2026 Deep Agent – 使用 Gemini 与 LangChain 的多代理 RAG

Langchain v1人工智能代理、多模态深度代理、多代理深度高级RAG、谷歌Gemini 3、Qdrant、Docker、Docling

讲师：KGP Talkie | Laxmi Kant

---

你将学到的内容

• 使用 Google Gemini、LangChain v1、MCP 以及现代代理设计模式，构建可投入生产的 AI 代理。
• 利用 Docling、Gemini、Qdrant 向量数据库和混合检索，设计并实现多模态 RAG 流水线。
• 通过 Docling、Docker 与结构化数据抽取技术，大规模处理 PDF、表格和图像。
• 在真实 AI 系统中实现混合检索、重排序、记忆、MCP 工具以及成本优化的上下文缓存。
• 为金融场景创建具备编排器、研究员和编辑员的自主多代理研究系统。

先决条件

• 需要具备基础的 Python 知识。熟悉 API、Docker 或 RAG 概念会更有帮助，但并非必须。

课程简介

本课程是一套完整、动手实践的指南，教你使用 Google Gemini、LangChain v1、MCP 与现代 RAG 技术，构建真实世界的 AI 代理和深度研究（DeepAgent）系统。

你将从 AI 代理的最基础概念出发，逐步迈向用于深度金融研究的高级自主多代理系统。课程采用循序渐进的设计，既适合初学者跟随学习，也能让有经验的开发者掌握先进的生产级模式。

本课程的重点不止于理论。你将通过 Python Notebook、真实 API、真实文档和真实数据流水线，一步步完成所有实现。

课程覆盖内容

首先，你会真正理解 AI 代理的本质。学习不同的代理模式、代理的推理方式、行动机制，以及如何为实际项目挑选合适的代理设计。

随后，你将正确搭建 Google Gemini AI Studio 与 LangSmith，包括创建 API Key、了解计费、速率限制以及追踪代理执行，以便像专业人士一样调试和监控代理。

接下来，你会参加一次 完整的 Gemini 与 LangChain 训练营。内容包括：在 Python 中使用 Gemini 模型、消息内部机制、流式响应、处理多模态输入、以及使用工具、函数调用、推理模式、 grounding 与上下文缓存来降低成本、提升性能。

在夯实基础后，你将进入 LangChain 代理的学习。你会构建具备记忆、状态管理、摘要中间件、后备模型、PII 保护、规划器、流式响应以及使用 Pydantic 的结构化输出的代理。

课程随后通过金融案例引入 MCP。你将连接外部 MCP 服务器（如 Yahoo Finance），将其加载为 LangChain 工具，并构建一个具备结构化提示和规划器的完整股票研究代理。

深度 RAG 与多模态金融系统

• 本课程的大部分内容聚焦于金融领域的深度 RAG 系统。
• 你将了解为何多模态 RAG 难度大，PDF、表格、图像以及长文档会出现哪些问题，以及如何设计可靠的深度 RAG 流水线。
• 使用 Docling 从金融 PDF 中抽取数据，包括将 PDF 转为 Markdown、带上下文抽取表格、追踪页码、抽取图像，并在大规模下验证数据完整性。
• 随后，利用多模态 Gemini 模型为图像生成精准描述，并将这些描述存入 Markdown，使整个流程保持在单一文本管道中。
• 接着，将海量多模态数据写入 Qdrant 向量数据库。学习密集检索、稀疏检索、混合检索、元数据过滤、通过文件哈希去重，以及分块和检索模型的最佳实践。
• 在此基础上，构建使用混合检索和交叉编码器重排序的高级检索流水线，以提升答案质量。

构建真实的多代理深度研究系统

在课程的最后阶段，你将从零搭建完整的多代理深度研究系统。

你会设计能够像专家研究团队一样工作的自主代理，包括编排器、研究员和编辑员。这些代理能够规划任务、执行深度研究、综合结果并生成结构化输出。

学习代理状态如何共享、工具如何在运行时注入、文件如何被代理管理，以及针对编排器、研究员、编辑员角色的提示设计差异。

此外，还会探索 LangChain 内置的深度代理架构，使用子代理和文件后端构建完整的深度金融研究代理。

适合人群

本课程面向希望超越基础聊天机器人的开发者，构建严肃 AI 系统的人群。

适合以下角色：

• 从事 LLM 开发的 AI 工程师
• 构建 RAG 系统的后端开发者
• 处理文档与研究的数据科学家
• 对 AI 自动化感兴趣的金融与分析专业人士
• 任何想了解生产环境中真实多代理系统构建方式的人

建议具备基础 Python 知识，若有一定的代理或 RAG 经验更佳。

课程结束后，你将能够使用 Gemini 与 LangChain 设计、构建并调试高级 AI 代理、多模态 RAG 流水线以及自主多代理研究系统。

你不仅会理解概念，更会亲手搭建完整的端到端系统，可直接复用于真实项目、创业或企业环境。

适合人群：

• AI 工程师、后端开发者以及数据科学家，想要使用 Gemini 构建代理、搭建多模态 RAG 系统，并通过 LangChain、Docling、Docker 与 Qdrant 实现深度研究工作流。