# study-agent

**Repository Path**: liuguiting/study-agent

## Basic Information

- **Project Name**: study-agent
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-05-22
- **Last Updated**: 2026-05-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI Agent 学习笔记

从零开始学习 AI Agent 开发的完整教程，包含理论笔记和可运行代码。

## 目录结构

```
学习文件夹/
├── config.py              # API 配置模块
├── .env.example           # 配置模板（请复制为 .env 并填入密钥）
├── .env                   # 你的真实配置（不上传）
│
├── week1/                 # Week 1: 大模型基础入门
│   ├── 01_hello_claude.py     # Claude API 入门
│   ├── 01_hello_deepseek.py   # DeepSeek API 入门
│   ├── 01_hello_openai.py     # OpenAI API 入门
│   ├── 02_hello_chinese.py    # 中文对话入门
│   ├── 02_multi_turn_chat.py  # 多轮对话
│   ├── 03_stream_chat.py      # 流式输出
│   ├── 04_params_tuning.py    # 参数调优
│   ├── 04_english_agent.py    # 英语学习 Agent
│   └── vocabulary.py          # 单词库
│
├── week2/                 # Week 2: Flask Web 开发
│   ├── 01_flask_hello/        # Flask 入门
│   ├── 02_stream_web/         # Web 流式输出
│   └── 03_english_agent_web/  # Web 版英语 Agent
│
├── week3/                 # Week 3: Function Calling & RAG
│   ├── 01_function_calling/   # Function Calling 入门
│   └── 02_rag/                # RAG 知识检索
│
├── week4/                 # Week 4: Agent 系统
│   ├── 01_agent_memory/       # Agent 记忆系统
│   ├── 02_multi_step_reasoning/  # 多步推理 Agent
│   ├── 03_multi_agent/        # 多 Agent 协作
│   └── 04_workflow/           # Agent 工作流模式
│
└── Python语法速成指南.md   # Python 基础教程
```

## 快速开始

### 1. 克隆仓库

```bash
git clone https://gitee.com/liuguiting/study-agent.git
cd study-agent
```

### 2. 配置 API 密钥

```bash
# 复制配置模板
cp .env.example .env

# 编辑 .env 文件，填入你的 API 密钥
```

`.env` 文件内容：
```
API_KEY = "your-api-key-here"
API_URL = "https://coding.dashscope.aliyuncs.com/v1/chat/completions"
API_MODEL = "glm-5"
```

### 3. 运行示例

```bash
# Week 1 基础入门
python week1/02_hello_chinese.py

# Week 2 Web 开发
cd week2/01_flask_hello
python app.py

# Week 3 Function Calling
cd week3/01_function_calling
python app.py

# Week 4 Agent 系统
cd week4/01_agent_memory
python app.py
```

## 学习路线

### Week 1: 大模型基础入门

| 天数 | 主题 | 核心知识点 |
|-----|------|-----------|
| Day 1 | API 入门 | 如何调用各大模型的 API |
| Day 2 | 多轮对话 | messages 数组的使用 |
| Day 3 | 流式输出 | stream=True，边思考边输出 |
| Day 4 | 参数调优 | temperature、max_tokens |
| Day 5 | 实战 Agent | 英语单词学习助手 |

**关键概念：**
- API 调用 = 发 HTTP 请求 + 解析 JSON 响应
- 多轮对话 = 每次 API 调用带上完整对话历史
- 流式输出 = 一块一块接收，不用等 AI 憋完一大段

### Week 2: Flask Web 开发

| 天数 | 主题 | 核心知识点 |
|-----|------|-----------|
| Day 1 | Flask 入门 | 路由、模板、静态文件 |
| Day 2 | Web 流式 | SSE 事件流 |
| Day 3 | Agent Web | 把 Agent 包装成网页 |

**关键概念：**
- Flask = 最简单的 Python Web 框架
- 前后端分离 = JavaScript 发请求，Python 返回 JSON
- SSE = Server-Sent Events，服务端主动推送

### Week 3: Function Calling & RAG

| 天数 | 主题 | 核心知识点 |
|-----|------|-----------|
| Day 1-2 | Function Calling | 让 AI 自动调用函数 |
| Day 3 | RAG 入门 | 检索增强生成 |
| Day 3 | RAG 实战 | Embedding 向量检索 |

**关键概念：**
- Function Calling = 告诉 AI 有哪些工具可用，AI 决定什么时候调用
- RAG = Retrieval-Augmented Generation，先检索再生成
- Embedding = 把文字转成向量，相似度搜索更准确

### Week 4: Agent 系统

| 天数 | 主题 | 核心知识点 |
|-----|------|-----------|
| Day 1 | Agent 记忆 | 短期记忆 + 长期记忆 |
| Day 2 | 多步推理 | Chain of Thought |
| Day 3 | 多 Agent 协作 | 流水线模式 |
| Day 4 | 工作流模式 | 路由、并行、评估-优化循环 |

**关键概念：**
- 记忆系统 = 短期记忆（对话上下文）+ 长期记忆（持久化存储）
- 多步推理 = 把复杂任务拆成多步，逐步解决
- 多 Agent 协作 = 不同 Agent 各司其职，流水线工作
- 工作流模式 = 路由（分支）、并行（同时）、循环（迭代改进）

## Agent 架构图

```
┌─────────────────────────────────────────────────┐
│                    用户请求                       │
└─────────────────────────────────────────────────┘
                        ↓
┌─────────────────────────────────────────────────┐
│                  Orchestrator                    │
│              （协调者：规划任务）                   │
└─────────────────────────────────────────────────┘
                        ↓
        ┌───────────────┼───────────────┐
        ↓               ↓               ↓
   ┌─────────┐     ┌─────────┐     ┌─────────┐
   │ 研究员   │ →   │  写手   │ →   │  编辑   │
   │(搜集资料)│     │(写内容) │     │(审核)   │
   └─────────┘     └─────────┘     └─────────┘
        └───────────────┴───────────────┘
                        ↓
┌─────────────────────────────────────────────────┐
│                    最终结果                       │
└─────────────────────────────────────────────────┘
```

## 配置说明

### config.py 模块

所有 Python 文件统一使用 `config` 模块导入配置：

```python
import sys
import os
sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

from config import API_KEY, API_URL, API_MODEL, get_headers

# 使用示例
response = requests.post(API_URL, headers=get_headers(), json=payload)
```

### 支持的 API

本项目兼容 OpenAI 格式的 API，支持：
- 智谱 GLM
- DeepSeek
- 阿里云 DashScope
- 其他兼容 OpenAI 格式的 API

## 常见问题

### Q: 运行报错 `ModuleNotFoundError: No module named 'config'`

A: 确保在项目根目录创建了 `.env` 文件，并正确填写了 API 密钥。

### Q: API 调用失败

A: 检查以下几点：
1. `.env` 文件中的 `API_KEY` 是否正确
2. `API_URL` 是否正确
3. 网络是否能访问 API 服务

### Q: 如何切换不同的模型？

A: 修改 `.env` 文件中的 `API_MODEL` 参数。

## 学习建议

1. **循序渐进**：按 Week 1 → Week 4 的顺序学习
2. **动手实践**：每学完一个概念，运行对应代码
3. **修改代码**：尝试修改参数，观察效果变化
4. **举一反三**：用自己的需求替换示例任务

## 资源链接

- [智谱 AI 开放平台](https://open.bigmodel.cn/)
- [DeepSeek API](https://platform.deepseek.com/)
- [OpenAI API 文档](https://platform.openai.com/docs)
- [Anthropic Claude API](https://docs.anthropic.com/)

## 致谢

本项目学习过程中参考了：
- Anthropic 的 Agent 架构设计文档
- OpenAI 的 Function Calling 文档
- 各种开源 Agent 项目

---

**Happy Learning! 🎉**

如有问题，欢迎在 Gitee 上提出 Issue。