# agent_develoment_practice

**Repository Path**: aistudy101/agent_develoment_practice

## Basic Information

- **Project Name**: agent_develoment_practice
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-03-04
- **Last Updated**: 2026-04-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI Agent 实战与开发

![Course Cover](./cover.png)

> 📚 **北京中关村学院** · 专业核心课 · 32学时/2学分  
> "用 Agent 开发 Agent" — 从理论到工业级实践

---

## 课程简介

本课程以 **"Agent = LLM + 上下文 + 工具"** 为核心范式，系统介绍 AI Agent 的理论基础、核心技术与实战开发方法。通过 8 周的项目实战，学生将从零构建一个能够自主规划、动态调用工具、从经验中学习的通用 AI Agent。

## 课程结构

| 章 | 主题 | Lessons | 项目 |
|---|------|---------|------|
| 第一章 | AI Agent 入门与基础架构 | L1-L3 | 🔨 构建第一个能联网搜索的 Agent |
| 第二章 | 上下文工程与记忆系统 | L4-L6 | 🔨 为 Agent 增加角色扮演与长期记忆 |
| 第三章 | RAG 系统与知识库构建 | L7-L9 | 🔨 构建法律知识问答 Agent |
| 第四章 | 工具调用与 MCP 协议 | L10-L12 | 🔨 对接 MCP Server 实现深度调研 Agent |
| 第五章 | 编程能力与代码执行 | L13-L15 | 🔨 构建能自己开发工具的 Agent |
| 第六章 | 模型评估与质量保障 | L16-L17 | 🔨 构建评测数据集并自动评测 Agent |
| 第七章 | 多模态与实时交互 | L18-L20 | 🔨 实现实时语音 Agent & 集成 browser-use |
| 第八章 | 多 Agent 协作系统 | L21-L22 | 🔨 设计多 Agent 协作系统 |
| 第九章 | 项目集成与展示 | L23-L24 | 🎤 最终项目答辩 |

## 文件结构

```
agent_develoment_practice/
├── syllabus.md          # 课程大纲
├── lesson1/             # 每节课的结构
│   ├── lecture.md       # 讲义（核心概念、图示、代码解释）
│   ├── project.md       # 项目说明（任务拆解、验收标准）
│   └── src/             # 脚手架代码（学生补全 TODO）
├── lesson2/ ... lesson24/
└── .gitignore
```

## 环境配置

**Python 版本**：推荐 3.10 或 3.11（3.12+ 部分包有兼容问题）

```bash
# 安装全部依赖
pip install -r requirements.txt

# 或者按需安装（仅核心）
pip install openai
```

> 详见 [`requirements.txt`](./requirements.txt)，各章节依赖已加注释说明。

## API 配置

课程使用 OpenAI 兼容的 API。请将 API Key 设置为环境变量，**不要硬编码在代码中**：

```bash
# 设置环境变量
export OPENAI_API_KEY="your-api-key-here"
export OPENAI_BASE_URL="https://api.openai.com/v1"   # 或其他兼容接口
```

课程中推荐使用 [ModelScope](https://modelscope.cn) 提供的免费模型接口（无需 GPU）：
- `base_url`: `https://api-inference.modelscope.cn/v1`
- 支持模型: `MiniMax/MiniMax-M2.5`、`Qwen/Qwen2.5-72B-Instruct` 等

## 学习路径

```
L1 理解 Agent    →  L2 分类与场景  →  L3 ✅ 第一个搜索 Agent
L4 上下文工程    →  L5 记忆系统    →  L6 ✅ 角色+记忆 Agent
L7 RAG 原理      →  L8 混合检索    →  L9 ✅ 法律知识问答 Agent
L10 工具调用+MCP →  L11 外部 API  →  L12 ✅ 深度调研 Agent
L13 代码理解     →  L14 沙箱执行   →  L15 ✅ 自建工具 Agent
L16 评测+安全   ─→  L17 ✅ 自动评测系统
L18 多模态+语音  →  L19 GUI 操作  →  L20 ✅ 语音+浏览器 Agent
L21 多 Agent    ─→  L22 ✅ 多 Agent 协作系统
L23 工程化部署  ─→  L24 🎤 最终答辩
```

## 如何使用脚手架

每节课的 `src/` 目录包含带有 `# TODO` 注释的脚手架代码。你的任务是**补全 TODO 部分**，让程序能够正确运行。

以第 3 节为例：

```bash
cd lesson3/src
export OPENAI_API_KEY="your-api-key"
python search_agent.py
```

## 参考资料

- [AI Agent Bootcamp](https://01.me/2025/08/ai-agent-bootcamp/)
- [AI Agent Hackathon 2025 Summer](https://01.me/2025/07/ai-agent-hackathon-2025summer/)

## 📌 注意事项

- **不要将 API Key 提交到 Git**（`.api` 和 `.env` 文件已在 `.gitignore` 中屏蔽）
- 每节课的讲义和项目说明均为中文，方便国内学生使用
- 标记 `[选做]` 的挑战任务适合有额外时间的同学探索