课程使命
构建一个只读的 copilot，通过阅读某个 SaaS 应用的帮助文档、源代码、Git 历史、数据库和日志，回答使用、缺陷和功能可行性问题。回答会标注来源、遵守调用者的角色权限，并拒绝证据无法支持的内容。Copilot 从不执行操作；课程讲授的是围绕这条边界的工程实践。
AI 工程实验室 · 19 集课程
跟着 19 集课程，构建一个只读的 SaaS 支持 Copilot。
SaaS Support Copilot 是一套已完成的跟做式课程。你将一步步构建一个 AI 助手，基于文档、代码、Git 历史、数据库和日志回答使用、缺陷与功能可行性问题，并提供引用、按角色控制的访问权限和诚实的拒答。
$ 课程 --状态
▸ 形式 跟做式构建，每集一个经过测试的改动
▸ 集数 19
▸ 语言 EN · FR · ZH
▸ 状态 已完成
● 读取 → 引用 → 拒答课程大纲
一次一个经过测试的改动，构建只读的支持 Copilot。
SaaS Support Copilot 是可自定进度的跟做式课程。通过 19 集内容和一节方法课，你将为一个虚构的工单类 SaaS 逐步构建 copilot——从第一个带类型的数据模型，到使用真实模型的压轴演示。
课程如何进行
- 阅读本集的学习目标和讲解要点。
- 实现改动并在本地运行，无需付费 API key。
- 观察失败案例，再运行能证明修复有效的测试。
- 先完成练习，再进入下一集。
推荐顺序
每一集都建立在上一集之上，因此按 0 → 18 的顺序学习最容易。《用提示词驱动整个构建》是贯穿整门课程的配套课：学过几集之后再读一次即可。
阶段 1 · 第 0–3 集
基础
明确问题、搭好带类型的 Python 项目基础、完成最小的 LLM 调用，并把模型输出转成结构化数据。
阶段 2 · 第 4–7 集
路由、工具与智能体循环
为每个问题分类，为智能体提供安全的只读工具，驱动有边界的循环，并保存对话状态。
阶段 3 · 第 8–13 集
证据与安全
从零构建 RAG 与调用图，在检索层强制执行权限，规划可行性分析，拒绝命令式请求，并防御提示注入。
阶段 4 · 第 14–18 集
交付与验证
加入 HTTP 边界、评估与可观测性、本地部署、生产就绪度评审，以及压轴演示。
学完你将能够
- 说清楚何时用工作流就够、何时值得用智能体，并设计两者之间的边界。
- 用安全的契约构建只读工具，并由有边界的智能体循环来驱动。
- 结合关键词检索、向量检索和调用图检索，并在模型看到文档之前就执行基于角色的访问控制。
- 拒绝命令式请求，把检索到的文本视为数据，并用一组黄金问题集测试 copilot。
- 准确说明原型与生产部署之间还差什么。
课程目录
19 集内容，加上背后的方法
每一集都会在 GitHub 上打开中文版，就在它所构建的代码旁边。
00 · 基础
我们要构建什么
模型、应用与智能体的区别，工作流与智能体的区别，以及 Loopline 示例应用导览。
阅读本集01 · 基础
Python 项目基础
带类型的数据模型与测试，让后续每一集传递数据时都不必猜测。
阅读本集02 · 基础
最小可用的 LLM 调用
与服务商无关的消息接口和一个假客户端，在接触真实 API key 之前就先搭好。
阅读本集03 · 基础
系统提示词与结构化输出
把模型的自由文本输出变成带类型、经过校验的值，输出格式错误时自动重试。
阅读本集04 · 路由、工具与智能体循环
决策、路由与工作流
先判断问题类型——使用、缺陷、功能或含糊不清——再进行路由。
阅读本集05 · 路由、工具与智能体循环
工具与安全的工具契约
面向文档、源码、Git 历史、数据库和日志的只读工具，通过带超时的注册表调用。
阅读本集06 · 路由、工具与智能体循环
智能体循环
由模型驱动的循环——观察、决策、行动——每一步在调用工具与直接回答之间做选择。
阅读本集07 · 路由、工具与智能体循环
对话状态与记忆
有边界的对话上下文和按会话保存的记忆，不把“这次对话”与“这个用户”混为一谈。
阅读本集08 · 证据与安全
RAG 基础
分块、BM25、向量嵌入与排名融合——从零构建，让 RAG 不再是黑盒。
阅读本集09 · 证据与安全
面向代码关系的知识图谱
用调用图回答“改动这个函数会破坏什么？”——这是文本检索做不到的。
阅读本集10 · 证据与安全
具备权限感知的检索
让调用者的角色成为检索的一等输入，在模型看到任何文档之前就强制执行。
阅读本集11 · 证据与安全
规划与多步骤工作：功能可行性评估
为可行性问题设计先规划的工作流：在调用任何工具之前，先想清楚需要什么证据。
阅读本集12 · 证据与安全
人工审批与拒绝
识别命令式请求并诚实地拒绝，全程不调用模型。
阅读本集13 · 证据与安全
提示注入与数据泄露防御
把检索到的文本当作数据而非指令，并亲眼看到被注入的命令遭到双重拦截。
阅读本集14 · 交付与验证
FastAPI 应用边界
带请求校验、共享资源、请求 ID 的 HTTP 边界，出错时返回清晰的错误而不是堆栈跟踪。
阅读本集15 · 交付与验证
评估与可观测性
在真实模型上运行的黄金问题集，加上延迟、token 用量和结构化日志，用来发现回归。
阅读本集16 · 交付与验证
本地部署与可复现性
带 MySQL 的 Docker Compose、不进入版本控制的密钥，以及用于访问数据库的独立 MCP 服务器。
阅读本集17 · 交付与验证
原型架构与生产架构
划清原型已有内容与生产所需内容的界线；补上一个真实的缺口，并把其余部分记录下来。
阅读本集18 · 交付与验证
压轴演示
一个运行中的系统加一个真实模型：同一个问题，因为一个请求头里的角色不同，得到回答或被拒绝。
阅读本集加餐 · 方法
用提示词驱动整个构建：这 19 集课程究竟是怎么写成的
AI 编程智能体如何写出每一行代码：每次提示只做一个聚焦且经过测试的改动，先验证再记录。
阅读本集当前状态
一套已完成的 19 集课程，也是一个学习用原型。
已完成：19 集 · 代码采用 MIT 许可证。所有内容都在本地基于虚构的示例数据运行。Loopline 是为本课程虚构的，不代表任何真实公司的产品、代码或数据。这是学习用原型，而非生产环境的安全保证：第 17 集准确列出了真实部署还缺什么。