课程名称适应人群AI智能体开发实战教程（从0到企业级项目落地）✅ 绝对适合：1.想要转型AI开发的程序员 - 完整项目实战快速入门 2.全栈开发者 - 学习AI智能体集成技能，提升技术壁垒 3.技术团队负责人 - 掌握企业级AI解决方案，带领团队技术

课时名称课时知识点课程配套完整源码课程配套完整源码已申请软件著作权，仅供学习使用，未经授权禁止传播，违权必究。

课时名称课时知识点08_使用docker部署应用服务本文介绍了使用Docker部署应用服务的完整流程，包括环境安装、本地Docker Desktop部署和阿里云服务器部署，涵盖镜像构建、容器编排、服务监控和日志管理等关键操作。

课时名称课时知识点07_编写docker-compose部署脚本本文介绍了使用docker-compose编排多服务应用，定义flyoss应用、Redis和Qdrant服务的配置，包括健康检查、网络连接、数据持久化和依赖管理，实现一键部署。

课时名称课时知识点06_编写Dockerfile部署脚本本文介绍了使用多阶段构建的Dockerfile和入口点脚本实现Flask应用的容器化部署。通过优化镜像构建、依赖安装和服务检查，确保应用在容器环境中稳定运行。

课时名称课时知识点05_搭建Prometheus服务器本文介绍了Prometheus服务器的搭建过程，包括下载安装包、修改配置文件指定监控目标，以及启动服务并通过Web界面查询应用指标，实现对Flask应用的监控。

课时名称课时知识点04_集成Prometheus监控系统本文介绍了在Flask应用中集成Prometheus监控系统，通过定义请求计数、延迟和错误指标，利用请求钩子更新数据，并暴露/metrics端点供Prometheus抓取，实现应用性能监控。

课时名称课时知识点03_使用Flask蓝图模块化系统监控服务本文介绍了使用Flask蓝图模块化开发系统监控服务，包括健康检查、日志文件管理和日志内容查询等API的实现。通过定义数据模型、错误处理和注册蓝图，实现了对Redis、Qdrant、LLM等依

课时名称课时知识点02_生产环境日志文件的管理本项目实现生产环境日志文件的双重轮转管理，通过CustomRotatingFileHandler同时支持按日期和文件大小轮转。配置单个文件大小限制和保留天数，采用安全轮转策略处理文件锁定情况，自动清理过期

课时名称课时知识点01_集成LangSmith实现全链路追踪本项目通过环境变量配置LangSmith实现全链路追踪，设置API端点、密钥和项目名称后自动启用监控。该功能可记录AI智能体的完整调用过程，便于问题排查和性能优化，提升系统可观测性。

课时名称课时知识点11_使用Flask蓝图模块化AI智能体服务本项目使用Flask蓝图将AI智能体服务模块化，通过RESTful API提供消息处理、工具确认和流式响应三大接口。利用Flask-RESTx定义标准化数据模型，集成主控Agent实现异步

课时名称课时知识点10_钉钉服务集成全局主控Agent钉钉服务集成全局主控Agent，通过配置工具调用确认机制处理用户消息和工具命令。支持确认、取消和编辑参数操作，利用Redis保存会话状态，调用主控Agent协调工作流，实现智能对话与工具调用的无缝

课时名称课时知识点09_全局主控Agent全局主控Agent作为系统核心协调器，统一调度决策流程和工具执行两大工作流。提供同步处理、工具命令处理和流式响应三种交互方式，封装了完整的对话处理逻辑，对外提供标准化的消息处理接口。

课时名称课时知识点08_工具调用确认决策流程管理器工具调用确认决策流程管理器使用LangGraph构建专门的工具执行工作流，处理用户对工具调用的确认、取消或修改操作。该系统根据确认状态动态路由到具体工具节点，执行后生成响应并保存对话记忆，实现工具调用

课时名称课时知识点07_Agent决策流程管理器Agent决策流程管理器使用LangGraph构建智能体工作流，通过状态图协调多个Agent的协同工作。该系统根据意图识别和确认状态进行动态路由，支持工具调用、知识检索和记忆存储，实现从用户输入到响应生

课时名称课时知识点06_响应生成Agent响应生成Agent整合多源信息（情感状态、工具结果、知识检索等），通过Jinja2模板调用LLM生成自然语言响应。该Agent具备情感适配、建议生成和参考来源提取功能，输出结构化响应对象，实现智能化的多轮对话

课时名称课时知识点05_知识库检索Agent知识库检索Agent基于Qdrant向量数据库实现语义检索功能，根据用户查询从知识库中返回最相关的文档片段。该Agent通过配置的top_k和score_threshold参数控制返回结果的数量和质量，为后

课时名称课时知识点04_工具选择Agent工具选择Agent基于用户输入、情感分析和意图识别结果，从预注册的工具分类中选择合适工具并准备参数。通过Jinja2模板调用LLM生成结构化选择结果，为后续工具执行提供准确的工具名称和参数配置。

课时名称课时知识点03_意图识别Agent意图识别Agent通过LLM分析用户消息，识别聊天、提问、指令和工具使用四种意图类型。结合可用工具列表和情感状态，输出结构化结果并推荐相应工具，为后续处理提供明确的执行方向。

课时名称课时知识点02_情感分析Agent情感分析Agent使用LLM和Jinja2模板分析用户消息中的情绪，通过JSON解析器输出结构化结果。该Agent能识别五种情绪类型并给出强度评分，为后续响应生成提供情感依据，集成在Agent决策流程中。

课时名称课时知识点01_对话历史Agent该对话历史Agent负责从Redis记忆系统中检索用户对话历史，并使用LLM生成历史摘要。通过Jinja2模板构建提示词，实现对话历史的智能化压缩和关键信息提取，为后续Agent决策提供上下文支持。