2025.10.28
This commit is contained in:
@@ -1,3 +0,0 @@
|
||||
## 💕注意事项
|
||||
|
||||
代码能一键运行即可,主要是感受,没有关键知识点。
|
||||
@@ -0,0 +1,16 @@
|
||||
## 🧩 模块说明:Agent入门 & 快速运行
|
||||
|
||||
📌 **核心知识点**:
|
||||
Agent核心概念 | LLM调用基础 | 开发环境搭建 | 首个Agent实现
|
||||
|
||||
---
|
||||
|
||||
### 1. `agent-demo`(自定义函数调用)
|
||||
直接调用该函数,**运行成功**即可,重点掌握:
|
||||
✅ 了解Agent概念
|
||||
✅ 成功运行该代码
|
||||
|
||||
---
|
||||
|
||||
💡 强烈建议:优先对总Readme的文档做了解,理清后面的学习思路。
|
||||
|
||||
@@ -1,6 +0,0 @@
|
||||
## 💕注意事项
|
||||
|
||||
- 知识点:**LLM了解与调用、Prompt编写与逻辑构思、多轮对话记忆、独立搭建一个智能体**
|
||||
|
||||
1. llm模型调用:是deepseek官网推荐的调用流程,这个结构是我们以后调用api常用的方法。
|
||||
2. 多轮问答agent:涵盖llm、prompt、memory几个模块。如果想改变ai身份的提示词与初始提问,直接更改messages里的content即可。
|
||||
@@ -0,0 +1,29 @@
|
||||
## 🧩 模块说明:LLM 调用与多轮对话 Agent
|
||||
|
||||
📌 **核心知识点**:
|
||||
LLM 调用|Prompt 编写与设计|多轮对话记忆|独立搭建智能体
|
||||
|
||||
---
|
||||
|
||||
### 1. `01_basic_llm_invocation`(LLM 模型调用)
|
||||
使用 DeepSeek 官方推荐的调用方式,
|
||||
这是后续所有 API 调用的通用结构,可直接复用。
|
||||
|
||||
✅ 掌握点:
|
||||
- 如何初始化 LLM 实例
|
||||
- 标准的 API 调用格式
|
||||
- 快速切换模型和参数
|
||||
|
||||
---
|
||||
|
||||
### 2. `02_conversational_agent`(多轮问答 Agent)
|
||||
整合了 LLM + Prompt + Memory,实现有记忆的对话。
|
||||
|
||||
🔧 使用提示:
|
||||
想换 AI 人设或初始提问?
|
||||
👉 直接修改 `messages` 中的 `content` 即可。
|
||||
|
||||
✅ 掌握点:
|
||||
- 多轮对话如何保持上下文
|
||||
- Prompt 结构设计
|
||||
- 记忆模块(Memory)的基本用法
|
||||
@@ -1,6 +0,0 @@
|
||||
## 💕注意事项
|
||||
|
||||
- 知识点:**Function calling原理、工具函数封装、API接入实践、多轮调用流程、Agent能力扩展**
|
||||
|
||||
1. 自定义函数调用:使用一个假函数来模拟完成function calling代码构建流程。重点是学会如何调用外部工具函数
|
||||
2. API调用:调用一个真的外部工具函数来完成API调用。重点是学会如何通过API文档学会构建一个可被调用的外部函数。强烈推荐自己找一个其他的任意API给AI作为测试,看它能否调用你提供的工具。
|
||||
@@ -0,0 +1,20 @@
|
||||
## 🧩 模块说明:Function Calling 与工具调用
|
||||
|
||||
📌 **核心知识点**:
|
||||
Function calling 原理|工具函数封装|API 接入|多轮调用|Agent 扩展
|
||||
|
||||
---
|
||||
|
||||
### 1. `01_custom_function_calling`(自定义函数调用)
|
||||
用一个**假函数**模拟完整流程,重点掌握:
|
||||
✅ 如何定义可调用函数
|
||||
✅ AI 如何触发函数调用
|
||||
|
||||
---
|
||||
|
||||
### 2. `02_api_invocation`(API 调用)
|
||||
接入一个**真实 API**,重点掌握:
|
||||
✅ 如何根据 API 文档封装工具
|
||||
✅ 让 AI 真正“动手”做事
|
||||
|
||||
💡 强烈建议:自己找一个新 API 测试,看 AI 能否正确调用!
|
||||
@@ -8,7 +8,7 @@
|
||||
|
||||
- 📄 **配套博客详解**:每章内容均配有 CSDN
|
||||
深度文章,涵盖原理剖析、代码解析与调试技巧
|
||||
- 💻 **可运行代码仓库**:每个模块对应独立目录,含完整代码、注释与运行指引,支持本地复现
|
||||
- 💻 **可运行代码仓库**:每个模块对应独立目录,含完整代码、详细注释与运行指引,支持本地复现
|
||||
- 🚀 内容覆盖:从 **Prompt 工程** 到 **LangChain / LangGraph / RAG / SDK 封装**
|
||||
- ⚙️ 能力进阶:涵盖 **智能体思维链、工具调用、任务规划、多智能体协作**
|
||||
|
||||
@@ -19,14 +19,14 @@
|
||||
## 🧭 模块总览(16 模块)
|
||||
|
||||
> 💡 每个模块对应独立目录(含代码、说明与示例),可独立运行与学习。
|
||||
> 🔥 已更新至 03 Function Calling 与工具调用,持续更新中!
|
||||
> 🔥 已更新至 04 LangChain 基础,持续更新中!
|
||||
|
||||
| 章节 | 模块 | 博客 | 核心关键词 | 难度 |
|
||||
|:-----------:|:----------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------:|:--------------------------------|:----:|
|
||||
| 🏗️ **基础篇** | [01 Agent 入门 & 环境搭建](https://github.com/Annyfee/agent-craft/tree/main/01%20Agent%20%E5%85%A5%E9%97%A8%20%26%20%E5%BF%AB%E9%80%9F%E8%BF%90%E8%A1%8C) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153729555) | OpenAI API | ⭐ |
|
||||
| | [02 LLM 基础调用](https://github.com/Annyfee/agent-craft/tree/main/02%20LLM%E5%9F%BA%E7%A1%80%E4%B8%8E%E8%B0%83%E7%94%A8) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153735431) | LLM API 调用 · prompt · 上下文记忆 | ⭐ |
|
||||
| | [03 Function Calling 与工具调用](https://github.com/Annyfee/agent-craft/tree/main/03%20Function%20calling%E4%B8%8E%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153866573) | Function Call · 工具函数封装 | ⭐⭐ |
|
||||
| ⚙️ **框架篇** | 04 LangChain 基础篇 | 🚧 撰写中 | Chain 架构 · Tool 使用 | ⭐⭐ |
|
||||
| ⚙️ **框架篇** | 04 LangChain 基础篇 | [🏠](https://blog.csdn.net/2401_87328929/article/details/153978186) | LLM · Prompt · Chain · Memory | ⭐⭐ |
|
||||
| | 05 LangChain 进阶篇 | 🚧 | Memory · 多链协作 · Agent | ⭐⭐⭐ |
|
||||
| | 06 LangGraph 入门 | 🚧 | Flow · Node · Edge 控制 | ⭐⭐⭐ |
|
||||
| | 07 RAG 基础篇(Embedding & 向量) | 🚧 | 向量化 · 检索匹配 | ⭐⭐ |
|
||||
|
||||
+2
-1
@@ -1,4 +1,5 @@
|
||||
dotenv~=0.9.9
|
||||
python-dotenv~=1.1.1
|
||||
openai~=2.6.0
|
||||
requests~=2.32.5
|
||||
requests~=2.32.5
|
||||
langchain~=0.3.27
|
||||
Reference in New Issue
Block a user