跳到主要内容

初学者的 AI 代理 - 学习指南

在学习课程时，将本指南作为实用伴侣使用。 它并不是要替代课程内容，而是帮助你决定从哪里开始，课程中该关注什么， 以及如何将这些想法连接起来，做成一个小型的可运行代理演示。

如果你是第一次接触，建议简易开始：

  1. 阅读课程设置。
  2. 按顺序完成第01到06课。
  3. 学习过程中保持一个小型演示想法在脑海中。
  4. 每课结束后，问自己：“我的代理现在能做什么，以前做不到的？”

一个简单的演示示例​

通过课程跟随一个演示思路学习代理非常有效。

示例演示：课程助手代理。

用户会这样问：

“我想学习代理如何使用工具。帮我找到合适的课程，总结我先要读的内容， 并给我一个简短的练习任务。”

普通聊天机器人可以回答它已有知识的信息，但代理能做得更多：

  1. 阅读或搜索课程文件，找到合适的课程。
  2. 使用工具检索课程链接、示例或辅助材料。
  3. 规划一个短的学习路径，而不是给出一个冗长答案。
  4. 利用上下文，基于当前对话聚焦学习者的目标。
  5. 记忆有用偏好，如果应用支持记忆功能。
  6. 显示操作痕迹、引用或日志，让用户理解发生了什么。
  7. 应用安全防护措施，在执行高风险操作或使用敏感数据前进行保护。

你要构建的目标​

课程结束时，你应该能解释并构建结合这些部分的代理系统：

部分通俗含义演示中的表现
模型解释用户请求的推理引擎理解学习者想要学习工具使用课程
工具代理可调用的函数、API、文件、浏览器或服务搜索代码库或检索课程内容
知识用来支撑回答的文档或数据课程 README 文件和课程资料
上下文下一次模型调用时包含的信息用户目标和工具结果
记忆为后续使用保存的信息学习者偏好动手的 Python 示例
规划把大目标拆分成小步骤找课程，总结，建议练习
协调在工具、步骤或代理间路由工作计划者调用搜索工具，再调用总结器
信任安全性、评估和可观测性记录工具调用并在重大操作前询问

模型和提供者​

本课程示例代码使用Microsoft Agent Framework (MAF)，针对Azure OpenAI Responses API —— 推荐的 API，整合了聊天完成、工具调用、多模态输入和有状态对话于一个接口。你可以通过Microsoft Foundry项目（使用FoundryChatClient）或直接连接 Azure OpenAI（使用OpenAIChatClient）。

在学习过程中，你有几个提供者选项：

  • Microsoft Foundry / Azure OpenAI (Responses API) — 这是课程中主要使用的路径。使用az login命令登陆，实现无密 Entra ID 认证。
  • Foundry 本地版 — 通过兼容 OpenAI 的 API 在设备上完整运行模型（无云，无 API key）。适合离线或免费实验。详情见课程设置。
  • MiniMax — 兼容 OpenAI 的提供者，支持大上下文模型，可作为替代方案直接使用。

注意： GitHub Models 已弃用（2026 年 7 月退役），且不支持 Responses API。示例代码已更新，改为使用 Azure OpenAI / Microsoft Foundry。

选择你的学习路线​

你可以按顺序完成全课程，或根据想要构建的目标跳转路径。

如果你的目标是...从这开始接着学习
理解什么是代理01, 02, 0304, 05, 06
构建使用工具的代理0405, 07, 14
构建基于 RAG 的代理0504, 06, 12
设计多步骤工作流0708, 09, 14
理解多代理系统0807, 09, 11
准备代理用于生产环境06, 1012, 13, 16, 18
在 Foundry 上部署和扩展代理10, 1606, 13, 18
构建本地/优先离线代理1704, 05, 11
探索协议和浏览器自动化11, 1510, 18

提示：如果你是代理新手，不要跳过第01-06课。这些课会给你全课程所需的词汇基础。

逐课指南​

课程学习内容课后练习
01 - AI 代理简介什么让代理与基础聊天机器人不同。用代理身份讲述你的演示想法，而不仅是聊天应用。
02 - 代理框架框架如何帮助模型、工具、状态和工作流。确定框架会管理你演示的哪些部分。
03 - 代理设计模式设计代理行为的常见模式。在写代码前绘制用户旅程草图。
04 - 工具使用代理如何调用工具获取数据或采取行动。定义你演示代理需要的一个工具。
05 - 代理检索增强生成（RAG）如何通过检索支持代理回答的文件或数据。决定演示应搜索的知识源。
06 - 可信赖的代理如何添加护栏、监督以及更安全的行为。添加一条规则，说明代理何时应该先询问用户。
07 - 规划设计代理如何将更大的目标分解为更小的步骤。为你的演示请求写一个三步计划。
08 - 多代理设计何时将工作分配给多个专门代理。决定你的演示需要一个代理还是多个代理。
09 - 元认知代理如何审查并改进自身输出。在代理响应前加入最终的自我检查。
10 - 生产环境中的AI代理当代理从演示转到生产环境时会发生什么变化。列出你会监控的内容：质量、成本、延迟、失败。
11 - 代理协议协议如何连接代理与工具及其他代理。确定在哪些地方标准协议可以简化集成。
12 - 上下文工程如何选择、修剪、隔离和管理上下文。决定什么内容放入提示中，什么内容应排除。
13 - 代理记忆代理如何在交互中保存有用信息。选择一个你的演示可以记住的安全偏好。
14 - 微软代理框架针对代理和工作流的框架特定构建块，以及在Microsoft Foundry上托管LangChain/LangGraph代理。将你的演示步骤映射到框架概念。
15 - 计算机使用代理代理如何与浏览器或UI界面交互，包括微软Project Opal等现实案例。选择一个浏览器任务，仍需用户确认。
16 - 部署可扩展代理如何将代理从原型转为在Microsoft Foundry上可扩展、可观测的生产部署（托管代理、模型路由、缓存、评价门控、冒烟测试）。列出你的演示仍需考虑的生产问题：托管、路由、成本、评价。
17 - 创建本地AI代理如何构建完全在你的机器上运行的本地优先代理，使用Foundry Local和Qwen（本地工具、本地RAG、本地MCP）。决定你的演示哪些部分应保密并本地运行。
18 - 保障AI代理安全如何使代理行为更易审计且防篡改。决定你的演示中哪些行为应被记录或生成凭证。

使用冒烟测试验证已部署的代理​

当你部署代理时（第16课），冒烟测试是最便宜的首步 检查，以确认部署实际上有响应。该仓库附带了 可运行的测试目录，位于tests/，用于第 01、04、05和16课中可部署的代理，

AI Smoke Test GitHub 操作。 在部署课程代理后，从操作标签运行它们。 烟雾测试是第一道门槛——离线和在线评估（第10和第16课） 告诉你代理有多优秀。

初学者友好的关键理念​

工具​

工具是代理可以调用以在模型之外完成工作的东西。一个好的工具 拥有清晰的名称、狭窄的任务、类型化的输入、可预测的输出，以及安全的 失败方式。

对于课程助手演示，一个工具可能是：

  • search_lessons(query)
  • read_lesson(path)
  • create_practice_task(topic)

RAG 和知识​

RAG 帮助代理从源材料回答问题而不是凭猜测。在本 课程中，该源材料可以是课程的 README、代码示例或课程中链接的外部 资源。

当答案应以文档、数据或当前 项目文件为基础时，使用 RAG。

计划​

当请求包含多个步骤时，规划是有用的。保持计划简短且 足够明显，方便开发人员或用户检查。

对于演示，一个计划可能是：

  1. 查找与工具使用相关的课程。
  2. 总结最相关的课程。
  3. 推荐一个练习任务。

上下文​

上下文是模型当前所见。上下文过少会使代理 错过重要细节。上下文过多会让代理变慢、成本更高， 或更容易混淆。

良好的上下文工程意味着为下一次模型 调用选择合适的信息。

记忆​

记忆是保存以备后用的信息。不应保存所有内容。仅在信息 有用、安全且容易更新或删除时保存。

例如，记住“学习者偏好 Python 示例”可能有用。 记住敏感个人数据通常没有用。

评估与可观察性​

评估问：代理是否做了正确的事？

可观察性问：我们能看到它是怎样发生的吗？

对于生产代理，跟踪模型调用、工具调用、检索上下文、 延迟、成本、失败和用户反馈。

信任与安全​

值得信赖的代理需要的不仅是一个有帮助的提示。使用最少权限工具， 对高影响操作需要人工审批，必要时进行数据脱敏，并对必须审计的操作 保留日志或记录。

15分钟复习流程​

每节课后使用此流程：

  1. 用一句话总结课程。
  2. 命名新的代理能力。例如：工具使用、检索、 规划、记忆、可观察性或安全。
  3. 将它添加到课程助手演示中。演示现在发生了什么变化？
  4. 找出风险。如果此能力被滥用，可能出什么问题？
  5. 写一个测试问题。你如何检查代理表现良好？

快速自查​

继续之前，尝试回答这些问题：

  1. 代理能做哪些普通聊天机器人自己做不了的事？

  2. 你的代理首先需要哪种工具，为什么？

  3. 应该用哪个知识源来支撑代理的回答？

  4. 下一次模型调用应包含哪些上下文？

  5. 代理应该记住什么，应该避免存储什么？

  6. 代理什么时候应该请求人工批准？

  7. 什么日志、跟踪或收据能帮助你以后调试或审计代理？

建议的毕业设计练习​

在课程结束时，构建一个小型代理，帮助学习者浏览此 仓库。

最低版本：

  • 接收用户输入的主题。
  • 查找最相关的课程。
  • 总结先阅读什么内容。
  • 建议一个动手实践任务。
  • 显示使用了哪些课程文件或链接。

拓展版本：

  • 记住学习者偏好的编程语言。
  • 在回答前使用简单的计划。
  • 在最终回复前添加自检步骤。
  • 记录工具调用和检索到的来源。
  • 在打开浏览器或执行 UI 自动化任务前请求确认。

这为你提供了一个小而真实的项目来练习工具、RAG、规划、 上下文、记忆、可观察性和信任。