# llm_agent_starter

**Repository Path**: pinghailinfeng/llm_agent_starter

## Basic Information

- **Project Name**: llm_agent_starter
- **Description**: 大语言模型智能体从入门到放弃
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-17
- **Last Updated**: 2026-09-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 《30 天从零构建 Agent 智能体》课程

> 面向大学生 · 零基础入门 · 由浅入深 · 全程使用国产模型 / 本地模型

从「会调 API」到「能构建智能体」，30 天带你走完一条完整的 Agent 学习路径：
覆盖 **Agent 基础知识 → 上下文工程 → 记忆与知识库 → 工具 → Coding Agent → 交互扩展 → 评估 → 后训练 → 持续进化 → 多 Agent 协作**，
并深入拆解 2026 年主流的智能体架构：**Claude Code、Codex、Pi、Hermes、DeepSeek Harness**。


## 课程概况

- **面向对象**：大学生（理工科为主，非 CS 同学也友好）
- **学习周期**：30 天，每天约 2~3 小时
- **前置要求**：会一点 Python（有 `if` / `for` / `def` 基础即可），不需要机器学习背景
- **成本控制**：全程以 DeepSeek / GLM / Ollama 为主，日均成本可控制在几毛到几块钱
- **课程形式**：每天 1 篇讲义（概念 + 代码 + 作业）+ 每周 1 个实战 + 毕业项目

## 模型与工具策略（省钱方案）

| 方案 | 用途 | 成本 |
| --- | --- | --- |
| DeepSeek 官方 API（V4 Flash） | 主力模型，性价比之王 | 极低，按 token 计费 |
| GLM（智谱 Z.ai） | 备用主力，有免费额度 | 低 |
| OpenRouter | 聚合平台，一个 Key 用多家模型，方便对比 | 低 |
| OpenCode token 套餐 | 一次充值包月用量，适合 Coding Agent 高频场景 | 中 |
| Ollama（本地） | 学习推理原理、无网环境、微调部署 | 免费（吃硬件） |




---
## 课程大纲

### 第一周：Agent 基础与认知（Day 1~7）

#### Day 1｜课程导论：认识智能体
- **主题**：什么是 Agent？为什么 2026 年是学习它的最佳时机？
- **核心知识点**：
  - 从「大模型」到「智能体」：只差一个「循环」
  - Agent 的定义：感知 → 思考 → 行动 → 观察结果 → 再思考
  - 2026 年智能体生态全景图：Claude Code / Codex / Pi / Hermes / DeepSeek Harness
  - 课程地图与学习方法论
- **动手实践**：注册 DeepSeek / GLM 账号，跑通第一个 API 调用
- **模型/工具**：DeepSeek、GLM
- **产出**：成功打印出第一条模型回复

#### Day 2｜环境搭建：一站式开发环境
- **主题**：装好 Python、代码编辑器与模型访问通道
- **核心知识点**：
  - Python + uv 环境管理
  - API Key 管理（不要提交到 Git！）
  - 模型渠道对比：DeepSeek 官网 / 智谱 Z.ai / OpenRouter / OpenCode 套餐 / Ollama 本地
  - 用环境变量配置密钥的最佳实践
- **动手实践**：写一个 `chat.py`，支持命令行对话
- **模型/工具**：DeepSeek、Ollama（选装）
- **产出**：可在终端反复对话的脚本

#### Day 3｜LLM 核心概念（Agent 视角）
- **主题**：Token、上下文窗口、采样参数——Agent 的「物理定律」
- **核心知识点**：
  - Token 与计价；上下文窗口与 Token 上限
  - 温度 / Top-p / max_tokens 对输出的影响
  - Chat 消息结构：system / user / assistant
  - 「模型无记忆」——为什么 Agent 需要上下文工程
- **动手实践**：实验不同参数对输出的影响；用 openai SDK 风格代码调用 DeepSeek / GLM
- **模型/工具**：DeepSeek、GLM
- **产出**：一个可调参数的对话脚本 + 参数实验记录

#### Day 4｜Agent 的本质：感知-思考-行动循环
- **主题**：从原理上理解 Agent，手写第一个 ReAct 智能体
- **核心知识点**：
  - Agent 的三大组件：模型（大脑）、记忆（档案）、工具（手脚）
  - ReAct 范式：Reason + Act 交替
  - 最小 Agent 循环的伪代码
  - 为什么「对话」不等于「智能体」
- **动手实践**：不借助框架，手写一个带「查天气 / 算数」工具的 ReAct Agent
- **模型/工具**：DeepSeek、GLM
- **产出**：50 行以内能自主调用工具的 Agent

#### Day 5｜Function Calling：让模型调用你的函数
- **主题**：官方工具调用协议，Agent 的工具系统正式起步
- **核心知识点**：
  - Function Calling 原理：模型生成调用请求，应用层执行
  - OpenAI 兼容 API 的 tools / tool_calls 结构
  - 并行工具调用与错误处理
- **动手实践**：把 Day 4 的手写 Agent 升级为基于 Function Calling 的版本
- **模型/工具**：DeepSeek（原生支持）、GLM
- **产出**：基于 Function Calling 的可靠工具 Agent

#### Day 6｜主流智能体架构全景
- **主题**：一口气看懂五大主流架构的设计哲学
- **核心知识点**：
  - Claude Code：本地终端、结对编程、权限模型
  - Codex：云端沙箱、任务委托、「外包开发者」
  - Pi（earendil）：极简、快、少即是多
  - Hermes：记忆、子 Agent、自进化
  - DeepSeek Harness：「模型 + Harness = Agent」，一切皆插件
- **动手实践**：安装并试用 1~2 个 Coding Agent（opencode / Pi / DSH）
- **模型/工具**：OpenCode、Pi、DeepSeek Harness
- **产出**：一份五大架构对比表（自己填）

#### Day 7｜周实战：我的第一个多功能 Agent
- **主题**：整合本周知识，从零构建一个「问答 + 计算 + 搜索」Agent
- **核心知识点**：本周知识点综合运用
- **动手实践**：完整项目——支持多轮对话、工具调用、结果缓存的 Agent
- **模型/工具**：DeepSeek / GLM / OpenRouter
- **产出**：`projects/week1/` 可运行项目 + 周报

---

### 第二周：上下文工程 · 记忆与知识库（Day 8~14）

#### Day 8｜上下文工程基础：写好 System Prompt
- **主题**：Agent 输出的上限，由 Prompt 设计决定
- **核心知识点**：
  - System Prompt 的结构：角色、目标、约束、输出格式、示例
  - Few-shot 示例与格式化输出（JSON Schema）
  - Prompt 反模式：模糊、矛盾、信息过载
  - Prompt 版本管理与回归测试
- **动手实践**：为「课程助教」Agent 写一版高质量 System Prompt，AB 对比效果
- **模型/工具**：DeepSeek、GLM
- **产出**：Prompt 设计清单 + 对比实验记录

#### Day 9｜上下文窗口管理
- **主题**：Token 不够用怎么办？窗口管理的工程手段
- **核心知识点**：
  - Token 预算规划：固定部分 + 动态部分 + 预留
  - 截断 / 滑动窗口 / 摘要压缩 / 分层上下文
  - 上下文「瘦身」：去重、裁剪工具输出、日志采样
- **动手实践**：给长对话实现「自动摘要 + 滚动窗口」机制，对比效果与成本
- **模型/工具**：DeepSeek
- **产出**：支持长对话的上下文管理器

#### Day 10｜知识库入门：Embedding 与向量检索
- **主题**：让 Agent 拥有「读过很多书」的能力
- **核心知识点**：
  - 向量化 Embedding 的原理与直觉
  - 相似度检索：余弦相似度、Top-k
  - 轻量向量库：Chroma / FAISS / 内存实现
- **动手实践**：给课程讲义建一个最小知识库，实现「问答 + 出处」
- **模型/工具**：DeepSeek embedding 或本地模型（Ollama + nomic-embed-text）
- **产出**：最小 RAG 系统（<100 行）

#### Day 11｜记忆系统设计
- **主题**：短期记忆 vs 长期记忆，Agent 如何「记住你」
- **核心知识点**：
  - 记忆分类：工作记忆 / 情景记忆 / 语义记忆
  - 记忆的写入、检索、遗忘策略
  - 记忆 = 结构化文件 + 向量库 + 摘要的混合方案
  - Hermes 的记忆机制解读
- **动手实践**：设计一个 JSON 文件 + 向量检索的简单记忆系统
- **模型/工具**：DeepSeek、Ollama
- **产出**：能「记住上次聊天」的 Agent

#### Day 12｜知识库实战：课程助教 Agent
- **主题**：RAG + 记忆综合实战
- **核心知识点**：RAG 增强（混合检索、引用来源、答案质量）
- **动手实践**：把课程 PPT / 讲义喂给 Agent，构建「课程助教」：支持问答、引用、复习计划
- **模型/工具**：DeepSeek、GLM、Ollama
- **产出**：`projects/week2/knowledge-agent/` 课程助教 Agent

#### Day 13｜上下文工程进阶：压缩、路由与长程任务
- **主题**：面对超长任务，上下文怎么「撑住」
- **核心知识点**：
  - 结构化输出与状态机
  - 任务路由：把问题分给最合适的「技能」
  - 渐进式摘要与上下文压缩（LLMLingua 思路）
- **动手实践**：实现一个「论文阅读 Agent」：分块读取长论文并渐进总结
- **模型/工具**：DeepSeek
- **产出**：论文阅读 Agent

#### Day 14｜周实战：知识型 Agent 综合项目
- **主题**：整合第二周知识
- **动手实践**：构建「我的数字助教」：记忆 + 知识库 + 多轮对话 + 引用溯源，并做简单评测
- **模型/工具**：DeepSeek / GLM / Ollama
- **产出**：`projects/week2/` 完整项目 + 评测报告

---

### 第三周：工具 · Coding Agent（Day 15~21）

#### Day 15｜工具调用原理与进阶
- **主题**：工具系统的高级话题：并行、重试、安全
- **核心知识点**：
  - 并行工具调用、工具结果格式规范化
  - 工具调用失败的重试与降级
  - 工具安全：白名单、沙箱、权限确认
- **动手实践**：给 Agent 挂上 5+ 个工具（搜索、天气、文件、时间、HTTP 请求），并处理失败场景
- **模型/工具**：DeepSeek、GLM
- **产出**：健壮的多工具 Agent

#### Day 16｜MCP：模型上下文协议
- **主题**：工具生态的「USB-C 接口」
- **核心知识点**：
  - MCP 是什么：Server / Client / Transport
  - 常用 MCP Server：文件、GitHub、数据库、浏览器
  - 自己写一个 MCP Server（1 个工具起步）
- **动手实践**：接入 2~3 个现成 MCP Server；编写自己的第一个 MCP 工具
- **模型/工具**：DeepSeek、任意支持 MCP 的客户端
- **产出**：自定义 MCP Server + 使用记录

#### Day 17｜Coding Agent 架构拆解：Claude Code
- **主题**：终端编程智能体的工程细节
- **核心知识点**：
  - Agent 循环的工程实现：规划 → 行动 → 验证
  - 文件系统访问、命令执行、编辑策略（Read / Edit / Write / Patch）
  - 权限模型：交互式确认 vs 自动放行
  - 上下文管理：关键文件常驻、无关内容裁剪
- **动手实践**：用 Claude Code（或等价工具）完成一个真实编程任务，观察它的决策过程
- **模型/工具**：Claude Code / opencode / CodeBuddy
- **产出**：一份「Coding Agent 行为观察笔记」

#### Day 18｜Coding Agent 对比：Codex / Pi / OpenCode
- **主题**：云端 vs 本地、重 vs 轻，如何选择
- **核心知识点**：
  - Codex：云端沙箱、任务异步执行、适合「委托型」任务
  - Pi（earendil）：极简、启动快、资源占用低
  - OpenCode：开源、模型自由切换、token 套餐
  - 三者的适用场景与权衡
- **动手实践**：同一任务分别在 Codex / Pi / OpenCode 上跑一遍，对比结果
- **模型/工具**：Codex、Pi、OpenCode（可用 DeepSeek / GLM 作后端）
- **产出**：三工具实测对比表

#### Day 19｜Hermes 深度：记忆与自进化智能体
- **主题**：把「记忆」变成产品核心的智能体
- **核心知识点**：
  - Hermes 架构：主 Agent + 隔离子 Agent
  - 零上下文成本的工作流：子 Agent 独立对话、结果回传
  - 自进化：从运行日志中学习、更新技能与记忆
  - MIT 开源的二次开发入口
- **动手实践**：安装 Hermes，配置记忆与子 Agent，跑一个多步骤任务
- **模型/工具**：Hermes Agent + DeepSeek / GLM
- **产出**：Hermes 使用报告 + 自进化观察

#### Day 20｜DeepSeek Harness：一切皆插件
- **主题**：2026 年 8 月开源的新范式，模型 + Harness = Agent
- **核心知识点**：
  - 「模型驾驭层」：Agent 循环、工具、文件系统、沙箱全部模块化
  - 插件机制：能力即插件，自由组装
  - 任务记录 / 回放 / 修改：Agent 运行过程可审计
  - 多智能体编排与联网搜索
- **动手实践**：安装 DeepSeek Harness，加载插件，回放一次任务记录
- **模型/工具**：DeepSeek Harness + DeepSeek V4
- **产出**：DSH 上手笔记 + 插件清单

#### Day 21｜周实战：让 Coding Agent 帮你写程序
- **主题**：用一周工具知识，指挥 Agent 完成真实项目
- **动手实践**：用任意 Coding Agent（推荐 opencode / DSH + DeepSeek）从零实现一个「小组作业管理系统」（CLI 版），过程中观察、纠正、记录 Agent 行为
- **模型/工具**：OpenCode / DeepSeek Harness / Pi + DeepSeek
- **产出**：`projects/week3/` 完整项目 + Agent 协作复盘

---

### 第四周：交互扩展 · 评估 · 后训练 · 进化 · 多 Agent（Day 22~30）

#### Day 22｜观察与动作空间的扩展
- **主题**：Agent 不止能「看文字」：多模态观察与广泛动作
- **核心知识点**：
  - 观察空间：文本 / 图像 / 音频 / 文件 / 网页状态
  - 动作空间：Function Call / Shell / 浏览器自动化（Playwright）/ GUI 控制
  - 浏览器 Agent：观察网页（截图 + DOM）→ 决策 → 操作
- **动手实践**：用 Playwright 构建一个「自动填表 / 自动搜索」的浏览器 Agent
- **模型/工具**：DeepSeek（多模态）/ GLM + Playwright
- **产出**：浏览器自动化 Agent

#### Day 23｜Agent 评估方法论
- **主题**：没有评估，就没有进步
- **核心知识点**：
  - 评估为什么难：任务开放式、无标准答案、过程 vs 结果
  - 评估维度：正确性 / 效率 / 成本 / 安全性 / 稳定性
  - 主流基准：SWE-bench、AgentBench、GAIA、自定义任务集
  - 评估流程：构建测试集 → 运行 → 打分 → 分析 trace
- **动手实践**：给已有 Agent 设计 10 个测试用例，跑出基线分数
- **模型/工具**：DeepSeek（作裁判模型）
- **产出**：基线评测报告

#### Day 24｜评估实战：自动化评测与回归
- **主题**：把评估做成自动化流水线
- **核心知识点**：
  - 评测框架设计：任务描述 + 输入 + 期望结果 + 打分器
  - LLM-as-Judge：裁判模型打分，注意偏差
  - 回归测试：每次改动 Agent，先跑评测
- **动手实践**：搭建一个 `pytest` + LLM-judge 的自动化评测脚本
- **模型/工具**：DeepSeek / GLM
- **产出**：可复用的评测工具包

#### Day 25｜模型后训练入门
- **主题**：模型怎么「学会」当 Agent：SFT 与偏好对齐
- **核心知识点**：
  - 后训练链路：预训练 → SFT → RLHF / DPO
  - 面向 Agent 的数据：工具调用数据、轨迹数据（含 DSH 回放数据思路）
  - LoRA 微调原理；在 Ollama / llama.cpp 上部署微调模型
  - 微调 vs Prompt vs RAG：什么时候才需要微调
- **动手实践**：用一个小数据集 + LoRA 微调一个「会调用固定工具」的模型（可选，用 Colab 或本地）
- **模型/工具**：Ollama + unsloth/LlamaFactory + DeepSeek 蒸馏数据
- **产出**：微调实验记录（或失败分析，也是收获）

#### Day 26｜Agent 的持续进化
- **主题**：让 Agent 越用越好：自我反思与日志驱动迭代
- **核心知识点**：
  - 反思循环：执行 → 反思 → 调整策略
  - 记忆与技能更新：从失败案例中学习
  - 工具使用统计：哪些工具值得优化
  - 从「一次性脚本」到「持续演进系统」的工程方法
- **动手实践**：给 Day 21 的 Agent 加「反思 + 自动记录失败案例」机制
- **模型/工具**：DeepSeek
- **产出**：带自我进化机制的 Agent

#### Day 27｜多 Agent 协作基础
- **主题**：一个不够，那就一群：协作模式与通信
- **核心知识点**：
  - 编排模式：主管-下属 / 群聊 / 流水线 / 市场竞价
  - 多 Agent 通信：消息传递、共享状态、结果汇总
  - 多 Agent 的收益与成本（Token 翻倍、协调复杂度）
  - 典型多 Agent 产品拆解
- **动手实践**：实现「规划者 + 执行者 + 评审者」三 Agent 团队
- **模型/工具**：DeepSeek / GLM
- **产出**：多 Agent 协作演示

#### Day 28｜多 Agent 实战：用 DeepSeek Harness 编排
- **主题**：在真实平台上落地多智能体工作流
- **核心知识点**：
  - DSH 的多智能体编排：子 Agent、任务分发、结果汇总
  - 子 Agent 隔离与上下文成本控制（参考 Hermes 思路）
- **动手实践**：用 DSH 搭建「调研报告工厂」：多个子 Agent 并行调研 → 汇总成报告
- **模型/工具**：DeepSeek Harness + DeepSeek V4
- **产出**：自动化调研报告工作流

#### Day 29｜进阶：打造自己的 Agent 框架
- **主题**：综合所学，设计一个「极简 Agent 框架」
- **核心知识点**：
  - 框架该有什么：模型抽象 / 工具注册 / 记忆接口 / 循环控制 / 日志
  - 从 Claude Code / Pi / Hermes / DSH 中借鉴的设计取舍
  - 插件化的第一步：把工具、记忆做成可插拔
- **动手实践**：实现一个 200 行内的迷你 Agent 框架，并用它跑通一个任务
- **模型/工具**：DeepSeek / GLM
- **产出**：`projects/framework/` 迷你框架

#### Day 30｜毕业项目 + 课程总结
- **主题**：把 30 天学到的全部串起来
- **核心知识点**：项目评审标准、演示技巧、后续进阶路线
- **动手实践**：毕业项目——任选其一：
  1. 「校园助手」：记忆 + 知识库 + 多工具 + 多 Agent 的完整 Agent
  2. 「开源贡献」：为 DeepSeek Harness / Hermes 提交一个插件或文档 PR
  3. 「论文复现」：基于开源 Harness 复现某篇 Agent 论文的核心机制
- **模型/工具**：自选
- **产出**：毕业项目 + 5 分钟演示 + 课程总结报告

---

## 六、主题 → 天数映射

| 课程主题 | 覆盖天数 |
| --- | --- |
| Agent 基础知识 | Day 1, 4, 5, 6 |
| 上下文工程 | Day 8, 9, 13 |
| 用户记忆和知识库 | Day 10, 11, 12 |
| 工具 | Day 15, 16 |
| Coding Agent 与通用 Agent | Day 17, 18, 19, 20 |
| 交互：观察与动作空间的扩展 | Day 22 |
| Agent 的评估 | Day 23, 24 |
| 模型后训练 | Day 25 |
| Agent 的持续进化 | Day 26 |
| 多 Agent 协作 | Day 27, 28 |
| 综合与进阶 | Day 29, 30 |

## 七、主流架构覆盖

| 架构 | 出处 | 深讲日期 |
| --- | --- | --- |
| Claude Code | Anthropic | Day 17 |
| Codex | OpenAI | Day 18 |
| Pi（earendil） | 开源社区 | Day 18 |
| Hermes | Nous Research | Day 19 |
| DeepSeek Harness | DeepSeek（2026-08 开源） | Day 20, 28 |