Hello Agents（DataWhale）
来源：DataWhale Hello Agents，开源 Agent 学习教程
简介
Hello Agents 是 DataWhale 出品的 Agent 教程，从零开始覆盖 Agent 概念、架构与实践：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：Agent 是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（任务分解与规划）、Memory（记忆管理）、Tools（工具调用）、Action（执行动作）。
2. 主流框架：LangChain、AutoGPT、LlamaIndex 等开源框架。
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描述、合理参数、明确返回值格式。
4. Memory 管理：
- 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：理论与实践结合。
学习建议
- 先理解概念：Agent 核心是 LLM + 工具 + 规划能力
- 多动手实践：看源码、改代码、做实验
- 关注工具设计：工具质量直接影响 Agent 效果
- 理解 Memory：上下文管理是 Agent 工程的关键难点
与主线的关系
本笔记的组件分解与 Memory 策略已展开为主线 Agent 运行时与 Agent 状态与记忆；本页保留为课程出处与入门路线索引。
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。