Programming Language courses and guides
Learn programming fundamentals and advanced concepts.
Explore Everything Programming Language
使用 n8n 自动化工作流
本课程向开发者介绍 n8n 用于自动化和集成。你将从探索以开发人员为中心的自动化基础概念开始，通过使用 Webhooks 从 GitHub 获取问题，构建你的第一个实时工作流。 接着，你将通过表达式和分支逻辑为自动化添加智能。课程深入讲解 Code 节点，当预构建节点无法满足需求时，可使用它编写自定义的 JavaScript 或 Python 逻辑。 然后，你将学习如何构建可靠的自动化，调试复杂的工作流，并与任意 API 进行集成。重点之一是人工智能：你将通过与 AI 代理、大语言模型（LLMs）集成，以及使用检索增强生成（RAG）和向量存储构建强大的知识库，获得实战经验。你还将学习如何通过 Model Context Protocol (MCP) 使用外部 AI 工具。课程最后涵盖关键的生产环境最佳实践，包括部署策略以及在实际环境中维护可扩展自动化的技巧。
2h
Beginner
OpenCode：开源 AI 编码助手的完整指南
OpenCode 将 AI 编程从孤立的聊天转变为可直接在你的代码库中工作的智能体。无需来回复制代码片段，你将学习如何与一个能够读取文件、运行命令并实际修改代码的 AI 编程智能体协作，同时始终保持对开发过程的掌控。 你将从基础开始：了解 OpenCode 的工作原理，如何引用文件，以及如何运行 shell 命令来检查和更新仓库。接着，你将使用斜杠命令设置上下文，提升效率，并在需要时撤销更改。你将学习“Plan”模式与“Build”模式之间的区别，实现思考与执行的分离，优化方法，提前发现边缘情况，在任何修改发生前生成更清晰的更新。 你将构建安全的工作流程，并了解 OpenCode 如何以正确权限使用工具。随后，你将通过自定义命令自动化任务，切换模型，强制格式化，连接 GitHub 或 Slack 等服务，配置 OpenCode 以满足你日常开发的需求。
2h
Beginner
OpenClaw：开发者的代理型 AI
本 OpenClaw 课程从基础开始，教你如何部署一个主动型 AI 助手，该助手不仅能生成文本，还能执行任务。你将学习 OpenClaw 架构的五个层级：网关（Gateway）、插件系统、通道层（channel layer）、大语言模型层（LLM layer）和记忆系统（memory system），同时了解技能如何扩展你的代理能力，而不会让每次对话都变得臃肿。 接下来，课程将介绍实际的配置流程。你将安装 OpenClaw，连接 Slack 和 GitHub，使你的代理能够参与真实的团队工作流，并通过 cron 作业和心跳机制安排任务，确保你的助手在你休息时依然持续运作。 最后，你将从安全优先的角度应用这些概念，学习如何控制网关暴露、限制谁可以向你的代理发送消息，以及安全地管理凭证。完成课程后，你将拥有一个功能完整、安全运行的 OpenClaw 实例，已连接至你的应用程序，并能自动化处理复杂的工程任务，充满信心。
1h
Beginner
使用 Google ADK 构建 AI 代理
本课程向您介绍 Google ADK，这是一个强大的框架，用于构建和管理复杂的 AI 代理。您将从掌握基础开始，包括 ADK 代理的特定结构以及开发所需的初始环境设置。 本课程的核心是一个实践项目，您将设计并构建一个单代理系统，然后将其扩展为一个高效能的多代理系统。您将花费大量时间学习编排，掌握如何使用顺序、并行和循环模式来控制复杂逻辑，以确保您的代理能够可靠运行。 本课程注重实际应用，包含一个端到端的练习。您还将学习专业 AI 项目最后的步骤：根据严格的性能标准评估您的代理，并将其部署到真实世界中使用。完成本课程后，您将具备构建和编排自主代理团队的能力，自信地解决复杂问题。
3h
Intermediate
Grokking the AWS Certified Generative AI Developer - Professional
AWS 认证生成式 AI 开发人员 - 专业级认证验证了您在 AWS 上构建生产就绪的生成式 AI 应用程序的知识。该认证重点在于使用 Bedrock、RAG、代理和 SageMaker 构建基础模型的应用程序的设计、安全、部署和优化。
8h
Advanced
Agentic System Design Crash Course
如果你希望快速了解现代 AI Agent 的设计方法，而无需完成一整门课程，“Agentic System Design Crash Course” 以浓缩的形式涵盖了主课程中的核心架构原则、设计框架和精选案例研究。 你将学习如何通过理解核心 Agent 组件、编排模式、记忆与反思机制、安全防护措施以及评估策略，来设计自主的 AI 系统。随后，你将运用一套结构化的设计框架，分析真实世界的 Agent 系统，包括多 Agent 推荐系统、自主奖励学习 Agent、多模态网络 Agent 以及生成式多模态系统。 本课程在保留完整项目智力深度和架构严谨性的同时，为有经验的工程师和 AI 实践者优化了学习路径，提供集中且高价值的洞见。
4h
Intermediate
Agentic RAG
RAG 系统改变了 AI 获取外部知识的方式，而代理型 RAG 则将检索转变为以推理驱动的流程。本课程深入剖析代理智能的基本原理，并将推理与检索相结合，实现更高的事实准确性与自主性。你将探索代理的构成要素，从其记忆和工具，到驱动自我导向行为的编排逻辑。 通过动手实践课程，你将使用 LlamaIndex 构建一个 AI 研究助手，通过组装工具、定义检索策略，并设计能够实现自我修正的推理循环。你将学习如何利用忠实度、上下文召回率和答案质量等指标来调试、评估和优化你的代理工作流，弥合理论与实践之间的差距。 最后，你将构建可扩展、可靠的系统，借助依赖图和部署防护机制，使你的代理型 RAG 项目从原型顺利过渡到生产就绪的可靠性状态。
4h
Intermediate
Google 代理到代理（A2A）协议入门
通过我们的入门级 A2A 协议课程，掌握 AI 代理通信的未来。由 A2A 项目团队开发，Agent2Agent (A2A) 协议彻底改变了 AI 代理在分布式系统中发现、通信和协作的方式。本实践型 A2A 课程将指导开发者使用原始实现和官方 A2A SDK 构建可投入生产的代理。提升你在代理开发、协议实现和分布式 AI 系统方面的专业能力。 你将探索 A2A 的核心组件，包括代理发现、JSON-RPC 通信和消息处理，这些是构建可扩展代理网络和管理代理间工作流的关键。你还将学习如何使用 FastAPI 从零开始实现完整的 A2A 代理，并升级到功能强大的 A2A SDK 以获得生产就绪的解决方案。 本课程非常适合希望构建下一代协作式 AI 系统的 Python 开发者、后端工程师和 AI 实践者。
2h
Advanced