返回资源列表

DeepLearning.AI(与 LangChain 合作) · Sydney Runkle · Esmaeil Gargari

Loop Engineering with LangChain Deep Agents

Loop Engineering with LangChain Deep Agents是DeepLearning.AI(与 LangChain 合作)的短课程(英语,费用待核验)。前置条件:页面说明建议熟悉 Python,才能充分完成动手实验;课程定位为 Intermediate。

完成课程后,学习者能理解并实现围绕 agent 的验证循环、事件驱动循环与爬坡循环,并用 LangChain Deep Agents 构建一个可自动触发、可自评、可跨多轮改进的需求分析 agent。

打开官方课程
难度
见前置条件
类型
课程 · 短课程
语言
英语
规模
11 个课节
内容费用
费用待核验
动手
需要动手环境

使用限制

观看视频、访问课程大纲需在 DeepLearning.AI 学习平台注册并登录;测验与代码作业标注为 Pro 专属,需付费订阅;本地跑代码实验需自备 Python 环境,可能还需模型 API 额度(原站未说明)。

学习材料
DeepLearning.AI 学习平台账号(登录后可访问课程页面与课节)DeepLearning.AI Pro 订阅:页面标注 2 个 Graded Assignments 与成就徽章需 Pro
练习与作业
运行 agent 可能需要的大模型 API 额度(原站未说明)
内容提示
付费内容:页面标注“2 Graded Assignments PRO”“Earn an accomplishment with PRO”,并写明 quizzes and projects are included with DeepLearning.AI Pro,即测验、代码作业与成就徽章需 Pro 订阅。

学完你能

  • 说清 agent、验证、事件驱动、爬坡四类循环各解决什么问题,以及它们如何叠加成一个更可靠的系统
  • 用 LangChain Deep Agents 搭建一个软件需求分析 agent 的核心执行循环,让它自行决策、调用工具直至任务完成
  • 加入验证循环:用评估器按明确评分标准检查输出,并在不合格时把反馈送回重试
  • 把 agent 接到 Slack 消息、Jira 工单等外部事件上,实现自动触发分析与验证
  • 分析多次运行的 trace,找出反复出现的问题,用于改进 agent 的 harness
  • 把四类循环组装到同一个需求评审 agent 上,形成可长期稳定工作的流水线

适合你吗

适合

适合已在构建 AI Agent、希望让 agent 长时间稳定运行并具备自检与自我改进能力的开发者与产品人员。

暂不适合

不适合完全没有编程经验、只想要 agent 概念科普的初学者;也不需要把它当作深度学习理论课程。

需要先会

页面说明建议熟悉 Python,才能充分完成动手实验;课程定位为 Intermediate。

课程特点

内容侧重
侧重实践应用
练习与项目
练习即课程中的 4 个代码示例与 LoopEng AI Coding Lab:从需求分析 agent 的核心执行循环开始,依次加验证评分与反馈重试、Slack/Jira 事件触发、以及基于多轮 trace 的 harness 改进。
学习时长
11 个课节原站未给出统一学习时长;实际用时取决于已有基础。
内容费用
费用待核验页面只给出课程大纲与报名入口,节选看不到视频或正文本身,也未明说课程学习内容是否免费;仅写明测验、项目与“accomplishment”需 Pro 订阅。

内容覆盖

  • Introduction(视频,2 分钟)
  • Overview of Loop Engineering(视频,12 分钟)
  • Deep Agent Primer(视频 + 代码示例,6 分钟)
  • Agent Loop(视频 + 代码示例,8 分钟)
  • Verification Loop(视频 + 代码示例,6 分钟)
  • Event-Driven Loop(视频,10 分钟)
  • Learning loop(视频 + 代码示例,8 分钟)
  • Conclusion(视频,1 分钟)
  • Quiz(计分测验,10 分钟)
  • [Optional] Glossary(阅读,1 分钟)
  • LoopEng AI Coding Lab(计分编程作业,10 分钟)

常见问题

免费吗?

费用待核验:页面只给出课程大纲与报名入口,节选看不到视频或正文本身,也未明说课程学习内容是否免费;仅写明测验、项目与“accomplishment”需 Pro 订阅。实践可能产生费用:网页未说明练习是否需要付费 API 或云资源;但代码实验涉及 LLM 驱动的 agent,实际运行可能需要模型 API 额度,原站未说明。

需要什么基础?

页面说明建议熟悉 Python,才能充分完成动手实验;课程定位为 Intermediate。软件、账号与硬件:Python 基础;DeepLearning.AI 学习平台账号(用于访问课程与作业);可选安装 Python 与 LangChain Deep Agents 相关环境做本地练习。

有中文吗?

本站记录的语言是英语;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://www.deeplearning.ai/courses/loop-engineering-with-langchain-deep-agents。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。学习材料需要自备:DeepLearning.AI 学习平台账号(登录后可访问课程页面与课节)、DeepLearning.AI Pro 订阅:页面标注 2 个 Graded Assignments 与成就徽章需 Pro;练习与作业需要自备:运行 agent 可能需要的大模型 API 额度(原站未说明)。

来源与使用须知

收录时间
本站首次收录 2026-10-29原站首次发布 2026-10-28
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。