Agent 渐进式学习课程 🤖

这是一套从零开始、系统理解 AI Agent 原理的实战课程。面向已学完 RAG 课程、会 Python 的开发者，用原理优先的方式带你从"大模型只会聊天"走到"Agent 自主完成任务"。

技术栈：智谱 GLM-4（原生 function calling）· 纯 Python 手写 Agent loop · 与 RAG 课程共用环境 原理优先：关键环节先手写一遍（如 ReAct 循环），再看框架——这是求职面试的核心卖点。

🗺️ 学习路径（共 9 节课）

按 Agent 能力进阶排列：单工具调用 → ReAct 循环 → 多工具 → 记忆 → 规划 → Agentic RAG → 多 Agent → 毕业项目。

#	课程	你会学到
01	认识 Agent：从问答到行动	Agent 三要素、跑通最小 Agent
02	Function Calling 深入	工具定义、参数解析、工具调度器
03	ReAct 循环（面试核心）	手写 Thought→Action→Observation 循环
04	多工具与工具设计	好工具的特征、工具选择难题
05	记忆：记住上下文	短期/长期记忆、窗口管理
06	规划与任务分解	CoT、Plan-and-Execute
07	Agentic RAG	把 RAG 包装成工具（衔接 RAG 课程）
08	多智能体协作	角色分工、Agent 间通信
09	毕业项目：智能研究助手	综合应用，简历级项目

目前已完成全部 9 节课 🎉。每课都包含原理讲解 + 可运行代码 + 练习。

🚀 快速开始

本课程与 RAG 课程共用环境，如果你已经跑通过 RAG 课程，直接开始：

# 1. 激活环境（RAG 课程已配好）
conda activate rag-learn
# 或直接用项目 venv：& "D:\workspace\RAG-test\.venv\Scripts\python.exe"

# 2. 确认 .env 里有智谱 API Key（RAG 课程已配）

# 3. 跑第一课
python agent-lessons/01_what_is_agent/code.py

💰 省钱：把代码里 CHAT_MODEL = "glm-4" 改成 "glm-4-flash"（免费，且支持 function calling）。

📁 目录结构

RAG-test/
├── lessons/           ← RAG 课程（已完成）
├── agent-lessons/     ← Agent 课程（你在这里）
│   ├── README.md      ← 课程总览
│   └── 01_what_is_agent/
│       ├── README.md  ← 原理讲解
│       ├── code.py    ← 可运行代码
│       └── exercise.md ← 练习
├── data/ .env requirements.txt  ← 与 RAG 课程共用
└── docs/              ← 设计文档

💡 学习建议

按顺序学，每课建立在前一课之上（尤其 L03 ReAct 是后面所有课的基础）
原理优先：手写 Agent loop 的过程比直接用框架学到的多得多，面试也更有底气
跑完每课的代码后，一定要做练习——改工具、调参数，看 Agent 怎么变
求职重点：L03（ReAct）、L07（Agentic RAG）、L09（毕业项目）是面试和简历的核心