青戈AI小栈
会员限时8折

实战教程 / AI Agent 实战:基于 FastAPI + LangGraph 从 0 带你开发个人健身助手

AI Agent 实战:基于 FastAPI + LangGraph 从 0 带你开发个人健身助手

  • 难度 进阶
  • 27节课
  • 0 人学过
  • 待发布
  • 会员专享

课程简介

从 0 开发一个你自己每天都会用的 H5 网页版个人健身助手,通过手机浏览器或微信内置浏览器访问:训练完输入一句“卧推 60 公斤,5 组,每组 5 次”,它就整理成训练记录;随时问“我上次练腿是哪天”“这个月深蹲最重多少”,按你的真实记录回答并画出趋势;按你的目标和器械生成训练计划,缺练了帮你调整。

它不只在你问的时候才回答。到了训练日,它会通过微信提醒你;发现你连续几次没练,它会主动发来调整后的计划,由你确认后才生效。

部署到云服务器后,在健身房用手机随时记录;不部署时在自己电脑上运行,手机连同一个 Wi-Fi 使用。部署为选做内容。

健身记录 App 已经很多,这门课不和它们比功能:你得到的是一个自己从 0 做出来、自己每天在用、出了问题能讲清楚原因的 AI 应用。

对话识别、工具调用、确认后执行这些 AI 应用的基础,在前几节结合项目快速讲完,学过免费课「LangGraph 入门」的读者可以快速过;之后的内容是免费课没有的:让这个应用在真实使用中不出错。

项目功能

一句话记录,缺什么就追问

输入“今天卧推 5 组”,它会追问重量和次数,补全后再展示给你确认。也可以不用对话,直接在表单里填;也可以说一句话,识别成文字后改好再发送(选做)。改记录、删记录同样一句话说清楚,确认前先看到改前改后的差异。

回答边生成边显示,查记录时能看到它正在做什么;普通回答生成时可以停止,确认执行后的结果说明会完整保留。

查历史、看趋势

上次练了什么、某个动作最近的最大重量、这个月的训练量,都按你的真实记录回答并配趋势图。没有记录时直接告诉你没有。

生成并调整训练计划

按目标、每周训练日、每次时长和可用器械生成计划。“昨天没练,今天只有哑铃”这类情况,它会结合历史给出调整方案;替换前由你确认,也可以退回上一版本。

计划只在内置动作和模板范围内生成,不提供伤病、医疗与饮食建议。

主动提醒

训练日到了推送提醒到微信;连续缺练时发来调整后的计划草案;每次主动找你,都能查看它为什么找你。长时间不回应,它会停止打扰。

提醒和主动推送依赖后台程序持续运行:部署到云服务器后全天可用;在自己电脑上使用时,电脑关机或休眠期间不会提醒。

和训练伙伴一起用

邀请朋友后,可以选择让对方只查看计划,还是可以提出修改。伙伴的修改以提议的形式送到你这里,你确认后才生效,全程留有记录。和朋友真实一起用需要完成部署;伙伴想收微信提醒,填自己的推送 Key 即可。

在其他 AI 客户端里查自己的数据

用 MCP(让各种 AI 客户端用统一方式调用外部工具的协议)把查询能力开放出去:在支持远程 MCP 的 AI 客户端里填上你的服务地址和只读令牌,就能直接问“我这个月练了几次”。令牌只能查到你自己的数据,随时可以撤销。客户端需要能连到你的服务:没有部署时,在同一台电脑或同一个 Wi-Fi 下使用。

模型费用看得见

尽量命中模型服务的上下文缓存(请求开头相同的内容由模型服务缓存,再次用到时计费便宜很多)。你作为部署者,用自己的主人账号在设置页能看到当天各账号的调用次数、缓存命中率和估算费用。

课程重点:上线后不出错

对话流程用 LangGraph 组织:一句话信息不全时追问补全,修改前停下来等你确认,确认后从停下的地方继续,中途刷新页面或重启服务也能接着办。在此基础上,课程处理真实使用中会遇到的这些情况:

  • AI 提出的修改都要你确认,重复点击确认也只保存一次。
  • 别人改你的计划,必须经你确认。
  • 回答时网络断了,重新连上后接着显示,不重复也不缺字;停止后可以接着聊。
  • 回答中途服务重启,页面如实显示中断,重启后照常对话。
  • 服务重启后,有效期内的提醒照常发出,不会被处理两遍;过期的不再补发,只留记录。发没发到微信拿不准时,如实标出“可能未送达”。
  • AI 暂时不可用时,手动记录和查询照常可用。
  • 保存失败、推送没确认送达、AI 不可用时如实说明,不说成已经办成。
  • 对其他 AI 客户端只开放查询,写入一律不开放。
  • 数据可以备份、恢复和导出。

学完能完成什么

  • 独立开发一个对话式 AI 应用:从一句话识别、多轮追问、查询统计到确认后执行。
  • 做流式回答:边生成边显示,断线后接着显示,可以停止生成。
  • 让 AI 应用在后台常驻:定时提醒、主动推送。
  • 支持多人使用:账号登录、伙伴授权与确认。
  • 用 MCP 把 Agent 的只读能力开放给其他 AI 客户端,并控制访问权限。
  • 处理 AI 应用上线后的常见问题,并用测试结果证明它可靠。
  • 拥有一个自己真实在用的项目:从第 14 节起开始自用,学最后一节前至少连续使用 4 周;最后一节用你自己的使用记录做复盘,整理成能写进简历的项目经历。使用中没遇到问题时,改讲防线的验证结果和自己的使用数据;最后一节用站长的真实事故示范怎么讲。

适合谁与前置基础

  • 已有 Python 基础,想找 AI 应用开发、Python 后端相关工作,或准备转向 AI 应用开发的人。
  • 了解 HTTP 接口的基本概念即可。FastAPI、LangGraph、Vue 不要求提前学过,课程从项目需要的地方讲起。
  • 在 Windows 电脑上开发,不依赖 Docker。

技术栈与运行环境

层级 技术
后端 Python、FastAPI,SSE 流式输出
Agent LangGraph
数据库 PostgreSQL
后台任务 PostgreSQL 任务表 + 独立后台程序
前端 Vue 3、TypeScript,H5 网页(手机优先)
模型 DeepSeek、通义千问(选做的语音记录也用千问)
推送 推送到个人微信
对外接口 MCP

需要自备:DeepSeek 和通义千问的 API Key(调用费用由模型服务计费),以及一个免费的微信推送账号。

教学方式

  • 第 01 节成品演示配视频;第 02 节环境搭建、第 15 节部署配视频,带你一步步操作。
  • 其余各节为图文笔记,提供详细的操作步骤、讲解和运行截图,每节配有起点和完成两份代码,跟丢了可以从下一节重新开始。
  • 笔记里不好理解或需要演示的片段,配短视频讲解。

设置你的昵称

在英雄榜和讨论中,使用你自己的名字。

2–12 个字符0 / 12