使用 Python 从头开始​​构建 AI 代理（无 LangChain）

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
级别：中级 |类型： 电子学习 |语言： 英语 |时长：49 场讲座 ( 1h 41m )

你将学到什么

• 构建一个可重用的代理循环 – 观察、决定、行动、反馈、停止 – 具有正确的停止条件
• 从头开始为代理提供工具：解析工具调用、分派它们，并在不崩溃的情况下处理幻觉工具
• 实现工作记忆、情景记忆和语义记忆 – 并从头开始自己编写余弦相似度和 top-k 检索
• 利用 ReAct、反思和思想树制定代理推理，并将每项任务路由到正确的策略
• 通过授权上限协调多个代理，对其进行评估（成功率、成本、回归），并通过上限、日志记录和护栏强化生产

要求

• Solid Python：函数、类和字典。您至少调用过一次 LLM API。
• 适用于任何 OpenAI 兼容或 Anthropic 模型的 API 密钥（几美元的使用费即可用于实验室）。
• 不需要机器学习数学——一位（点积）是从头开始教授的。没有LangChain，就没有矢量数据库。

描述

本课程涉及人工智能的使用。

人工智能代理只是一个循环中的法学硕士，它会选择自己的下一步行动。一旦你可以编写这个循环（大约二十行纯 Python），市场上的每个“代理框架”就不再那么神奇了。

这门课程并不神奇。您从头开始构建自己的代理框架，一次一个概念，然后理解它的每一行 – 并且能够像阅读一本打开的书一样阅读 LangChain、CrewAI 或 AutoGen。

您将在九个短模块中构建什么：具有正确停止条件的可重用代理循环；从头开始使用工具（解析、注册和调度，以及模型发明工具时的优雅处理）；三种记忆——工作记忆、情景记忆和语义检索，您可以在 numpy 中使用自己的余弦相似度构建；使用 ReAct、反射和重试以及真正的波束搜索思想树进行规划；具有协调器和委托上限的多代理系统，因此它永远不会永远循环；评估——几乎没有课程教授的部分——一个工具、三个重要的指标、失败分类法和回归差异；通过成本和步骤上限、结构化日志记录和工具护栏进行生产强化；以及将其整合到一个干净的 API 中并构建端到端旗舰代理的顶点。

诚实地对待范围：“从头开始”意味着您构建将模型转变为代理的所有内容。我们保留的一个黑匣子是语言模型及其嵌入，通过薄包装器调用。它大约有 1,300 行纯 Python 代码——仅包含 numpy 和一个提供者客户端。没有LangChain，没有向量数据库。

您需要扎实的 Python 并调用过一次 LLM API。你不需要任何机器学习数学——一点点积是从头开始教授的。到最后，您不仅会拥有可工作的代码，而且还会拥有可运行的代码。您将有判断力来设计不会烧钱或默默失败的代理，并且您将了解市场上每个框架的真正用途。

本课程适合谁

• 使用法学硕士但将代理视为魔法并希望掌握第一原理的在职开发人员。
• 在不了解其底层原理的情况下连接 LangChain 或 CrewAI 的工程师。
• 想要提供可靠代理（包括评估、上限和护栏）的构建者，而不仅仅是演示。