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。

第一次学这门课？先完成学前准备，把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent，它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习，按提示从第一道练习做起；它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选，并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「Loop Engineering with LangChain Deep Agents」。课程目录是 loop-engineering-langchain-deep-agents/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。

课节共 11 节 · 官方顺序

  1. 01Introduction
  2. 02Overview of Loop Engineering
  3. 03Deep Agent Primer
  4. 04Agent Loop
  5. 05Verification Loop
  6. 06Event-Driven Loop
  7. 07Learning loop
  8. 08Conclusion
  9. 09Quiz
  10. 10[Optional] Glossary
  11. 11LoopEng AI Coding Lab

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
课程主页

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。