学习与研究综合合集

CIS 4394 Agentic AI：佐治亚州立大学 Agentic AI 交互式课程站点与实验材料

SherryFu0315/cis4394-agentic-ai · GSU CIS 4394 Agentic AI (Fall 2026, Dr. Xinyu Fu) — interactive course sites, week by week: agent-loop simulators, architecture explorers, and hands-on labs

GitHub原文发布未知首次收录 2026-11-04上架 2026-11-04 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

这是佐治亚州立大学 CIS 4394《Agentic AI》（2026 年秋季）的课程仓库，每周发布一个交互式迷你站点，涵盖 agent 循环、提示与上下文工程、推理规划、工具调用与函数调用、MCP 与 A2A 协议、记忆与 RAG、评测与可靠性、多智能体系统、安全治理与 Agentic Commerce 等主题。站点以无依赖静态 HTML/CSS/JS 实现，包含可点击架构探索器、分步模拟器、概念自测与实验说明，并在 materials/ 提供讲义与实验起步材料，课程设计强调真实生产工具、零成本工具链和带安全护栏的实践作业。

# RAG # 工具调用 # MCP 扩展 # Agent 架构 # 间接提示注入

核心能力与快速开始

★ 0 · HTML

能做什么: 提供按周组织的 Agentic AI 课程内容：agent loop 分步模拟、agent/工作流/聊天机器人对比、自主性调节、工作流模式、企业 agent 技术栈、Codex 与 Claude Code 架构拆解、提示与上下文工程交互演示、ReAct/计划执行/反思/思维树等推理规划方法、函数调用往返流程与工具调用策略、MCP 与 A2A 架构与标准选型、记忆与 RAG 管线、结果与轨迹评测及基准素养、多智能体拓扑与失败模式、安全治理（提示注入、最小权限、NIST AI RMF 与 EU AI Act）、支付协议与部署检查清单，并附带实验说明与可下载材料。
适用场景: 适合高校教师参考或复用为 Agentic AI 课程材料；适合学生按周自学 agent 基础概念与工程实践；适合开发者用作 agent 架构、工具调用、RAG、评测、多智能体与安全治理的交互式入门资料；也可用于实验课中基于 LangGraph、LangSmith Fleet、Google Opal、Codex CLI 等工具完成构建与行为测试练习。
项目形态: 资料合集
部署方式: 静态 HTML/CSS/JS 站点，无构建步骤、无框架；可通过课程主页在线访问，仓库也可本地查看源码；具体托管与部署流程未说明。
主要依赖: 浏览课程站点需要现代浏览器；部分实验涉及 LangGraph、LangSmith Fleet、Google Opal、Codex CLI、GitHub Copilot、Ollama 等工具；材料称工具链为零成本免费层，但具体账号、额度与限制未说明；硬件与运行环境未说明。
使用限制: 内容按学期逐周发布，第 12–14 周为 coming soon；材料为课程教学用途，明确要求联系讲师获得复用或改编许可，未说明可商用；页面统计数字标注为带来源的近似值，引用前需核对原始来源；仓库未声明开源许可证。
许可证: 未说明
最近推送: 2026-11-04 00:27

官方入门项目文档核对 README 依据 ↗

资料检查：2026-11-04 07:00 · 卡片整理：2026-11-04 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为程序员学习与参考 Agentic AI 工程实践的课程材料：包含 agent 循环模拟器、工具调用与函数调用、MCP/A2A 协议、记忆与 RAG、评测与可靠性、多智能体系统、安全治理等主题的交互式站点与实验说明，可用于理解并实践构建带安全护栏的 AI agent。

查看内容依据

每周发布一个交互式迷你站点，涵盖 agent 循环、提示与上下文工程、推理规划、工具调用与函数调用、MCP 与 A2A 协议、记忆与 RAG、评测与可靠性、多智能体系统、安全治理与 Agentic Commerce 等主题。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

产品经理可借助课程中关于 agent 与 workflow 与 chatbot 的区别、自主性调节、五种工作流模式、2026 企业 agent 技术栈以及评测与可靠性等内容，理解企业级 AI agent 产品的形态与选型。

查看内容依据

agent vs workflow vs chatbot · an autonomy dial you can turn · the five workflow patterns · the 2026 enterprise agent stack

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

ModelRoute：按置信度将请求路由到小型或大型模型的 LLM 路由系统

ModelRoute 是一个可运行的 LLM 请求路由系统：训练分类器预测请求是否需要大模型，简单请求交给小型廉价模型，困难请求交给大型模型；结合 RAG 接地答案、近重复语义缓存、PII 脱敏与提示注入防护、弱答案升级复核、人工审核队列和 SQLite 请求日志，用于度量成本、延迟与回退率。提供 FastAPI 接口、统计与反馈端点，可选 CNN 截图分类与 LoRA 微调模块。

WatchMate：为每位观众生成个性化直播集锦的多模态视频理解 Agent

WatchMate 是一个基于 Meta Muse 系列模型的多模态视频理解 Agent。它能够监控新视频，按 6 秒片段同时分析画面与声音，再通过长上下文推理将整场直播归纳为关键事件。它根据每位订阅者用文字或语音描述的偏好，判断视频是否适合该用户；若适合，则从共享时间线中挑选片段，生成符合个人时长预算的集锦，并对每个片段进行自检；随后用 Muse Image 生成封面，通过 Telegram 推送集锦与摘要，并支持跟进追问（回答、展示片段或重建集锦）。项目包含 Control Room 操作台、示例运行记录、单元测试与评估脚本，亦提供 Docker 运行方式。README 说明每小时视频分析成本约 3–4 美元，并列出当前限制（来源为本地文件夹、仅支持 Telegram、私有演示、非真正实时流式接入等）。

Alek-Core：面向 Slack/Telegram 的个人多智能体外脑与长期记忆系统

Alek-Core 是一个以 Python 实现、部署于 GCP 的个人 AI 外脑系统，通过 Slack 和 Telegram 与用户交互。它自动从对话中抽取事实并写入长期 RAG 记忆，结合多向量检索与 RRF 重排来丰富后续回答；内置 Router/Smart 协调的多智能体网络，支持 Claude、Gemini、OpenAI、Grok 等可切换模型，并提供语音伴侣相关内容（材料仅提及“realtime voice companion”但无细节）、Gmail 邮件索引与每日摘要、任务提醒、远程 MCP 服务等能力。项目采用六边形架构并配有大量测试与 CI 约束。

SVLA-Agent：后硅验证日志的智能体式根因调试助手

SVLA-Agent 是一个面向后硅验证日志的智能体式 AI 调试助手。它先读取多源硅片测试日志，再用正则和 Drain3 解析、脱敏敏感信息、分类并去重故障，随后用 HDBSCAN 聚类出故障家族，并通过 RAG 检索历史相似事件，最后给出有证据支撑的具体根因与修复建议。项目提供 CLI、FastAPI REST 服务和 Streamlit 仪表盘，也内置离线确定性回退方案；配置 ANTHROPIC_API_KEY 后，可将假设生成切换为 Claude。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。