BrainBank
AI 课堂/技能Resources

AI工程师公开 GitHub 与 YouTube 频道

2026/7/19 20:07:03 · 来源

#rag#skill#agentic-ai#generative-ai#langchain#crewai

一个全面、由社区驱动的学习中心，结合了代码仓库与视频教程，旨在帮助您掌握实用的生成式 AI 与多智能体系统开发。

由 Ratnesh-181998 策划的 AI-Engineer 项目是一个全面的开源教育资源，旨在帮助开发人员过渡到 AI 工程领域。该资源具有双重功能，既是一个高度活跃的 GitHub 仓库，也是一个配套的 YouTube 频道，专门针对 智能体 AI (Agentic AI) 和 生成式 AI (GenAI) 概念进行深入探讨。

AI-Engineer GitHub 仓库

该项目的核心托管在 GitHub 上，作为代码实现、架构解析和实践教程的中心枢纽。该仓库经过专门策划，旨在帮助开发人员理解现代 AI 应用背后的运行机制。

  • 仓库链接： Ratnesh-181998/AI-Engineer
  • 主要关注点： 智能体 AI (Agentic AI) 架构、GenAI 实现以及实用的 AI 工程工作流。

GitHub - Ratnesh-181998/AI-Engineer: AI 工程专题 - 智能体 AI 与 GenAI 解析GitHub - Ratnesh-181998/AI-Engineer: AI 工程专题 - 智能体 AI 与 GenAI 解析

AI Engineer YouTube 频道

为了与代码库形成互补，创建者还运营着 AI Engineer YouTube 频道。该频道将仓库中复杂的代码结构转化为易于理解的视频教程、演示和概念解析。

AI EngineerAI Engineer

您可以直接在 YouTube 上访问视频库：

核心教育关注领域

GitHub 仓库和 YouTube 频道的结合资源主要针对现代 AI 开发的两大支柱：

1. 智能体 AI (Agentic AI)

  • 专注于构建具备规划、工具使用和执行能力的自主智能体（Autonomous Agents）。
  • 讲解如何引导智能体从初始问题走向最终的执行合并。
  • 涵盖与新兴工具和标准的集成，例如模型上下文协议（MCP）。

2. 生成式 AI (GenAI)

  • 涵盖大型语言模型（LLM）的基础原理。
  • 讲解实际应用模式、提示词工程（Prompt Engineering）以及上下文窗口管理。
  • 提供关于将 AI 功能集成到传统软件开发人员工作流中的分步指南。

核心要点

  • 统一的学习枢纽： 通过将 YouTube 上的分步视频教程与 GitHub 上的生产级代码模板相结合，提供同步的学习体验。
  • 专业化课程： 避免宽泛的 AI 概览，而是重点关注高需求领域，如 智能体 AI (Agentic AI) 和实用的 GenAI 集成。
  • 以开发人员为中心： 专为希望掌握 AI 工程概念、工具使用集成以及自主智能体工作流的现役开发人员而设计。

学习地图

阶段 1：生成式 AI 基础

  • API 集成：学习使用 Python 配置和调用 LLM API（OpenAI、Anthropic、Ollama），以理解系统的输入和输出。
  • 链与提示词：探索如何使用 LangChain 或 LlamaIndex 将单提示词链编排为结构化的工作流。

阶段 2：检索增强生成 (RAG)

  • 向量数据库：学习分块策略以及如何将文档嵌入存储在 ChromaDB 或 Pinecone 等数据库中。
  • 查询管道：实现语义搜索以检索上下文相关的数据，从而减少模型幻觉。

阶段 3：智能体 AI 与工具使用

  • 函数调用：教 LLM 识别何时使用外部工具（如搜索引擎或计算器）来解决复杂任务。
  • 多智能体编排：利用 CrewAI 或 LangGraph 等框架协调多个专用智能体，以实现复杂企业工作流的自动化。

动手实践——分步指南

  1. 设置您的环境：创建一个本地 Python 虚拟环境并安装所需的编排库：

    python -m venv ai-env
source ai-env/bin/activate
pip install langchain langchain-openai crewai chromadb python-dotenv

  2. 配置 API 密钥：在您的根文件夹中创建一个 .env 文件并添加您的 LLM API 凭证：

    OPENAI_API_KEY=your_openai_api_key_here

  3. 构建基础 RAG 设置：编写一个 Python 脚本对本地文本文件进行分块，使用 OpenAI 的嵌入模型进行向量化，并将其存储在 ChromaDB 中以进行语义查询。

  4. 创建多智能体团队：使用 CrewAI 定义一个研究智能体和一个写作智能体。为研究智能体提供网页搜索工具，并指导写作智能体将研究员的发现整理成 Markdown 报告。

  5. 执行与优化：运行脚本，分析详细的智能体执行日志以了解智能体如何分发任务，并微调它们的提示词模板以提升最终输出效果。

三大推荐资源

  1. 1
    AI-Engineer GitHub Repository

    The central repository containing step-by-step code implementations for GenAI concepts and Agentic workflows.

    https://github.com/Ratnesh-181998/AI-Engineer

  2. 2
    AI Engineer YouTube Channel

    Comprehensive video tutorials that visually walk through the code and concepts hosted in the companion GitHub repository.

    https://www.youtube.com/@aiDotEngineer

  3. 3
    CrewAI Documentation

    The official framework guide for establishing role-playing, autonomous AI agents to automate practical business workflows.

    https://docs.crewai.com

链接由 AI 推荐——使用前建议快速核实。