企业官网建设流程全解析

18课搭出一个AI智能体：新手入门AI智能体开发的实战课程

【免费下载链接】ai-agents-for-beginners18 Lessons to Get Started Building AI Agents项目地址: https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners

这是微软开源的课程 AI Agents for Beginners，用18节课教你从零学会 AI 智能体（AI Agent）开发。每节课都配 Python 和 .NET 两套可运行代码，覆盖从理解原理到部署上线的完整流程。只要你写过一点 Python，没接触过智能体也没关系，这门课就是为你准备的。

🧠 先弄懂：AI智能体比聊天机器人多做了什么

先说结论：聊天机器人只会生成文字，智能体能替你做事。

你让一个聊天机器人"帮我查下明天去北京的机票"，它只能把查机票的方法告诉你好；而一个机票智能体会真的去调查询接口、把结果比出来、甚至帮你下单。差别就一个字：做。

用一个生活化的拆法来理解智能体的三件套：

• 大脑：大语言模型。负责听懂你要什么，把模糊的需求变成具体步骤。
• 双手：工具（tools）。数据库查询、API 调用、发消息，智能体能调用的"手"由开发者决定给哪些。
• 记忆：记忆和知识库。既有当前对话的短期记忆，也可以有跨会话的长期记忆。

那什么时候值得做智能体？第一节课给了三条判断标准：问题步骤无法预先写死（开放式问题）、任务需要多轮调用工具（多步骤流程）、你希望系统随反馈越来越好（可学习）。三条都不沾边，一个普通 API 调用就够了，别过度设计。

更细的拆解，包括简单反射型、目标型、学习型等几种智能体类型，都在 01-intro-to-ai-agents 模块 里。

🐍 三步跑起来：克隆课程仓库，运行第一个智能体

动手比看十篇文章管用。整个环境准备只要三步。

第一步，克隆仓库。仓库因为带了 50 多种语言翻译，完整历史有 3GB 左右，课程配置文档里给了稀疏克隆的命令，只想下几个课程文件夹的同学建议照做：

git clone https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners cd ai-agents-for-beginners

第二步，装依赖。课程代码基于 Python 3.12+，用虚拟环境隔离依赖最稳妥（.NET 示例则需要 .NET 10 SDK）：

python3 -m venv venv source venv/bin/activate pip install -r requirements.txt

第三步，打开第一个 notebook。每节课的代码都在各模块的code_samples/目录里，文件名形如01-python-agent-framework.ipynb，用 Jupyter 打开就能跑。课程用的是微软的智能体框架（Microsoft Agent Framework，简称 MAF）连接 Azure OpenAI 的 Responses API，所以需要一个 Azure 账号和 Microsoft Foundry 项目，配置方法写在 00-course-setup 模块 里。

如果你暂时没有云账号，也不用卡住：第17课专门讲如何用 Foundry Local 在本地跑智能体，不连云、不用 API key，适合先熟悉流程。

图里这个查航班的例子就是课程里的典型 demo：用户问"3月28号西雅图飞纽约的单程票"，智能体调用航班搜索工具，返回带出发到达时间的候选航班。跑通它，你就完成了从零到第一个智能体。

🛠️ 让智能体变强：工具、Agentic RAG与规划

跑通 hello world 之后，接下来的几节课都在解决同一个问题：怎么让智能体从"能聊"变成"能干正事"。

给智能体装上手。工具调用（Tool Use）是智能体的核心技能：模型自己判断什么时候该调哪个工具、传什么参数。第4课教了怎么定义和挂载工具，并给了一条很实用的标准——好的工具要有清晰的名称、窄的职责、类型明确的输入和可预期的输出。工具定义放在 04-tool-use 模块，里面的test_demo_plugins.py演示了工具测试怎么写。

给智能体喂知识：Agentic RAG 快速上手。普通 RAG 是"先检索、再回答"，一条道走到黑。Agentic RAG 多了一个循环：检索之后先评估结果质量，不满意就改写查询、换工具、再检索，直到证据够了才作答。

这意味着它自己能处理"第一次没搜到"的情况，还能在反复失败时降级、请求人工介入。完整讲法在 05-agentic-rag 模块。

再往上一层是规划和自我管理。第7课讲规划（Planning）：把"订一次旅行"拆成查航班、订酒店、拼行程这些小步骤；第9课讲元认知：让智能体在回答前自我检查一遍；第12课和第13课则分别处理上下文工程（每次模型调用该塞什么信息）和记忆（哪些偏好值得跨会话保存）。这几课之间是递进关系，建议按顺序看。

放大招：多智能体怎么分工

一个智能体干所有事，提示词会越来越长，能力也会互相打架。任务复杂到一定程度，就该拆成几个各司其职的智能体。

第8课给了三种协作模式，正好对应三个真实场景：

• Hand-off（交接）：客服智能体发现自己处理不了退款，把对话连同上下文交给退款智能体。
• Group Chat（群聊）：一个群组管理器把消息广播给多个智能体，谁该说话由它选，智能体们协作完成同一个任务。
• Filtering（过滤）：把问题先分发给一组智能体，各自尝试，取最靠谱的那个答案。

这课还带了一个完整的旅游规划 demo 工程，包含景点推荐、行程规划等多个角色的智能体团队，源码在 08-multi-agent 模块 的workflows-agent-framework目录里，可以直接对着读。

🛡️ 变可信：人工确认与权限边界

智能体能做事，就意味着能做错事。一个会转账的智能体如果理解错了你的意图，损失是真金白银。所以"可信"不是上线前打补丁，而是设计时就要进去。

第6课的核心手段是human-in-the-loop（人在环）：智能体执行高影响动作之前先停下来问人，人确认后才继续。下面这张图就是它的标准交互流程——智能体把结果交给用户，任务完成或需要人拍板。

配套的还有几条硬规则：工具按最小权限给（只读就别给写权限）、敏感数据先脱敏、关键动作留日志。第18课更往前走了一步，用密码学收据（cryptographic receipts）让智能体的每个操作可审计、防篡改，适合金融、审批这类场景。这两课的完整材料在 06-building-trustworthy-agents 和 18-securing-ai-agents。

上线：部署、冒烟测试与安全

demo 能跑和能扛住真实用户是两回事。第10课讲从 demo 到生产要改什么：怎么评估回答质量、怎么记录模型调用和工具调用（可观测性）、怎么盯成本与延迟。第16课则落到具体操作——把智能体部署成 Microsoft Foundry 上的托管智能体，配上模型路由、缓存和评估门槛。

部署完之后别裸奔。仓库的tests/目录自带几套现成的冒烟测试清单（覆盖第1、4、5、16课的可部署智能体），部署后在 Actions 里跑一次，就能确认你的智能体确实活着、且在按预期回答。这是最便宜的第一道防线，细节见 tests 目录说明 和 16-deploying-scalable-agents 模块。

学习资源与下一步

学不下去的时候，仓库里这两个文件是你的导航：

• STUDY_GUIDE.md：按目标分好了学习路径。想学工具调用就从第4课进，想搞 RAG 从第5课进，想做本地离线智能体直接看第17课。它还建议每学完一课问自己一个问题："我的智能体现在会做什么以前不会做的事？"
• AGENTS.md：项目对贡献者的约定，想给课程提 PR 时先读它。

另外课程提供 50 多种语言的官方翻译（中文在translations/zh-CN/下），由自动流程持续更新。

下一步动作很具体：先读一遍 STUDY_GUIDE.md 选定路径，然后克隆仓库、跑通第1课的 demo；接着想一个你自己手里的小需求，把它当靶子，每学一课就往这个 demo 上加一样新能力。学完时你手里会有一个能用、可信、测过的小智能体——那就够了，剩下的交给下一个真实需求。

【免费下载链接】ai-agents-for-beginners18 Lessons to Get Started Building AI Agents项目地址: https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners