Andrew Ng 于 2026 年 7 月发布了这门约 1 小时的免费课程，主题是从零构建 agentic knowledge graphs（代理式知识图谱）。课程覆盖三个层次：agentic 知识图谱是什么、怎么构建第一个图、以及多代理系统如何架构在图结构之上，并使用 Google ADK（Agent Development Kit）做实机代码演示。首发报道见：Andrew Ng 发布免费课程讲解 Agentic 知识图谱构建。
按公开分享的课程时间线：
课程把 agentic 知识图谱定位为代理系统的基础组件：通过图结构实现信息持久化与关系建模，让代理不必每次从零开始处理信息。构建路径从简单的节点与边开始，逐步扩展到支持多代理协作的架构——图承担的是记忆与推理载体的角色。
这也是"graph engineering for multi-agentic systems"（多代理系统的图工程）这一说法的来源：当多个代理需要共享状态、传递上下文、协调分工时，图结构提供了比扁平消息队列更强的表达能力。
这门课适合已经会写基本代理逻辑、想解决"代理没有长期记忆"问题的开发者。1 小时的体量意味着它是概念入门加一次完整演示，不是系统性课程——跟着 Google ADK 段落（23:00 起）动手复现一遍收益最大。企业侧的启示是：评估现有代理系统是否需要引入图组件来支持长期记忆与连贯性。
观看渠道：课程通过 Andrew Ng 的官方渠道（DeepLearning.AI 及其社交账号）分发，具体平台以其官方发布为准。
课程解决的是代理的"记忆"问题，但把代理投入生产还有另外两个硬前提：代码生成可靠性与长对话指令遵从。本站赢政指数对这两项做持续公开评测——代码执行维度在隔离沙箱中真实运行模型生成的程序，WDCD 测试衡量多轮对话施压下约束是否失守。选择给代理系统供能的底座模型时，这两个维度值得与能力分数并列参考：查看当前榜单。
免费。课程时长约 1 小时，2026 年 7 月发布，通过 Andrew Ng 的官方渠道（DeepLearning.AI 及其社交账号）分发。
适合已具备基本编程能力、了解 LLM 代理概念的开发者。课程从"图是什么、代理为何需要图"讲起，入门门槛不高，但 Google ADK 实操部分需要动手编码能力。
ADK 即 Agent Development Kit，是 Google 的代理开发工具包。课程从 23:00 起用它演示如何把图结构与代理逻辑结合，是全课程最具实操价值的部分。
传统知识图谱是静态的实体关系库，主要服务检索。agentic 知识图谱由代理在运行中构建和更新，承担代理系统的记忆与推理载体角色——重点从"存知识"转向"支撑多代理的持久状态与协作"。
