AI工程专题：Multi-Agent、排队论建模与LLM系统部署一从LangGraph到OpenClaw,企业级AIAgent如何真正落地?

　　开课时间：2027-01-18

　　3周线上直播+6周论文辅导+6次产学研导师课

　　难度★★★★☆

　　10封教授网申推荐信+1篇英文会议论文辅导+1封产学研导师推荐信+产学研方案+国际NGO岗位实习内推机会

　　导师介绍

　　J.W.

　　加州大学伯克利分校电子工程与计算机学院终身正教授

　　·曾获ACMSIGMETRICS终身成就奖

　　·IEEEStephen O. Rice Prize(通信理论领域的重要论文奖)

　　·IEEEFellow(国际电气与电子工程师协会最高等级会员之一)

　　·Fellow ofthe Belgian American Educational Foundation(比美教育基金会会士)

　　·INFORMS FrederickW. Lanchester Prize(运筹学与系统科学领域的重要国际奖项)

　　产学研导师

　　计算机领域顶尖技术专家

　　·前阿里达摩院高级人工智能训练师

　　·深耕AI大模型、机器学习、智能数据分析等多个核心板块

　　·多次在国际技术顶会分享AI赋能各行业的核心成果与实践方法论

　　·精通数据科学建模、AI算法落地、行业场景AI赋能等关键能力

　　课程简介

　　本课程聚焦于当前快速发展的Multi-Agent Al Systems(多智能体Al系统)，围绕”大模型如何从单一聊天工具演变为能够协同工作的AI团队”展开。学生将从现代AI Agent的基本结构出发，学习LLM、记忆系统(Memory)、工具调用(Tool Use)、Agent Workflow与多智能体协同机制，并进一步理解不同Agent之间如何进行任务分工、通信与推理协作。课程还将结合LangGraph、AutoGen、OpenClaw等当前主流Agent框架，分析企业级AlAgent系统背后的工程架构与实现逻辑。

　　在此基础上，课程将进一步进入AI系统工程(AISystems Engineering)方向，重点讨论多Agent系统在真实环境中的部署与优化问题，包括GPU资源调度、云端自动扩缩容、QueueingTheory(排队论)性能分析、系统可靠性建模以及成本优化等内容。学生将通过金融报告自动生成系统等案例，学习如何设计能够兼顾延迟、成本、吞吐量与输出质量的企业级AI基础设施，并理解当前大型科技公司在AIAgent部署、LLM系统架构与AI自动化平台中的核心工程思路。

　　课程要点

　　Auto-Scaling(自动扩缩容)

　　Queueing Theory(排队论)

　　Pareto Frontier(帕累托前沿)

　　Agent Orchestration(Agent编排)

　　Reliability Engineering(可靠性工程)

　　Multi-Agent Systems(多智能体系统)

　　适用学生

　　适用于对人工智能、大语言模型(LLM)或软件系统开发等专业感兴趣的学生

　　计划申请海外名校，需要提升申请竞争力的学生

　　对高含金量的学术推荐信有需求的学生

　　希望提前了解意向专业，或转专业申请缺乏相关研究经历的学生

　　希望提前适应国外教学方式，提升学习能力的学生

　　项目收获

　　·13周课程：3周顶尖名校教授课+6周经典论文教学+4周产学研导师授课的上课体验

　　·技能学习：熟练掌握论文框架、技巧、相关知识等内容

　　·推荐信：10封顶尖名校教授ReferenceLetter

　　·论文投稿：EI/CPCI/Scopus/EBSCO或同等级别国际会议全文投递与发表指导

　　·课程证明：来自顶尖名校教授签发的项目证明

　　·产学研项目证明及推荐信：由香港学术交流及创新中心*官方背书的项目证明，及1封PDF名企产学研导师签发的推荐信

　　·*香港学术交流及创新中心(HKREIC)由香港城市大学教授发起，香港大学、香港科技大学、香港中文大学教授参与，国家及地方政府相关产学研基金、北京大学创业训练营、中国科学院人才交流开发中心等多家顶尖学术机构联合参与，定位为融合政府、学术界、产业界与非营利机构的跨界协作平台。由该平台背书的证书具有较高的权威性和辨识度，在学生后续的推免综合评价中作为科研创新成果认定时，也更具说服力，相较于普通课程证书含金量更高