TypeScript 构建 DeepSearch AI 应用实战班

掌握构建 LLM 智能代理的核心技能

学习内容：

本课程将带你从零构建一个名为 “DeepSearch” 的 AI 应用，涵盖从基础搭建到生产级部署的全流程。你将学习如何实现智能代理、集成数据库与缓存、实现会话持久化、引入可观测性与 Evals 测试、优化 Agent 架构、掌握高级工作流模式等技能，确保 AI 应用在真实业务中高效、可扩展、可持续优化。

本课程包括

• 使用 Next.js + TypeScript 搭建项目
• 集成 PostgreSQL（通过 Drizzle ORM）与 Redis 缓存
• 实现 Naive Agent 并接入 LLM 与搜索工具
• 实现聊天会话的数据库持久化与前端展示
• 引入 LangFuse 可观测性平台，追踪 LLM 调用链路
• 使用 Evalite 进行 AI 应用 Evals 测试，设计成功标准
• 实现 LLM-as-a-Judge 与自定义数据集
• 通过任务分解优化 Agent 架构
• 实现多步骤任务流转与前端交互优化
• 区分 Agent 与 Workflow 模式并应用优化循环
• 实现搜索-抓取-总结的高级模式，添加防护与澄清机制

价格：99$

教程语言：英文

教程字幕：中英文字幕

课程要求：

• 具备基础的 TypeScript 与 Next.js 知识
• 了解 PostgreSQL 数据库与 Redis 缓存
• 有一定的 LLM API 调用基础
• 有 Git 与 Node.js 基础操作能力

课程描述：

本课程由知名开发者 Matt Pocock 授课，专注于帮助学员掌握构建生产级 AI 应用的核心技能。课程采用 Cohort-based（小组进阶）模式，按天解锁内容：

• Days 00-02：搭建 Next.js + TypeScript 项目，集成 PostgreSQL 与 Redis，构建 Naive Agent 并保存聊天记录。
• Days 03-05：引入 LangFuse 可观测性与 Evalite 测试框架，实现 LLM 调用追踪与客观评估，设计成功标准与数据集。
• Days 06-07：重构 Agent 架构，引入任务分解模式，实现多步骤任务处理与前端交互优化。
• Days 08-09：掌握 Agent 与 Workflow 模式的差异，构建 evaluator-optimizer 循环，优化搜索与抓取工具，增强系统稳定性与可维护性。

完成本课程后，你将具备设计与实现可观测、可评估、可扩展 AI 应用的能力，能够在真实业务场景中部署并持续优化你的 LLM 驱动产品。

B站免费课程

更多 网页开发 教程