Agent 基础与从零构建

Python Agent 工程基础、LLM 调用、Agent 原理与从零实现 MiniAgent。

发布于 2026/9/22 · 42 个公开章节

开始学习 →

课程目录

AI Coding 与 Python 工程基础

1AI Coding 工作流：需求分析、计划、实现、验证与复盘→2Codex、Claude Code 等编程智能体的使用→3项目上下文：README、AGENTS.md、规则文件与 Skills→4需求拆分、任务边界、验收标准与影响范围审查→5Python 项目结构、模块、包与导入→6虚拟环境、uv、依赖管理、锁文件与项目配置→7类型标注、dataclass、Pydantic 与数据校验→8异步编程：async/await、asyncio、并发与任务取消→9HTTP 客户端、FastAPI、REST、SSE 与流式响应→10异常处理、日志、环境变量、密钥管理与配置分层→11pytest、Mock、单元测试、集成测试与回归验证→12Git、代码格式化、Lint、静态类型检查与 AI 生成代码审查→

大模型 API 与应用基础

1LLM、模型供应商、模型 API 与 Provider 抽象→2消息角色、上下文窗口、Token、延迟与调用成本→3Prompt 结构、指令层级、模板、Few-shot 与边界案例→4结构化输出、JSON Schema、Pydantic 与结果校验→5Function Calling / Tool Calling 的请求、响应与执行流程→6流式输出、超时、取消、限流、有限重试与退避→7模型能力差异、模型选择、路由与供应商切换→

Agent 核心概念与设计范式

1Agent 的定义、发展脉络、类型与典型应用场景→2Agent 的基本架构：模型、指令、工具、上下文、状态与运行时→3Chatbot、普通程序、Workflow 与 Agent 的区别→4Agent Loop：感知、决策、行动、观察与终止→5ReAct：推理与行动循环→6Plan-and-Execute：规划、执行、反馈与重规划→7Reflection、Router、任务分解与结果验证→8单智能体、多智能体与确定性工作流的选型原则→9何时不需要 Agent：以简单、可控、可验证为优先→

从零实现 MiniAgent Runtime

1MiniAgent 的需求、边界与最小架构→2Model Adapter：统一模型调用接口→3Message Model：消息、工具请求、工具结果与最终回答→4Tool Schema 与 Tool Registry：工具描述、注册、发现与分发→5Agent Loop：模型调用、工具执行、结果回传与循环终止→6参数校验、工具异常、模型错误与失败恢复→7最大步数、超时、Token、费用预算与无限循环防护→8运行事件、日志、执行轨迹与流式输出→9模拟模型、自动化测试、调试与 MiniAgent 迭代→

工具系统与执行控制

1工具设计：单一职责、清晰描述、参数模式与稳定返回值→2只读工具、写入工具、副作用与高风险操作→3工具权限、白名单、身份传递与最小权限→4工具超时、重试、幂等、并发控制与速率限制→5工具结果验证、错误语义、审计日志与可追溯执行→