Learning Path
浏览 AI Agent 相关教程与章节。
AI Agent、机器学习、深度学习、数据分析与 Python 科学计算。
教程
57
AI Agent(智能体) 教程 AI Agent（Artificial Intelligence Agent） 称为智能体，本质是自动执行任务的程序，核心在于让模型不只回答问题，而是按步骤完成动作。 AI Agent（人工智能代理） 是一个能够感知环境、进行决策并执行行动，以达成特定目标的智能软件实体，它不仅仅是回答问题的聊天机器人，更是能够动手做事的智能执行者。 Agent = LLM (大脑) + Planning (规..
/* ===== SVG 图解颜色变量（浅色背景） ===== */ :root { --c-gray-fill:#f0eeea; --c-gray-s:#888780; --c-gray-t:#2c2c2a; --c-teal-fill:#e0f4ee; --c-teal-s:#0f6e56; --c-teal-t:#085041; --c-purple-fill:#eeedfe;--c-purple-s:#534ab7;..
Agent 上下文工程 Agent 上下文工程（Agent Context Engineering）是系统化设计和优化传递给 AI Agent 的上下文信息的技术实践，它的目标是让 Agent 在有限的上下文窗口内获得最有效的信息，从而提升任务执行的准确性、效率和可靠性。 AI Agent 不像传统程序那样有固定的执行逻辑，它的行为完全取决于接收到的上下文——包括系统提示、工具描述、历史对话和外部检索到的信息。 上下文工程的核心在..
AI Agent 问答实例 本章节我们将动手构建第一个真正的 AI Agent。 我们先从一个简单的问答 Agent 开始，逐步添加更多功能。 项目结构准备 先创建目录 runoob-ai-agent： mkdir runoob-ai-agent 进入目录runoob-ai-agent，使用 uv 命令创建虚拟环境： cd runoob-ai-agent # 创建名为 .venv 的虚拟环境（默认） uv venv # ..
AI Agent 核心组件 .note-box { background: #fffbea; border: 1px solid #f0d060; border-radius: 8px; padding: 14px 18px; margin: 16px 0; font-size: 0.93em; color: #1a1a2e; line-height: 1.8; f..
工具调用（Function Calling） Function Calling（函数调用）是让 LLM 能够使用外部工具的核心机制。 Function Calling（函数调用）允许模型决定何时调用工具、调用哪个工具，以及传递什么参数。 为什么需要 Function Calling？ 想象一下，LLM 是一个聪明但手无寸铁的顾问。它知道很多知识，但不能： 获取实时信息（如最新天气、股票价格） 执行计算（如复杂的数学运..
AI Agent 简介 在当今科技浪潮中，人工智能（AI）深度融入生活与工作的背后，AI Agent（智能体） 是支撑从对话助手到自主任务程序的核心概念——它不是单纯的聊天工具，而是能像数字员工一样接任务、拆步骤、执行动作的自动化实体，只要任务可拆解为操作流程，就能被 AI Agent 接管。 Agent = LLM (大脑) + Planning (规划) + Tool use (执行) + Memory (记忆)。 L..
大语言模型基础（LLM） /* SVG 样式定义 */ svg { max-width: 100%; height: auto; } :root { --t: #666; } .c-gray rect { fill: #f5f5f5; stroke: #888; stroke-width: 1; } .c-gray text { fill: #333; } .c-purple rect { fill:..
记忆系统设计 人类的记忆分为短期记忆和长期记忆，AI Agent 的记忆系统也采用了类似的设计。 理解这两种记忆的区别和用途，是构建智能 Agent 的基础。 短期记忆：Agent 的工作记忆 短期记忆就像是 Agent 的工作台，存储当前对话的上下文和临时信息。 特点： 容量有限：通常只能保存最近的几次对话（如最近的 10-20 轮对话） 快速访问：读取和写入速度很快 临时性：对话结束后通常会被清除或压缩 ..
Python 智能体环境配置 在开始构建 AI Agent 之前，我们需要搭建合适的开发环境。 Python 是 AI 和机器学习领域最流行的语言，拥有丰富的库和工具支持。 1. Python 版本选择 对于 AI Agent 开发，我们推荐使用 Python 3.9 或更高版本。 以下版本是常见选择： Python 3.9：稳定性好，兼容性最佳 Python 3.10：性能改进，新特性 Python 3.1..
AI Agent 工作原理 在开始深入了解 AI Agent 之前，我们先来回答一个根本问题：既然有 LLM，为什么还需要 Agent？ 想象一下，你有一位非常博学的朋友——他读过海量的书，能回答几乎所有问题，但他在 2024 年不再接触新信息，也没有手机、不能上网、不能帮你订外卖、不能查今天的天气。这就是大型语言模型（LLM）——知识丰富，但知识截止于训练数据，无法主动获取实时信息，也无法执行具体的操作。 而 AI Agent 就..
AI 底层架构 下图展示了基础大模型到智能体应用的完整 AI 系统架构： 层级 核心组件 核心作用 典型能力 基础层（模型） LLM & Token、Transformer 架构、Token..
AI 开发平台 现在 AI 平台很多，本文我们将使用 MonkeyCode 来体验在线 AI Coding。 我们可以直接在浏览器中免费使用 MonkeyCode，也不用安装，内置云端开发环境，并支持很多大模型。 注册与登录 首次使用 MonkeyCode，先完成账号注册。 点击 进入官网 ，右上角注册或直接登录，成功后会自动进..
AI Agent 术语 随着大语言模型（LLM）与智能体（Agent）技术的快速发展，编程范式正在经历一场深刻的变革，Vibe Coding、Agentic Coding、Harness Engineer、Loop Engineer……一批新概念、新术语层出不穷，接下来我们看看都有哪些新术语，各代表什么意思。 AI Agent 由 Artificial Intelligence（人工智能）和 Agent（智能体）组成。 一、编..
AI Workflow（AI 工作流） AI Workflow（AI 工作流）是将多个 AI 模型调用、工具使用、数据处理步骤有序组合成一条自动化流水线的系统。 单独调用一次 LLM 能回答问题，但现实任务往往需要：查网页 → 提取信息 → 分析 → 写报告 → 发送邮件。AI Workflow 就是把这些步骤串起来，让 AI 自动完成完整任务，而不只是回答一句话。 一个直观的类比 想象一个装配流水线： 模式类比说明 单次 LL..
CrewAI 制作智能体 CrewAI 是一个多智能体协作的开源框架，专门用于编排和协调多个 AI Agent 进行协作。 CrewAI 可以把一个复杂任务，拆成多个角色，各自负责一部分，通过流程协作完成。 对比理解： 单 Agent：一个大模型，从头干到尾 CrewAI：产品经理 + 工程师 + 分析师 + 编辑，各司其职 CrewAI 是一个协调、管理和框架化 AI Agent 的工具，它基于 LangChai..
Deep Agents 入门教程 Deep Agents 是 LangChain 官方推出的一套开箱即用（Batteries Included）的 Agent 开发框架，专门面向复杂任务、长流程执行、多步骤规划以及多 Agent 协作场景而设计。 相比传统 Agent 需要开发者自行组合 Prompt、Tool、Memory、Workflow 等组件，Deep Agents 已经内置了任务规划、文件系统、子 Agent 调度、上下文压缩..
Dify 入门教程 Dify（Do It For You）是当前最受欢迎的开源 LLM 应用开发平台，专为构建由大型语言模型（LLM）驱动的生成式 AI 应用而设计。 Dify 将 AI 工作流编排、RAG 知识库、Agent 框架、模型管理、可观测性整合在一个可视化平台里，让你快速从原型走向生产，无需从零搭建 LLM 基础设施。 Dify 通过集成 RAG 流水线、AI 工作流、可观测性工具和模型管理，简化了 AI 应用的创建过程..
搭子（DuMate）入门教程 DuMate（百度搭子）是百度推出的一款面向个人及团队的桌面级 AI 办公智能体。 与普通的 AI 聊天机器人仅能回答问题不同，DuMate 具备强大的执行能力——它可以看见屏幕、操作软件、处理文件、串联业务系统，实现从想法到结果的全程自动化执行，真正做到工作有搭子，办公更高效。 为什么需要 DuMate 传统办公中，很多任务需要手动操作：复制粘贴数据、填表、查网页、整理文件。 这些工作重复性强、耗时多..
Agent 评估、安全与对齐 评估是确保 Agent 效果的基础。 安全和对齐是 Agent 能否被信任和部署的关键。 Agent 评测体系 评估 Agent 性能是开发过程中的关键环节。 好的评测体系能够帮助我们了解 Agent 的能力边界。 也为持续优化提供方向和依据。 评测维度 任务完成度：Agent 是否正确完成了给定任务。 效率指标：完成任务所需的步骤数、token 消耗、执行时间。 质量指标：答案的..
第一个 AI Agent AI Agent 平台种类繁多，但核心目的相同：让模型从回答问题升级为自动执行任务，有的主打零代码拖拽，有的强调工程化定制，也有专门做流程集成或多代理协作。 不同层级的使用场景拆成三个面向：搭建速度、系统衔接、可控深度。 核心需求 推荐工具 关键优势 ..
GraphRAG 入门教程 GraphRAG 是微软研究院开源的一种结构化、层次化的检索增强生成（RAG）系统，与传统 RAG 使用纯文本向量检索不同，GraphRAG 先用大模型从原始文档中抽取出实体和关系，构建知识图谱，再基于图结构进行检索和问答。 本教程面向零基础读者，带你从安装开始，完整走完 文档 → 知识图谱 → 查询问答 的全流程，模型使用 qwen-plus，Embedding 使用阿里云通义的 text-embeddin..
.harness-article .lead-box { background: linear-gradient(135deg, #fff8f2 0%, #f0f5ff 100%); border: 1px solid #e8ddd0; border-radius: 10px; padding: 20px 26px; margin: 20px 0; font-size: 1.04em; ..