DeepLearning.AI 智能体相关短课精选

DeepLearning.AI Short Courses (curated picks for agents)

• mcp
• claude-code
• agent-skills
• evals

状态

active

路线位置

第 24 步：精选：MCP、Claude Code、Agent Skills、Evaluating AI Agents 四门短课（按需挑）；选读：入门阶段选看：Building toward Computer Use with Anthropic；选读：体系阶段选看：Agentic AI（Andrew Ng）（查看路线）

搭配笔记：#7 用 Agent Skills 为智能体装备真实世界的专业能力、#8 用代码执行调用 MCP：构建更高效的智能体、#10 Desktop Extensions：一键安装 Claude Desktop 的 MCP 服务器、#4 Claude Code 最佳实践、#11 揭秘 AI 智能体评测、#1 构建高效的智能体：从简单可组合的模式出发

一句话导读#

这是一组时长一到两小时的视频短课，由讲师带着 notebook 演示。本页只挑出与 Anthropic 工程博客主题一一对应的几门，作用是把笔记里读到的东西“看一遍别人怎么动手”。

为什么放在这个阶段#

• 主阶段：实战。读完两篇长时 harness 笔记后，MCP、Claude Code、Agent Skills 三门 Anthropic 合作短课正好提供动手演示；评测课则把体系阶段的评测理论落到 tracing 和实验上。
• 入门（选看）：Computer Use 短课把 API、多模态、提示缓存、工具使用串成一个 computer use 示例，可以作为入门阶段的综合复习。
• 体系（选看）：Andrew Ng 的 Agentic AI 是一门约 10 小时的系统课，覆盖反思、工具、评测与错误分析、规划与多智能体，适合想要一条完整视频主线的读者。

结构速览#

备选（只核实了标题、日期和简介，没看课时安排）：Building Coding Agents with Tool Execution（2025-12-03，沙箱中执行代码）、Agent Memory: Building Memory-Aware Agents（2026-03-18）、Spec-Driven Development with Coding Agents（2026-04-15）、AI Code Review（2026-07-29）、Governing AI Agents（2025-10-22，数据治理）。

建议看哪些部分#

与 Anthropic 笔记对照#

• Skills：短课讲“怎么用”，Agent Skills 笔记 讲“为什么这样设计”（渐进式披露）。看完课可以回头检查：课里的自定义 skill 是否符合笔记里的分层加载思路。
• MCP：短课演示协议本身；用代码执行调用 MCP 和 高级工具使用 讨论工具变多以后的上下文成本——这是短课不太涉及的“规模化”问题。
• Claude Code：短课偏操作演示；Claude Code 最佳实践、超越权限弹窗、auto 模式 讲背后的取舍和安全边界。
• 评测：Arize 课程的 tracing 与轨迹评测，可以和 揭秘 AI 智能体评测、基础设施噪声 一起读——后者提醒“分数差异可能来自环境而非模型”。
• Agentic AI：课程中反思、工具、规划、多智能体几个模块，大致对应 构建高效的智能体 的模式清单与 多智能体研究系统；其中“错误分析”模块与评测笔记最互补。

flowchart LR
    subgraph 入门
      CU["Computer Use 短课<br/>选看"]
    end
    subgraph 体系
      AAI["Agentic AI<br/>选看"]
    end
    subgraph 实战["实战（第 24 步）"]
      MCP["MCP 短课"]
      CC["Claude Code 短课"]
      SK["Agent Skills 短课"]
      EV["Evaluating AI Agents"]
    end
    MCP --> N8["笔记 8–10<br/>MCP 与工具规模化"]
    CC --> N4["笔记 4、21–22<br/>Claude Code"]
    SK --> N7["笔记 7<br/>Agent Skills"]
    EV --> N11["笔记 11–13<br/>评测"]

学习任务#

1. 看完 Agent Skills 短课后，把你常做的一件事写成一个 skill，再对照笔记检查：description 能否让模型判断何时加载？大文件有没有拆到按需读取的位置？
2. 看完 MCP 短课后，写一个只有两个工具的 MCP 服务器，然后思考：如果工具增加到 50 个，用代码执行调用 MCP 的做法能省下什么？
3. 用 Evaluating AI Agents 的方法，为你在 Hugging Face 课程里做的结业智能体补一次轨迹评测。

注意事项#

• 费用：课程页写着证书或成就需要 PRO，具体价格以及哪些内容免费都未核实，本页不作说明。
• 时效：Anthropic 合作短课录制于 2025–2026 年，界面和模型名可能已经变化，操作细节以 Claude 官方文档为准。
• 厂商视角：评测课由 Arize 合作制作，会使用其工具。学习重点放在方法上，不必绑定特定平台。
• URL：旧的 /short-courses/ 地址会跳转到 /courses/，本页统一使用新地址。

延伸阅读#

站内笔记

• 用 Agent Skills 为智能体装备真实世界能力
• 用代码执行调用 MCP
• Claude Code 最佳实践
• 揭秘 AI 智能体评测

原文相关链接

• 课程总目录

本导读依据 2026-10-17 访问的在线内容撰写，仅为导读与总结。原文：DeepLearning.AI, 课程目录及上述各课程页。