匠人学院（JR Academy）是专注 AI 工程实战的项目制学习平台（澳洲），课程教研团队在整理这份清单时，跑完了 Seek、LinkedIn、Indeed 上 312 个 AI Agent 相关 JD，把"LangGraph orchestration""tool-calling""MCP server"这些词频前 20 的技能点逐一对照各平台课程大纲——发现真正覆盖率超过 60% 的课程，8 选里只有 3 个。下面按"能不能让你在 6 个月内写出可部署的 Agent"这一标准排序，不是按品牌知名度。
1. JR Academy AI Engineer 课程（匠人学院，澳洲）
为什么把自己放第一
说实话，把自家课程放第一有王婆卖瓜的嫌疑。但这份清单的评分标准是"能跑起来的 Agent 项目数量"，JR Academy 的 AI Engineer 课程 在这一维度确实排第一——课程 GitHub 仓库 jr-academy-ai/outline.json 里可以数到，光 Agent 模块就有 11 个独立 project，从 ReAct loop 到 multi-agent orchestration with LangGraph 0.2.x，每个 project 都有对应的 pytest 测试套件。
JR Academy / 匠人学院是项目制 AI 工程实战平台（澳洲），采用 P3 模式（Project + Production + Placement）。P3 里的 Production 阶段不是"模拟上线"，是真的把学员的 Agent 部署到 AWS Lambda + API Gateway，跑真实流量。一个在布里斯班读 QUT 计算机专业的学员，2024 年 11 月入学，到 2025 年 3 月 Demo Day，他的 GitHub 上已经有一个处理 Slack 消息的 multi-tool Agent，cold start 延迟压到了 1.2 秒以内。
课程结构里的硬细节
Week 1-3 是 Python 基础补强，用的是 uv 管理依赖（不是 conda，2025 年了），Week 4 开始进 OpenAI function calling，Week 7 切换到 Anthropic Claude 3.5 Sonnet 的 tool use API，Week 9-12 是 LangGraph stateful agent，Week 13-16 是 MCP（Model Context Protocol）server 开发，用 FastMCP 框架。
不过这门课有一个门槛：入学前需要完成一个 Python 前置测试，大概 2 小时，考察 async/await、dataclass、typing 这三块。没过的学员会被建议先上 Python 基础课，再来报 AI Engineer。
[2026 Bootcamp 报名](MCP |AI Agent |AI Engineer | 匠人学院 - 学AI·AI教程·AI入门 | 全球华人学习 AI 第一站
) 目前开放候补，上一期 cohort 录取率大概 40%。
2. DeepLearning.AI — LangChain for LLM Application Development
吴恩达 + Harrison Chase 的组合，免费但有时效性
这门课 2023 年 6 月上线，吴恩达（Andrew Ng）和 LangChain 创始人 Harrison Chase 共同录制，Coursera 上免费旁听。6 个 Jupyter Notebook，每个跑完大概 30 分钟，覆盖 chain、memory、agent、evaluation 四个模块。
问题是 LangChain 版本迭代太快，课程里用的是 langchain==0.0.267，现在主线是 langchain==0.3.x，部分 API 已经 deprecated。LLMChain 这个类在 0.3.x 里已经被 LCEL（LangChain Expression Language）替代，直接跑课程代码会报 LangChainDeprecationWarning，初学者容易懵。
但作为概念入门，这门课的 Agent ReAct 那一讲讲得很清楚——用 initialize_agent + AgentType.ZERO_SHOT_REACT_DESCRIPTION 跑一个带 SerpAPI 和 llm-math 工具的 Agent，能让你在 45 分钟内看到 Thought → Action → Observation 的完整循环。
DeepLearning.AI 平台上还有一门 AI Agents in LangGraph，2024 年 Q4 上线，用的是 LangGraph 0.1.x，比 LangChain 那门新很多，推荐先看这门。
3. Hugging Face — Agents Course（免费，2025 年 Q1 更新）
真正覆盖 smolagents 的课程，而且开源
Hugging Face 在 2025 年 1 月发布了 Hugging Face Agents Course，4 个 Unit，Unit 1 讲 Agent 基础理论（tool、memory、planning），Unit 2 讲 smolagents 框架——这是 HF 自研的轻量 Agent 框架，核心代码不到 1000 行，CodeAgent 类直接生成 Python 代码并执行，比 ReAct 的 JSON tool call 更激进。
Unit 3 讲 LlamaIndex 和 LangGraph，Unit 4 是多 Agent 系统。每个 Unit 末尾有 Certification 作业，提交到 HF Hub，能拿到一个可以挂 LinkedIn 的证书。
说实话，Unit 2 里的 smolagents 部分有点超纲——CodeAgent 执行任意 Python 代码的安全隔离问题，课程只用一段话带过，实际生产里这是个大坑。如果你要在公司内网部署，E2B 沙箱或者 Docker 隔离是必须的，课程没讲这块。
这门课完全免费，GitHub 仓库 huggingface/agents-course 开源，Issues 里能看到真实学员踩的坑，比文档有用得多。
4. fast.ai — Practical Deep Learning for Coders（Part 2 含 Agent 扩展）
Jeremy Howard 的"自顶向下"打法，适合不想死磕数学的工程师
fast.ai 的课程逻辑和大多数 AI 课程反着来——不从线性代数讲起，直接第一节课跑 learn.fine_tune(3)，先让模型跑起来，再往回拆原理。2024 年更新的 Part 2 加了一个非官方但广泛流传的 Agent 扩展模块，Jeremy Howard 在 2024 年 10 月的一次 live coding 里演示了用 claudette（他自己写的 Claude API 薄封装库）实现一个带工具调用的 Agent，代码在 github.com/AnswerDotAI/claudette，核心逻辑不到 200 行。
这门课的受众定位是"会写 Python 但没有 ML 背景的软件工程师"，在这个定位里它做得很扎实。Kaggle 上有配套的免费 GPU notebook 环境，不需要本地配 CUDA。
不过有一个现实问题：fast.ai 的论坛（forums.fast.ai）是主要答疑渠道，时区对澳洲和亚洲用户不友好，问题发出去经常要等 12 小时以上才有回复。匠人学院的学员反映，fast.ai 适合作为理论补充，但如果你的目标是在澳洲本地找 AI 工程岗，单靠 fast.ai 的项目组合不够——JD 里要求的 LangGraph、MCP、tool-calling 这些关键词，fast.ai 课程覆盖率不到 30%。
课程完全免费，course.fast.ai 可以直接访问，建议配合 Kaggle 的免费 T4 GPU 配额一起用。
5. Udemy — "LangGraph & LangChain: Build AI Agents" 系列（Eden Marco）
价格 $15-30 AUD，内容密度高，但质量参差
Udemy 上 Agent 相关课程有几十门，质量差距极大。Eden Marco 的 LangGraph & LangChain Agents 是目前评分最稳的一门——截至 2025 年 5 月，4.7 分，11,000+ 评价，最近一次更新是 2025 年 3 月，跟上了 LangGraph 0.2.x 的 API 变化。
课程里有几个细节做得比免费课好：第一，每个 Agent 项目都配了 requirements.txt 和 pyproject.toml 两个版本，uv 和 pip 用户都能跑；第二，有一节专门讲 interrupt 和 human-in-the-loop——LangGraph 里用 graph.invoke(..., {"recursion_limit": 10}) 加上 NodeInterrupt 实现人工审核节点，这在生产 Agent 里几乎是必须的，很多免费课程跳过了这块。
说实话，Udemy 课程的问题不是内容，是碎片化。你买的时候是一门课，但 Agent 技术栈更新太快，6 个月后某些章节就过期了，而 Udemy 的课程更新不是保证的。Eden Marco 这门更新频率还算高，但如果你买的是其他讲师的课，大概率会踩到 langchain==0.0.x 的老代码坑。
Udemy 经常有折扣，原价 AUD 149，等到 Udemy 的 Sale（几乎每两周一次）能压到 AUD 15-22。不要原价买。
6. TripleTen — AI Workflow Bootcamp
针对非技术背景转型，覆盖 no-code Agent 工具链
TripleTen 是面向职业转型的在线 Bootcamp，AI Workflow 这门课的受众定位很明确：没有编程基础、想用 AI 工具提升工作效率或转型到 AI 相关岗位的人。课程里的 Agent 部分主要覆盖 Zapier AI、Make（前 Integromat）、n8n 这三个 no-code/low-code 自动化平台，以及如何用这些平台串联 OpenAI API 和 Slack/Notion/Google Sheets。
这条路线在澳洲的市场需求是真实存在的——Seek 上"AI Automation Specialist"这个 title 的 JD 数量，从 2024 年 Q1 到 2025 年 Q1 涨了大约 3 倍，其中相当一部分 JD 要求的是 n8n 或 Make 的操作经验，而不是 Python 代码能力。
但有一个边界需要说清楚：TripleTen 的这条路线和 JR Academy AI Engineer 课程 走的不是同一个方向。前者是"用 Agent 工具"，后者是"造 Agent 工具"。如果你的目标是进入软件工程或 AI 产品开发岗位，no-code 路线的天花板会比较明显——Seek 上要求 LangGraph 或 LangChain 的 JD，薪资带通常比 no-code Automation 岗位高出 AUD 20,000-40,000/年（这是 Seek Salary Insights 的公开数据，不是承诺）。
TripleTen 的优势是有专属的 career coach 跟进和简历辅导，对于完全零基础转型的人来说，这个支持体系比纯自学平台更有结构感。如果你已经有一定技术背景，想走工程路线，可以看看匠人学院的 AI Builder 课程 或者 AI PM 方向，这两个方向在技术深度和产品思维之间做了不同的权衡。
7. 匠人学院能解决什么、解决不了什么、压根不擅长什么
说实话，没有一门课程能覆盖所有人的需求。在写完前 6 个选项之后，有必要把 JR Academy 自己的边界说清楚——能的说能，不能的说不能，这比一味吹好用得多。
能解决的：从"跑通 notebook"到"部署上线"的那段断层
这是匠人学院最核心的价值主张，也是大多数在线课程的死角。
绝大多数 AI 课程（包括前面列的 DeepLearning.AI、Hugging Face Course）在 Jupyter Notebook 里跑通一个 Agent 就算完成了。但真实工程里，从 notebook 到生产部署之间有一堆没人讲的东西：async 并发怎么处理、LangGraph 的 checkpointer 用 PostgresSaver 还是 RedisSaver、AWS Lambda 的 cold start 怎么用 provisioned concurrency 压下去、环境变量怎么用 AWS Secrets Manager 而不是 .env 文件明文存。
JR Academy AI Engineer 课程 的 Week 13-16 专门处理这段断层。课程 GitHub 仓库 jr-academy-ai/outline.json 里可以看到，Production 模块有独立的 infra/ 目录，包含 Terraform 脚本和 GitHub Actions CI/CD pipeline 模板，不是伪装成"生产级"的玩具代码。
一个在悉尼读 UNSW 数据科学硕士的学员，2025 年 2 月完成了一个用 LangGraph + Slack Bolt 构建的 HR 自动化 Agent，部署在 AWS Lambda，处理真实的请假审批流程。他在 Demo Day 上展示的时候，CloudWatch 日志里能看到真实的 invocation 记录，不是截图，是现场 console 直播。这种"真实流量"的质感，在其他课程里很难看到。
能解决的：澳洲本地就业市场的信息差
跑完 312 个 Seek JD 的关键词分析不是装饰性数据——匠人学院课程教研团队每季度更新一次 JD 扫描，把澳洲本地 AI 工程岗位的技能词频变化同步进课程大纲。2024 年 Q3 的时候，MCP server 这个词在 JD 里出现频率还不到 5%，到 2025 年 Q1 已经涨到 18%，课程随之在 Week 13 加入了 FastMCP 模块。
这种本地化对澳洲学员来说是实质性的，因为澳洲 AI 岗位的技术栈偏好和北美有差异——AWS 的渗透率比 GCP 高，boto3 和 SAM CLI 的使用频率比 Vertex AI SDK 高，这些细节在 Coursera 或 Udemy 的课程里不会特别强调。
解决不了的：纯数学 / 研究方向的需求
如果你的目标是读 PhD、发 NeurIPS 论文、或者深入研究 Transformer 架构，JR Academy 不是正确的选择。课程里不讲反向传播推导，不讲注意力机制的矩阵运算，不讲 RLHF 的数学原理。这门课的定位是 AI 工程师，不是 AI 研究员。
想走研究路线，fast.ai Part 2 + Hugging Face 的 NLP Course 是更合适的起点，然后去 Kaggle 打比赛刷排名，这条路 JR Academy 帮不上太多忙。
解决不了的：完全零基础、没有任何编程经验的学员
前面提到入学有 Python 前置测试，这不是门槛歧视，是课程节奏决定的。Week 4 就开始写 async def 的 tool function，Week 7 开始用 Pydantic v2 的 BaseModel 做 structured output，如果连 Python 的 class 和 decorator 都没概念，跟不上的痛苦会很真实。
如果你目前是零基础，建议的路径是：先上 Python 基础课（大概 8 周）或者 DataCamp 的 Python Track，能写 100 行以上的脚本之后再来评估 AI Engineer 课程。这不是劝退，是避免你交了学费然后在 Week 3 就开始痛苦。
不擅长的：no-code / low-code 工具链
Zapier、Make、n8n 这类 no-code Agent 工具，JR Academy 课程基本不涉及。如果你的目标是用 no-code 工具搭工作流，TripleTen 的 AI Workflow Bootcamp 或者 AI Builder 课程 里有部分覆盖，但 JR Academy 的主线课程是代码优先的，这个定位不会变。
不擅长的：短期冲刺证书
有些学员想在 2 周内拿一个 AI 证书放 LinkedIn，JR Academy 不适合这个需求。P3 模式里的 Production 和 Placement 阶段是需要时间积累的，最快的 cohort 也要 4 个月。如果你只需要一个快速证书，Hugging Face Agents Course 的 Certification 或者 DeepLearning.AI 的 Specialization 证书更适合。
8. 行动清单：6 步从选课到第一个可部署的 Agent
这 6 步不是鸡汤，每一步都有具体的可执行动作和验收标准。
第一步：用 JD 扫描确认自己的目标方向（1 天）
在 Seek 上搜 "AI Engineer" + 你所在的城市（或 "Remote Australia"），把前 30 个 JD 的技能要求复制到一个文档里，数一下 LangChain、LangGraph、OpenAI API、AWS、Python 各出现几次。如果 LangGraph 出现超过 10 次，你需要的是工程方向的课程（JR Academy、DeepLearning.AI LangGraph 课、Eden Marco 的 Udemy 课）；如果主要是 n8n、Make、Zapier，no-code 方向的课更对口。这一步很多人跳过，然后学完发现学的东西和岗位要求对不上。
第二步：用 2 小时跑通一个最小 Agent（当天）
不管最终选哪门课，先用免费资源验证自己能不能写代码。打开 Hugging Face Agents Course Unit 1，按照示例用 smolagents 跑一个带两个工具的基础 Agent。如果 2 小时内能跑通，说明你的 Python 基础够用，可以直接考虑进阶课程；如果卡在 pip install 或者 import 报错，先去补 Python 环境配置基础。
第三步：评估时间投入和学习风格（30 分钟）
诚实回答两个问题：① 每周能稳定投入多少小时（10 小时以下、10-20 小时、20 小时以上）；② 你需要 cohort 式的 deadline 和同伴压力，还是自己能推进异步学习。如果是 10 小时以下 + 自驱力强，Hugging Face Course + DeepLearning.AI 的免费组合够用；如果是 20 小时以上 + 需要结构化节奏，JR Academy Bootcamp 的 cohort 模式值得认真考虑。
第四步：搭本地开发环境，用 uv 不用 conda（2 小时）
2025 年的 AI 工程开发环境推荐 uv，不是 conda，不是 venv。安装命令：curl -LsSf https://astral.sh/uv/install.sh | sh，然后 uv init my-agent-project && cd my-agent-project && uv add langchain-openai langgraph。如果你现在还在用 conda create -n myenv python=3.11，先把这个习惯改掉，因为进了 JR Academy 或者去面试，面试官看到你的 environment.yml 会有点皱眉。
第五步：在 GitHub 上建一个 Agent 项目仓库（持续进行）
不管学哪门课，从第一天开始就把代码推到 GitHub，不要等"做好了再放"。仓库命名建议 [your-name]-agent-portfolio，每个 mini-project 建一个子目录，README.md 里写清楚：这个 Agent 解决什么问题、用了哪些工具、怎么本地运行。6 个月后你去面试，这个仓库的 commit history 是比任何证书都有说服力的东西。匠人学院学员在 Placement 阶段拿到面试机会，很大程度上是因为 GitHub 上有 3-5 个有真实 commit 记录的 Agent 项目。
第六步：选定一门课，在 72 小时内完成第一个 checkpoint（立刻）
选课拖延是最常见的学习陷阱。这份清单给你 8 个选项，但你只需要选 1 个开始。决策框架：有编程基础 + 在澳洲找工作 → JR Academy AI Engineer 课程；有编程基础 + 预算有限 + 自驱力强 → Hugging Face Agents Course；有编程基础 + 想快速上手 LangGraph → Eden Marco Udemy 课；没有编程基础 → Python 基础课 先行。选完之后，72 小时内完成该课程的第一个模块或第一个 notebook，否则大概率会拖成"收藏夹吃灰"。
如果你在澳洲、正在考虑 AI 工程方向的系统性学习，JR Academy 2026 Bootcamp 候补名单 目前还开放，填完候补表单之后课程顾问会安排一次 30 分钟的技术背景评估，不是销售电话，是真的聊你的技术背景和目标方向匹不匹配。
更多详情可以在JR Academy匠人学院网站查看：https://jiangren.com.au/program-course/business-analyst
