您的技术岗位角色是？
后端/服务端开发工程师
前端/全栈开发工程师
算法/机器学习工程师
软件架构师/技术负责人
项目经理/业务架构师
公司管理者/技术决策者
其他
您从事软件开发的年限是？
1年以内
1～3年
3～5年
5～10年
10年以上
您对大语言模型（LLM）API应用开发的整体熟悉程度如何？
完全新手，仅了解概念，没有开发经验
有一定了解，使用过API开发demo
较熟悉，调用过API（如OpenAI、Claude、智谱等）进行开发项目
非常熟悉，参与过生产级LLM应用的全流程开发
您在实际工作中是否已经使用或尝试过AI Agent（智能体）？
从未接触过
仅了解概念，未实际编码
写过简单的Demo或POC（概念验证）
已上线或正在开发生产级Agent项目
您使用过以下哪些Agent开发框架或工具？
LangChain/Deep Agents
LangGraph
CrewAI
AutoGen（微软）
Dify / Coze / 扣子/n8n
自研框架
无任何框架使用经验
其他
您对以下哪些Agent核心机制有过实际编码经验？
工具调用（Tool Calling / Function Calling）
ReAct推理循环（Reasoning + Acting）
记忆系统（短期/长期记忆）
规划与执行分离（Plan-and-Execute）
多智能体协作（Multi-Agent Collaboration）
反思/自我纠错（Reflection）
以上均无实战经验
您是否了解或使用过MCP（模型上下文协议）？
完全不了解
听说过，但未深入研究
阅读过文档或示例代码
实际搭建过MCP Server/Client
您对以下哪些技术或概念较为熟悉？
提示词工程（Prompt Engineering）
上下文工程（Context Engineering）
RAG（检索增强生成）
向量数据库（如Milvus、Pinecone、Chroma）
知识图谱
多模态（图像/语音/文本联合处理）
以上均不熟悉
您在开发中主要使用的编程语言是？
Python
Java / Kotlin
TypeScript / JavaScript
C++ / C#
Go
其他
您对以下哪些课程模块最感兴趣？（最多选3项）
Agent核心原理（记忆、规划、工具、自主决策）
LangGraph构建多智能体系统
CrewAI多Agent开发框架
Agent设计模式（ReAct、规划执行、反思、多智能体编排）
上下文工程与Harness工程
记忆系统设计（短期/长期/跨会话）
MCP协议与工具集成
Agent Skills（SKILL.md规范）
多模态Agent（图像/语音输入）
OpenClaw / Claude Code案例分析
企业级落地案例（代码助手、营销大师、游戏开发助手等）
您所在团队当前或计划在半年内将Agent用于哪些场景？
智能客服 / 问答机器人
代码辅助 / 自动化编程
数据分析与报表生成
营销内容生成与策略优化
业务流程自动化（RPA增强）
多模态交互应用（图像/语音）
企业内部知识管理
暂无明确计划
其他
您对“Harness工程”这一概念（Agent = Model × Harness）的熟悉程度是？
从未听过
听过但不太理解
了解基本理念
有过实际设计经验
在Agent开发中，您最担心的技术难点是什么？（最多选3项）
模型推理的稳定性与幻觉问题
工具调用的可靠性与错误处理
多智能体协作时的通信与协调
记忆的有效存储、检索与压缩
上下文窗口限制与成本控制
安全性与权限管理（工具执行权限）
调试与可观测性（难以追踪决策链）
性能和延迟
您是否曾经在生产环境中部署过基于大模型的应用（不限于Agent）？
否，从未部署过
是，部署过简单的Chat / QA应用
是，部署过含RAG或工具调用的复杂应用
是，部署过多智能体或大型工作流系统
您希望通过本次课程获得的最主要价值是？
系统掌握Agent原理，补齐理论基础
熟练使用LangGraph/CrewAI等框架快速开发
学习企业级设计模式和最佳实践，避免踩坑
通过实战案例获得可直接复用的代码和经验
了解MCP、Harness、Skills等前沿技术趋势
请简要描述您当前在Agent开发（或大模型应用开发）中的主要技术栈和工具链（例如使用的模型API、框架、数据库等）。如果尚未开始，请说明您计划使用的技术选型。
您目前在工作中遇到的与Agent相关的最棘手的1～2个技术问题或业务挑战是什么？（例如：工具调用不准、多Agent协作混乱、记忆失效、成本过高、难以调试等）
除了课程大纲已列内容，您还有哪些其他期望、建议或特殊需求？（如：希望增加练习时间、提供完整项目源码、侧重某个特定行业案例等）