Hello Agents（DataWhale）

来源：DataWhale Hello Agents，一个开源的 Agent 学习教程

简介

Hello Agents 是 DataWhale 出品的 Agent 学习教程，旨在帮助学习者从零开始理解 Agent 的概念、架构和实践方法。

教程涵盖：

• Agent 基础概念
• 主流 Agent 框架
• 工具使用和设计
• 实际项目实战

学习路径

教程设计了完整的学习路径，从基础概念到进阶实践：

基础概念 → 框架学习 → 工具设计 → 项目实战

核心内容模块

1. Agent 基础

理解什么是 Agent：一种利用大语言模型进行推理、规划和执行动作的系统。

关键组件：

• Planning：任务分解和规划
• Memory：记忆管理
• Tools：工具调用能力
• Action：执行具体动作

2. 主流框架

教程涵盖了当前主流的 Agent 开发框架，包括：

• LangChain
• AutoGPT
• LlamaIndex
• 其他开源框架

3. 工具设计

工具是 Agent 与外部世界交互的桥梁。好的工具设计需要：

• 清晰的工具描述
• 合理的参数设计
• 明确的返回值格式

4. Memory 管理

Agent 需要记忆来：

• 保持对话上下文
• 存储中间结果
• 跨 session 持久化

常见的 Memory 策略：

• 短窗口记忆（直接放入上下文）
• 长期记忆（向量数据库或文件存储）
• 混合策略（分层记忆管理）

5. 项目实战

通过实际项目学习 Agent 开发，理论与实践结合。

---

学习建议

1. 先理解概念：Agent 的核心是 LLM + 工具 + 规划能力
2. 多动手实践：看源码、改代码、做实验
3. 关注工具设计：工具设计质量直接影响 Agent 效果
4. 理解 Memory 重要性：上下文管理是 Agent 工程的关键难点

---

相关资源

• 官方文档：https://datawhalechina.github.io/hello-agents/#/
• GitHub：DataWhale 仓库

注：本笔记基于 Hello Agents 教程大纲整理，具体内容请参考官方教程。