手里还缺个项目？
看看有没有你的情况
- 应届生做过课程作业，想再学一个更贴近业务的 Agent 项目。
- 转行开发者有开发基础，想弄懂 Agent 怎么设计、怎么调用工具、怎么处理数据。
- 正在准备面试项目能跑起来，但一问为什么这么设计、出错怎么办，就不太有把握。
需要什么基础？
能看懂 Python 函数、基础数据结构和 API 调用即可开始阅读。拿不准难度，可以先看免费样章。
这门课做什么项目
电商场景下的商品导购 Agent
导购 Agent 的完整业务链路，涉及需求理解、多轮决策、商品检索与工具调用。需求歧义、上下文丢失、接口异常或业务数据变化，都可能导致决策偏差或流程中断。课程以这些典型场景为切入点，讲解企业级系统中的状态管理、事实校验与容错设计。
“预算 200 元，送妈妈，别太甜。”
还不知道要买什么，该先问哪一句？
“刚才第二个，有没有便宜一点的？”
“第二个”是哪件商品？新的预算怎么接上？
“明明显示有货，怎么又买不了了？”
是库存变了，还是接口出错？接下来怎么办？
课上会顺着这些问题讲设计，再回到源码，看具体怎么做。
重点讲什么
除了跑通项目，还要弄懂这些事
推荐怎么做出来，出错怎么处理，面试时又该怎么讲。
接口出错，数据出问题怎么办
哪些错误值得重试，什么时候该停止调用？怎样查日志定位问题、筛掉不合格的训练样本？这些工程细节也会讲。
面试追问时，有东西可讲
为什么用混合检索？为什么把规划和执行分开？结合项目说明选择理由、付出的成本，以及怎么检查效果。
免费试看
知识点试听
这一节讲“为什么不只用向量检索”。你可以看视频、读文档、翻源码，也可以看看这个问题在面试里怎么回答。
E / KNOWLEDGE & RETRIEVAL
开放样章混合 RAG：让检索更有依据
语义缓存、混合召回与重排原课堂节选 · 02:39
保留原讲解，课件中的性能数字未独立复测。
从业务问题开始理解
为什么不只用向量检索？
用户可能输入准确的商品型号，也可能说“给妈妈买点温和的护肤品”。前者需要精确匹配，后者需要理解语义。两类问题，要求不同的检索能力。
BM25照顾型号、品牌和专有词的匹配。
向量召回找到表述不同、含义接近的内容。
RRF 融合根据排名合并候选，再按需要重排。
先看清每一层解决什么问题，再判断增加这层是否值得。
根据现有课程整理的样章摘要。
实际项目源码节选
看清 RRF 如何融合结果。
累加排名分数，避免直接相加不同检索器的原始相关性分数。
layers/rag/retrievers.py
def rrf_merge(bm25_results: List[dict], vector_results: List[dict], k: int = 60) -> List[dict]:
"""
Reciprocal Rank Fusion：只看排名不看绝对分，避免双路量纲不一致问题。
RRF 公式：score = Σ 1/(k + rank_i)
"""
scores: Dict[str, float] = {}
for res_list in (bm25_results, vector_results):
for item in res_list:
doc = item["doc"]
scores[doc] = scores.get(doc, 0.0) + 1.0 / (k + item["rank"])
return [{"doc": doc, "rrf_score": s, "source": "rrf"}
for doc, s in sorted(scores.items(), key=lambda x: x[1], reverse=True)]用自己的理解组织回答
“为什么采用混合检索？”
- 讲清问题
业务查询既包含准确型号，也包含自然语言需求。
- 解释选择
让关键词与语义召回互补，再融合与重排候选。
- 说明代价
多路检索增加维护和调优成本，需要用评估判断收益。
结合自己实际完成的工作表达，区分课程方案和已验证结果。
同一个知识点，四种理解方式。打开完整样章
课程安排
沿着六个阶段，建立完整视角
先看懂一次请求怎么走，再学记忆、检索和工具调用，最后看故障处理与训练数据。点开每一项，可以看具体讲什么。
01需求理解与会话架构 · 会话 · Query 改写
“换个便宜点的”，Agent 怎么接住上一轮？
结合会话状态、Query 改写和槽位提取，看程序怎么知道“这个”指什么、“便宜点”要改哪个条件。预算或品类没说清时，再决定要不要追问。
面试追问：Query 改写与 Planner 的职责有什么区别？
对照资料：全局架构说明 / 会话编排 / Query 改写
02记忆与用户画像四层记忆 · 画像更新
用户偏好变了，旧记忆如何更新？
哪些信息只在这次对话里用，哪些值得长期记住？这一部分讲记忆检索、时间衰减、新旧偏好冲突，以及为什么要异步更新画像。
面试追问：为什么不把全部历史对话都塞进 Prompt？
对照资料：Mem0 选型 / 画像动态更新 / 记忆源码
03混合检索与重排语义缓存 · 混合 RAG · 重排
搜具体型号和描述需求，为什么要两种召回？
看 BM25 和向量检索各自擅长什么，再用 RRF 合并结果。也会讲缓存、重排，以及本地代码与生产检索方案的区别。
面试追问：为什么融合排名，而不直接相加检索分数？
对照资料：混合 RAG 文档 / 对应视频 / retrievers.py
04规划与工具执行Planner · Executor · Tool Calling
查商品、库存和优惠，工具调用如何串起来？
Planner 提供计划，Executor 调用工具并读取结果。顺着代码看工具白名单、参数校验、结果回填，以及怎样限制调用次数。
面试追问：如何防止重复调用和工具调用死循环？
对照资料：Planner 架构 / 工具高可用 / 执行器源码
05容错与交易边界工具治理 · 模型网关 · Grounding
接口超时、库存未知，Agent 如何处理？
接口超时该不该重试，连续失败时怎么熔断和降级？价格、库存从工具里查；涉及交易时，由用户确认操作卡，Agent 不替用户下单。
面试追问：重试与熔断各解决什么问题？
对照资料：商品图谱 / 交易工具边界 / 模型支撑
06评估与训练数据Trace · SFT · Reward · RL
一次错误推荐，如何变成改进线索？
先用 Trace 和 Judge 找到问题，再看交互记录如何脱敏、校验和分流。结合样例与脚本，讲清 SFT 用什么数据、RL 的奖励怎么设计。
面试追问：低质量样本为什么不能直接用于 SFT？
对照资料：反馈闭环 / SFT 数据 / Reward / RL 资料
购买后能看到什么
一个项目，四类配套学习资料
听不明白的地方可以回看文档，想知道怎么实现就翻源码，准备面试时再看对应的问题。
WATCH
视频讲解
8 场完整录像，也能按知识点找到对应片段，不用每次从头找。
READ
系统文档
21 篇项目文档，覆盖整体架构、记忆、检索、工具治理及反馈训练流程。
layers/rag/
layers/planner/
layers/executor/BUILD
项目源码
提供 Agent 各层源码、测试用例，以及 SFT／RL 脚本和脱敏数据样例。
问题 → 选择 → 代价
为什么这样设计？
有哪些边界与取舍？
EXPLAIN
面试资料
按模块整理问题和回答思路，帮助你讲清为什么这样做，以及自己实际完成了什么。
购买前，清楚了解交付范围。
价格、访问期限、更新与售后规则待公布。答疑方式尚未确定，当前不包含作业。
购买前常见问题
你可能还想问
需要什么基础？
适合已有编程基础、希望转向 AI 应用开发或准备项目面试的人。建议能读懂 Python 函数、基础数据结构与 API 调用；可以先看 RAG 样章判断难度。
买到的是哪些内容？
课程包含视频讲解、系统文档、项目源码和面试资料。四种内容围绕同一项目组织，帮助你在讲解、设计和实现之间对照学习。
源码和文档是什么关系？
文档解释架构与工程设计，源码用于对照具体实现。部分本地组件使用轻量替身，学习时会区分生产方案与本地实现范围；不把所有生产能力都当成开箱即用的演示。
运行项目会有额外费用吗？
阅读文档、查看源码与观看本地样章不需要调用模型。若实践中连接模型 API、向量服务或部署环境，可能产生服务费用，具体取决于你选择的配置。
是否包含答疑和作业？
当前确定的交付是视频、文档、源码和面试资料。答疑方式尚未确定，作业不在当前交付范围内。
价格、访问期限和更新如何安排？
课程售价及访问期限、更新范围、售后规则尚待公布。购买前请确认这些条件，当前可以先体验样章。
先从试看开始
先看一节，
合适再买。
先花 2 分 39 秒听一段，再决定要不要继续学。
课程售价待公布