本仓库为个人在学习 Datawhale《Hello-Agents:从零开始构建智能体》 过程中的章节习题整理、作答要点与配套代码练习,便于归档与在 GitHub 上展示学习轨迹。
说明:这不是官方教程仓库。正文教材、在线阅读与 PDF 请以官方项目为准:
Hello-Agents(GitHub) · 在线阅读(国外) · 在线阅读(国内)
| 内容 | 说明 |
|---|---|
chapterN/*.md |
各小节习题的文字作答、分析与总结 |
chapterN/code/ |
与章节对应的 Python 练习脚本与小实验 |
chapterN/*.svg |
部分章节配套的系统/流程架构示意图 |
当前目录覆盖 第 1~12 章 范围内的习题与代码(与官方教程章节主题大致对应:智能体基础 → 范式与框架 → 记忆与上下文 → 协议与强化学习 → 评估等)。
chapter1/ # 初识智能体等
├── 1.1.md …
└── code/
chapter4/ # ReAct、规划等范式相关练习
chapter7/ # 自研 Agent 框架相关练习
chapter8/ # 记忆与检索
chapter9/ # 上下文工程
chapter10/ # 通信与协作
chapter11/ # Agentic RL 相关
chapter12/ # 评估与基准相关
…
具体文件名与官方小节编号对应关系,以各 chapterN 下的 Markdown 标题为准。
- Python:建议 3.10+(部分脚本若用到异步、类型标注等,需较新版本)。
- 依赖:本仓库未统一提供
requirements.txt;各脚本所需第三方库请根据文件内import自行安装(常见如openai、httpx、numpy等,因题而异)。 - 大模型 API:涉及 LLM 调用的脚本需自行配置 API Key 与 Base URL(可通过环境变量或代码内配置,以各脚本实现为准)。
运行单个示例时,一般在对应章节的 code 目录下执行,例如:
cd chapter4/code
python "4.3.2-smart_agent.py"(Windows 下路径含中文时请使用引号或 PowerShell 的合适转义。)
- GitHub: [@lcyting](https://github.com/lcyting)
- Email: lcy154745@163.com
- 习题体系与知识体系来源于 Datawhale Hello-Agents 开源教程及社区贡献者,在此致谢。
- 若你在研究或博客中引用官方教程,可使用官方仓库中的 BibTeX / 引用说明。
本仓库中的个人作答与代码实现著作权归笔记整理者所有;转载或复用时请保留对 Hello-Agents 原始教程的出处说明。