跳到主要内容
学习空间
我的学习
搜索课程、知识点…
⌘ K
0 / 18 已完成
A
SMALL STEPS, REAL PROGRESS
你的每一步,都在这里
用真实的完成记录、笔记与项目,见证自己的成长。数据保存在当前浏览器。
0
/ 18
已完成课程
0
/ 3
已自查项目
0
收藏课程
0
学习笔记
我的学习路线
开始第一课
01 · 认识 Agent,打好基础
0/3
02 · 让模型稳定地完成任务
0/3
03 · 给 Agent 一双手
0/3
04 · 连接你的知识与记忆
0/3
05 · 编排可控的工作流
0/3
06 · 从能跑到可靠交付
0/3
收藏课程
0 节
把值得重读的内容留下
在课程底部点击「收藏本课」,
下次回来就能快速找到。
学习笔记
0 篇
理解,从用自己的话写下来开始
课程底部可以记录笔记,
这里会自动整理你的思考。
搜索课程与知识点
从一节课开始
AI Agent 到底是什么?
从查天气这个小任务,理解模型、工具、状态与决策循环。
够用就好的 Python 基础
用函数、字典、JSON 和异常处理,搭出工具函数的最小骨架。
理解 LLM 与 API 请求
看懂消息、Token 和 HTTP,从离线模拟走到第一次真实模型调用。
把需求写成可执行的提示词
从模糊愿望到任务、输入、约束和完成标准。
结构化输出与校验
让模型输出 JSON,并在进入业务逻辑前检查格式与语义。
为任务组织正确的上下文
控制上下文预算,保留相关信息,避免把整个聊天记录塞给模型。
把 Python 函数变成工具
设计工具名称、参数、返回值与执行边界。
亲手实现一个 Agent 循环
从离线控制流到真实模型工具调用,连接决策、执行与观察。
项目:会使用工具的助手
做一个库存与报价助手,验证工具选择、错误处理与停止条件。
RAG:先找证据,再回答
亲手做一个小型检索器,理解切块、召回与上下文拼接。
短期状态与长期记忆
为会话状态、用户偏好和知识建立不同的生命周期。
项目:有据可查的知识助手
将文档检索、证据引用和无答案回退组合成一个小产品。
用状态机编排任务
让研究任务经过计划、检索、审核和交付,支持从中断处恢复。
理解 MCP:统一工具连接方式
认识 Host、Client 和 Server,读懂工具发现与调用过程。
人工确认与多 Agent 协作
在必要处暂停,让专业分工建立在清晰交接和可检查结果上。
用评估代替感觉
建立离线测试集,同时检查结果、轨迹、成本和延迟。
部署、观测与成本控制
明确开发演示和线上服务的差距,记录每一次运行的关键指标。
毕业项目:可评估的研究助手
围绕一个研究问题检索、引用、审核,用评估报告证明它的边界。