本课程涵盖在 Google Cloud 上使用 Claude 模型。您将实现流式传输和工具使用等核心 API 功能，构建系统化的提示评估流水线，理解 RAG 系统，并探索智能体架构。
您将学到的内容完成本课程后，您将能够
- 通过 Google Cloud 的 Agent Platform 设置和配置 Claude 模型
- 实现具有适当消息处理和上下文管理的多轮对话
- 使用系统化测试工作流程和自动评分技术设计和评估提示
- 应用提示工程原则，包括 XML 标签结构化、基于示例的学习和输出控制
- 构建工具使用实现，使 Claude 能够与外部函数和 API 交互
- 使用文本分块、嵌入、BM25 搜索和上下文检索技术开发 RAG 流水线
- 利用 Claude 的高级功能，包括视觉能力、PDF 处理、引用生成和提示缓存
- 实现 Model Context Protocol 以创建自定义工具、资源和提示模板
- 为复杂 AI 系统设计具有并行化、链式和路由模式的基于智能体的工作流程
Who it’s for
想要为其应用程序添加 AI 功能的开发者
Before you start
- 精通 Python 编程
- 具备处理 JSON 数据的基本知识
- 拥有可访问 Agent Platform 的 Google Cloud 账户
- 除 Google Cloud 账户外还需要 Claude API 密钥，因为 Model Context Protocol 部分的项目会直接调用 Claude API
Inside the course
通过 API 访问 Claude
10 lessons从这里开始学习基础知识。涵盖 API 身份验证、基本请求、对话管理、系统提示和结构化输出生成。
提示工程技巧
6 lessons学习编写真正有效的提示。重点关注提示策略、评估框架和系统化测试方法。
Claude 的工具使用
14 lessons使用自定义工具和函数扩展 Claude。构建具有函数调用、多轮工具交互、批量工具调用功能的应用程序，并利用内置实用工具。
检索增强生成
10 lessons生产级 RAG 系统的实现指南。涵盖文本分块、嵌入、使用 BM25 的混合搜索、多索引架构、重排序和上下文检索。
Model Context Protocol
12 lessons用于构建模块化 AI 应用程序的协议。定义自定义工具和资源，实现 MCP 服务器和客户端，处理完整的集成生命周期。
智能体与工作流程
8 lessons自主 AI 系统的架构模式。了解并行执行、操作链式处理、条件路由以及有效的调试策略。