# Agenta-Tutorial-CapitalFinder

**Repository Path**: thiswind/Agenta-Tutorial-CapitalFinder

## Basic Information

- **Project Name**: Agenta-Tutorial-CapitalFinder
- **Description**: Agenta LLM应用评估入门教程 - 以CapitalFinder（首都查找）为例
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-30
- **Last Updated**: 2025-12-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Agenta LLM 应用评估入门教程

这是一个完整的 Agenta 入门教程，包含详细的讲义和示例代码。

## 📚 内容

- **Agenta入门讲义.md** - 完整的教程文档，包含：
  - Agenta 介绍和核心概念
  - 环境准备指南
  - 代码详细讲解
  - 运行和查看结果的方法
  - 练习题

- **agenta_tutorial.py** - 完整的示例脚本，包含：
  - LLM 应用定义
  - 评估器定义
  - 测试集创建
  - 结果格式化输出（表格、JSON、图表）

## 🚀 快速开始

### 1. 安装依赖

```bash
# 创建虚拟环境（推荐）
python -m venv agenta_env
source agenta_env/bin/activate  # Windows: agenta_env\Scripts\activate

# 安装依赖
pip install agenta python-dotenv litellm matplotlib
```

### 2. 配置环境变量

创建 `.env` 文件（参考 `.env.example`，如果提供）：

```bash
# Agenta API Key（从 https://cloud.agenta.ai 获取）
AGENTA_API_KEY=your_agenta_api_key_here

# LLM API 配置
OPENAI_API_KEY=your_openai_api_key_here
OPENAI_API_BASE=https://your-api-endpoint/v1
```

### 3. 运行脚本

```bash
python agenta_tutorial.py
```

## 📖 使用说明

1. 首先阅读 **Agenta入门讲义.md** 了解 Agenta 的基本概念
2. 按照讲义中的步骤配置环境
3. 运行 `agenta_tutorial.py` 查看示例
4. 完成讲义末尾的练习题

## ⚠️ 重要提示

- **API Key 安全**：不要将包含真实 API Key 的 `.env` 文件提交到 Git
- **Web 界面查看**：详细的评估结果建议通过 Agenta Web 界面查看
- **依赖安装**：matplotlib 是可选的，但建议安装以获得完整功能

## 📝 文件说明

- `agenta_tutorial.py` - 主脚本，包含完整的评估示例
- `Agenta入门讲义.md` - 详细的教程文档
- `README.md` - 本文件，快速开始指南

## 🔗 相关链接

- [Agenta 官方文档](https://docs.agenta.ai)
- [Agenta GitHub](https://github.com/Agenta-AI/agenta)
- [Agenta 云平台](https://cloud.agenta.ai)

## 📄 许可证

本教程采用 MIT 许可证，可自由使用和修改。

## 🤝 贡献

欢迎提交 Issue 和 Pull Request 来改进本教程！