第五阶段：AI应用场景探索

Google与Kaggle联合推出的5天AI Agents密集课程，教授如何构建、评估和部署生产级AI智能体系统

Start Learning AI →
AIAgentsGoogleGeminiWebSiteVideoFreeEnglish

5天AI Agents密集课程 - Google & Kaggle

课程概述

这是一门由Google的机器学习研究人员和工程师精心打造的免费在线课程，旨在帮助开发者掌握AI智能体（AI Agents）的构建、评估和部署技能。该课程是Google和Kaggle继之前成功举办的生成式AI密集课程（吸引了超过28万学习者）之后推出的进阶版本。

基本信息

  • 课程时间: 2025年11月10日-14日（为期5天）
  • 授课方式: 完全线上
  • 费用: 完全免费
  • 主办方: Google & Kaggle
  • 课程语言: 英文
  • 参与人数: 预计数十万学习者

课程特色

  1. 理论与实践结合: 每天包含概念深入讲解、动手实验室（Codelabs）和现场讨论
  2. 多样化学习材料:
    • AI生成的播客（使用NotebookLM创建）
    • 专业白皮书（由Google专家撰写）
    • 实践代码实验室
    • YouTube直播课程
    • Discord社区支持
  3. 实战项目: 课程结束后有Capstone项目，优秀项目有机会获得奖品并在Google和Kaggle社交媒体上展示
  4. 完成证书: 完成Capstone项目可获得Kaggle徽章

课程架构与技术栈

核心技术

  • 核心模型: Google Gemini
  • 开发框架: Agent Development Kit (ADK)
  • 通信协议: Model Context Protocol (MCP)
  • 平台: Kaggle（用于Codelabs）
  • 编程语言: Python
  • 辅助工具: NotebookLM

核心组件

课程涵盖AI Agent的五大核心组件：

  1. Models（模型）: 大语言模型基础
  2. Tools（工具）: 外部函数和API调用
  3. Orchestration（编排）: 工作流程协调
  4. Memory（记忆）: 短期和长期记忆管理
  5. Evaluation（评估）: 质量保证和性能指标

每日课程详解

Day 1: AI Agents简介与架构

主题: 理解Agent系统与LLM的区别

核心内容:

  • Agent能力分类体系
  • "Agent Ops"规范的必要性
  • 互操作性和安全性的重要性
  • 使用ADK构建推理型Agent
  • Think-Act-Observe循环的编排
  • 多Agent设计模式探索

学习材料:

  • 白皮书: Introduction to Agents
  • 播客: Unit 1 Summary (via NotebookLM)
  • Codelabs:
    • Building Agentic Apps with the Agent Development Kit (ADK)
    • Introduction to LangGraph
    • Function Calling with the Gemini API

技能获得:

  • 理解Agent的基本架构
  • 掌握Agent循环机制
  • 学会使用ADK构建基础Agent

Day 2: Agent工具与MCP互操作性

主题: 通过API和工具实现真实世界的操作

核心内容:

  • 外部工具和函数的集成
  • 实时数据检索
  • Model Context Protocol (MCP)介绍
  • 复杂长时间运行操作的处理

学习材料:

  • 白皮书: Agent Tools & Interoperability with Model Context Protocol (MCP)
  • 播客: Unit 2 Summary (via NotebookLM)
  • Codelabs:
    • Function Calling with the Gemini API
    • Using tools with LangGraph
    • Prompt Caching with the Gemini API

技能获得:

  • 实现Function Calling
  • 使用MCP协议
  • 集成外部工具和API

Day 3: 上下文工程与记忆

主题: 实现短期和长期记忆系统

核心内容:

  • 上下文工程实践
  • 动态信息组装和管理
  • Sessions（会话）- 即时历史记录
  • Memory（记忆）- 长期持久化
  • 创建有状态的个性化AI体验

学习材料:

  • 白皮书: Context Engineering: Sessions & Memory
  • 播客: Unit 3 Summary (via NotebookLM)
  • Codelabs:
    • Context Caching with the Gemini API
    • Long-term Memory using LangGraph
    • Personalization with Gemini API

技能获得:

  • 实现上下文窗口管理
  • 构建记忆系统
  • 创建个性化Agent体验

Day 4: 质量、日志与评估

主题: 可观察性、追踪和性能指标

核心内容:

  • Agent质量保证全面评估框架
  • 可观察性技术基础（Logs、Traces、Metrics）
  • 可扩展反馈循环
  • LLM-as-a-Judge方法
  • Human-in-the-Loop (HITL)工作流

学习材料:

  • 白皮书: Agent Quality
  • 播客: Unit 4 Summary (via NotebookLM)
  • Codelabs:
    • LangSmith Fundamentals
    • Evaluating Agentic Applications
    • A/B Testing with Agents

技能获得:

  • 实施质量评估体系
  • 使用日志和追踪工具
  • 设计评估指标

Day 5: 从原型到生产

主题: 部署和扩展多Agent系统

核心内容:

  • Agent的操作生命周期（部署、扩展、生产化）
  • 从原型过渡到企业级解决方案
  • Agent2Agent (A2A) 协议
  • 部署到Vertex AI Agent Engine
  • 多Agent系统架构

学习材料:

  • 白皮书: Prototype to Production
  • 播客: Unit 5 Summary (via NotebookLM)
  • Codelabs:
    • Multi-agent Workflows with LangGraph
    • Human-in-the-loop Workflows in LangGraph
    • Deploying Agents with Google Cloud

技能获得:

  • 部署生产级Agent
  • 构建多Agent协作系统
  • 使用Google Cloud进行扩展

Capstone项目

项目要求

  • 启动时间: 2025年11月14日（第五天课程结束后）
  • 提交截止: 2025年11月30日晚11:59 PM PT
  • 开发时间: 约2周

项目要求

  1. 使用Agent Development Kit (ADK)设计和实现AI Agent
  2. 必须展示至少3个课程中学到的核心功能（例如：工具使用、记忆、评估）
  3. 提供Kaggle写作文档
  4. 包含简短演示视频和项目描述

奖励机制

  • 所有完成者: 获得Kaggle个人资料徽章
  • 前10名:
    • 独家Kaggle周边商品
    • 在Google和Kaggle官方社交媒体账号上公开展示

学习时间投入

  • 每日作业: 1-2小时
  • 直播课程: 45-60分钟（可选，有录播）
  • 总计: 每天约2-3小时
  • 灵活性: 可以按自己的节奏学习，适合全职工作或学习的人

适合人群

最适合

✅ 已有一定AI/ML/LLM经验，想要升级到Agent开发的开发者
✅ 在自动化工作流或多步骤任务相关领域工作的人员
✅ 愿意投入时间参与实践工作和现场课程的学习者
✅ 想要构建可在组织内展示或使用的具体项目的人
✅ 数据科学家、ML工程师、软件开发人员

不太适合

❌ 完全没有AI/ML基础且仍在学习基本LLM使用的初学者
❌ 无法承诺每天1-2小时学习时间的人

前置知识

  • Python编程基础（有帮助但非强制）
  • 对AI、机器学习或数据科学有兴趣
  • 熟悉Python notebooks和常见Agent库

学习成果

完成本课程后，你将能够：

  1. ✅ 设计Agent的清晰框架（目标 → 计划 → 工具调用 → 记忆 → 评估）
  2. ✅ 通过Codelabs和Capstone项目获得实践经验
  3. ✅ 理解生产级考虑因素（日志记录、容错、扩展）
  4. ✅ 获得完成证书和社区网络
  5. ✅ 构建从简单Agent到复杂多Agent系统的能力
  6. ✅ 掌握Agent的评估和优化方法

课程亮点

为什么要学习AI Agents？

根据Google的观点：企业正在从孤立的模型调用转向可以扩展实验和部署的Agent平台。Agent已成为团队将强大模型转化为工作软件的方式——通过记忆、工具使用、规划和评估来包装LLM，使它们能够可靠地完成多步骤任务。

Agent vs. LLM

  • 传统LLM: 单次提示-响应
  • AI Agents:
    • 能够规划
    • 调用工具
    • 与其他Agent协调
    • 具有记忆功能
    • 可以评估和优化
    • 能够可靠完成多步骤任务

课程资源

官方链接

学习建议

  1. 提前准备环境: 确保熟悉Python notebooks和常见Agent库
  2. 选择实际问题: 带着小型可自动化工作流程开始（如每周报告、支持分类、内容QA）
  3. 规划评估指标: 草拟简单的成功指标（任务完成率、延迟、节省的人工审核时间）
  4. Day 1-2: 掌握基础——Agent循环、工具调用、记忆
  5. Day 3: 早期添加评估——即使是基本检查也能防止优化错误方向
  6. Day 4: 仅在用例需要时才推向多Agent或多工具设置

竞争优势

作为最早的结构化Agent学习课程之一，完成此课程将让你：

  • 🎯 在许多组织仍在摸索如何采用Agent AI时获得先发优势
  • 🎯 拥有可展示给利益相关者或包含在作品集中的具体项目
  • 🎯 建立在Google和Kaggle社区的专业网络
  • 🎯 获得从"了解Agent"到"能够交付Agent"的能力跃升

社区与支持

  • Discord频道: 由Google员工积极维护和支持
  • 现场专家讲座: 与Google研究人员和工程师的直播问答
  • 全球学习社区: 数十万学习者共同成长
  • 录播回放: 所有直播课程都有录制，适合不同时区学习者

总结

5天AI Agents密集课程是一个及时、严格的机会，帮助开发者和ML从业者从"LLM应用"转向"Agent系统"。随着AI从建议转向行动，理解如何构建具有记忆、工具、协调、评估和部署能力的Agent的人将处于有利地位。

这不仅仅是一门课程，更是进入AI Agent时代的通行证。