企业官网建设流程全解析

18 课 AI 智能体入门教程：1 小时跑通你的第一个智能体

【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

ai-agents-for-beginners 是一套 18 课的 AI 智能体入门教程，每课都带能直接运行的 Jupyter Notebook，从环境配置一路讲到生产部署，学完你就能独立做出会调工具、能查资料、可协作的智能体应用。

先说结论：学完 18 课你能做出什么

不谈背景，直接看终点。全部学完，你手里有 3 样具体的东西：

• 一个从零搭出来的 AI 智能体：给它模糊任务，它自己拆步骤、调 API、查数据，失败了会重试；
• 一套接上私有文档的检索问答能力：查不到会自己改写查询、换数据源，而不是硬编答案；
• 一支多个智能体分工配合的"小团队"，能通信、能交接，还能打包成服务给别人用。

如果今天只做一件事：把仓库克隆下来，跑通第一课的 notebook，一小时内让一个真正干活的智能体在你机器上转起来。

课程全景图：18 课分 4 组，30 秒看懂先学哪组

课程编号 00 到 18，其中 00 是环境搭建的前传，01 到 18 是正式 18 课。按学习价值可以归成 4 组：

顺序是有讲究的：基础 4 课保证你"能跑"，进阶 7 课决定"上限"，生产化 7 课负责"敢发版"。建议顺着来，别跳。

快速上手：最短路径跑通第一个智能体

⏱ 最短路径就 3 步，卡点只有 1 个。

第 1 步，克隆仓库。整个仓库约 3GB（含 50 多种语言的翻译），新手建议按 00 课文档用稀疏克隆，只拉自己需要的课程文件夹，下载量小得多：

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

第 2 步，准备 Python 环境。课程要求 3.12 及以上版本，没有就先装。然后用 3.12 建一个虚拟环境、激活它，跑一条命令装完全部依赖：

pip install -r requirements.txt

requirements.txt 覆盖了微软智能体框架、OpenAI 客户端、MCP 协议等所有需要的包，不用自己挨个找。

第 3 步，备齐云端资源：一个 Azure 订阅，加一个 Microsoft Foundry 项目，项目里部署一个聊天模型（文档以 gpt-5-mini 为例）。00-course-setup/ 对每个界面都配了截图，照着点就行。最后把连接串和模型部署名写进环境变量，别硬编码在代码里。

然后打开 01-intro-to-ai-agents/，找到以 01-python-agent-framework 开头的 notebook 逐格运行。如果第一个格子就报错说找不到模型，别慌，检查两处：环境变量名是不是 AZURE_AI_MODEL_DEPLOYMENT_NAME，值是否和 Foundry 页面里的部署名一字不差（包括大小写）。这一处过了，后面基本就顺了。

三堂最关键的课：卡住了就回来重学这 3 节

18 课都值得跟，但有 3 课信息密度最高，值得暂停细看。

04 工具调用：解决"只会说话不会办事"

它解决的问题：没接工具的模型只能产出文字，接了工具才能真的去查库、调接口。核心机制是函数调用——模型先"申报意图"：调哪个函数、传什么参数；框架执行完把结果回传给模型。这一课把工具系统的 5 个构件全过了一遍：模式定义、执行逻辑、消息处理、错误处理、状态管理，并配了网络搜索、数据库查询等真实示例。

学完你能做什么：把自己现有的 Python 函数用 @tool 装饰器包一下，模型就能在对话里自主调它。

04-tool-use/ 的 notebook 里有完整的对照运行。

05 Agentic RAG：解决"查一次没查着就瞎答"

它解决的问题：普通 RAG 只检索一次，查空了回答就不可靠。Agentic RAG 是个循环：每查一轮，智能体自己评估资料够不够；不够就改写查询、换工具再查——向量检索、SQL、自定义 API 都能切——直到有把握才作答。notebook 把这套"maker-checker"循环跑给你看，你能亲眼看到它失败后自己重写查询、换数据源。

学完你能做什么：把私有文档库接进智能体，它先翻资料再回答，翻不到会自己换个问法再翻。

08 多智能体：解决"一个 agent 扛不动大任务"

它解决的问题：任务一复杂，单个智能体的上下文就乱、容易漏事。这一课教 3 种协作方式：群聊（多个智能体同场讨论）、交接（一个干完交给下一个）、过滤（总管智能体给任务分流）。课程用旅游规划当完整例子，还附了答案集，做完可以对照自查。

学完你能做什么：搭出一支分工明确、互相通信的小团队，每个智能体只管自己擅长的那块。

从本机到生产：3 条部署路径怎么选

"我电脑上能跑"和"别人能稳定用"之间差多少？16-deploying-scalable-agents/ 给了一句直白的话：原型和生产共用同一个核心循环，差别在模型之外那 80%——身份、状态、重试、成本、评测。

3 条路径，按阶段选：

• 客户端托管：智能体跑在你自己的进程里，循环完全可控，适合开发调试、或嵌进已有后端；代价是扩容和状态你自己扛；
• 平台托管（Foundry Agent Service）：把智能体注册为平台上的资源，会话存储、安全策略、可观测性都交给平台，你的应用退化成薄客户端；要对用户开放，从这里起步；
• 工作流编排：多个智能体和工具组成有向图，支持顺序执行、分支判断和人工审批节点，适合中间必须"人点头"的流程。

调优抓 3 条就够：

1. 模型路由：简单问题走小快模型，复杂推理才上大模型，成本立降；
2. 无状态化 + 缓存：会话状态挪到外部存储、缓存高频工具结果，实例才能随时横向扩；
3. 评测门槛：每次发版前跑自动评测，不达标的版本不许上线。

避坑清单：新手最常卡的 4 个坑

• Python 版本不对：课程要求 3.12+，用旧版本建环境会连环报错。解法：先查版本，用 3.12 建 venv 再装依赖。
• 依赖版本被手滑升级：requirements.txt 把 agent-framework 钉在 1.10.0，高版本有破坏性 API 变更，notebook 会跑不动。解法：严格按文件装，别自己升级。
• 密钥或模型名对不上：notebook 起不来，十有八九是 AZURE_AI_MODEL_DEPLOYMENT_NAME 和 Foundry 里的部署名不一致。解法：从 Models + Endpoints 页面复制，别凭记忆手敲。
• 克隆慢到怀疑人生：完整仓库约 3GB。解法：用 00 课给的浅克隆或稀疏克隆命令，只拉需要的课程文件夹。

🚀 别停在"看懂了"。今晚把仓库克隆下来、装完依赖，一小时内你的机器上就会有一个真正干活的 AI 智能体——下一课它就能替你真的跑任务。

【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