Your cart is empty.
Keep shopping
Agent 全栈开发实战：RAG + LangChain + FastAPI + Next.js 智能电商工单系统
8 students
Agent 全栈开发实战：RAG + LangChain + FastAPI + Next.js 智能电商工单系统
整合 Next.js、FastAPI 与 Ollama，利用 Pandas 深度处理工单数据，实战 Weaviate 向量检索与 PostgreSQL 存储，打通 SSE 流式交互全链路。
Created byKevin AIRTC
Last updated 4/2026
Chinese (Simplified)
What you'll learn
- 精通 Pandas 数据处理： 能够熟练运用 Pandas 转换、清洗和提取电商工单数据，为 RAG 知识库建设打好基础。
- 构建私有化 AI 体系： 掌握使用 Ollama 部署本地大模型，并结合 Weaviate 向量数据库实现企业级 RAG 架构。
- 开发高可靠 FastAPI 服务： 掌握 Python 后端工程化规范，包含统一响应格式设计、全局异常处理及路由管理。
- 架构 PostgreSQL 数据库： 实战 PostgreSQL 建模，利用 Alembic 处理数据库版本迁移与模型关联。
- 设计 LangChain Agent 引擎： 掌握 LCEL 语法，实现具备逻辑路由、流式输出能力的智能对话 Agent。
- 攻克全栈鉴权难点： 打通 JWT 认证闭环，实战前端无感 Token 刷新、后端请求拦截以及 ErrorCode 规范定义。
- 驾驭 SSE 流式传输： 吃透 Server-Sent Events 协议，实现从后端推送流到前端逐字回填的丝滑交互。
- 落地现代 Next.js 交互： 结合 Axios 与 React 状态管理，完成具备高度复杂交互能力的 AI 系统前端开发。
Explore related topics
Course content
7 sections • 68 lectures • 10h 33m total length
Requirements
- 具备 Python 基础知识，对后端 API 开发有基本了解。
- 具备 基础的前端知识（JavaScript/TypeScript，了解 React/Next.js 框架）。
- 电脑环境支持运行 Docker（用于部署 Weaviate 和 PostgreSQL）。
Description
为什么选择这门课？
在 AI 落地元年，通用的聊天机器人已无法解决企业的核心痛点。本课程带你深入真实的电商客服工单业务场景，手把手教你如何将杂乱的工单数据转化为智能的 AI 生产力。我们将利用 Pandas 进行专业的数据清洗与分析，通过 RAG（检索增强生成）技术结合 Weaviate 向量数据库，构建一个能够精准理解业务逻辑、具备流式响应能力的智能工单处理 Agent。
你将学到什么核心技术？
Pandas 数据工程实战： 深度实战 Pandas 加载、清洗并分析电商工单数据，为 AI 向量化提供高质量的数据基座。
私有化大模型与 RAG 架构： 部署 Ollama 本地模型，利用 Weaviate 构建向量索引，实现基于私有工单库的精准问答。
FastAPI 与 PostgreSQL 后端基建： 构建符合企业级规范的 Python 后端，利用 PostgreSQL 存储结构化业务数据，并使用 Alembic 管理数据库迁移（Migration）。
LangChain 智能引擎： 使用 LangChain LCEL 语法编写 Agent 逻辑，支持提示词模板设计与 Stream 流式响应生成。
Next.js 前端与 SSE 流式交互： 攻克 Token 无感刷新与 Axios 拦截器痛点，实战 SSE (Server-Sent Events) 协议，打造极速渲染的流式对话体验。
Who this course is for:
- 希望从基础 Web 开发向 AI Native 全栈架构师 转型的进阶开发者。
- 渴望学习 Pandas 数据处理、向量数据库检索以及 RAG 系统落地 的技术人员。
- 对 FastAPI、PostgreSQL 数据库架构设计以及 SSE 流式通信技术 感兴趣的技术极客。