目录

第三章

Agent 与工具

提示词会下达指令;Agent 则是「指令 + 工具 + 循环」。这一章开始,AI 不再只是对话者,而要成为能办事的同事。

02
续读

Anthropic Courses:Tool use

#
来源说明

Anthropic 官方工具使用教程,六课递进,建议从概览依序学完。

一句话核心观点

所谓工具使用,不是让模型「变魔法」,而是给它一套可调用的函数,再由你的程序执行、把结果返回,形成完整闭环。

要点精读

  1. 第一课建立全局图:模型决定是否调用工具、调用哪个、参数是什么;真正执行的是你的代码。
  2. 第二课用一个最简单的工具走通「声明 → 调用 → 返回」的感觉,先求能跑,再求漂亮。
  3. 第三课说明可以用工具机制强制结构化输出(例如 JSON)。这在把模型接入业务系统时几乎是刚需。
  4. 第四课把完整工作流串起来,避免只学会单次调用、却不会处理多轮工具结果。
  5. 第五课讲工具选择:何时强制用某个工具、何时让模型自己判断、何时完全不用。
  6. 第六课做一个能使用多种工具的聊天机器人,这已经是最小可用 Agent。
  7. 学这一门时,同步回顾提示词课里「数据和指令分开」「规定输出格式」的纪律,否则工具参数会很脏。
  8. 工具要少而准。给模型二十个含糊的工具,不如给三个边界清楚的工具。

对「学好 AI」的实操启发

为你的个人场景设计 1–3 个真实工具(查文件、算数、读日历、搜笔记),按六课顺序接上。完整跑通「用户问题 → 模型选工具 → 你执行 → 模型用结果回答」后,再去看多 Agent 框架。

短引(转述)

课程说明强调,六课会教你在 Claude 工作流里成功实现工具使用所需的一切,并且应从概览课开始,因为后面的课建立在前面的概念之上。

出处:tool_use/README.md。
03

Anthropic:Claude Cookbook(工具与能力部分)

#
来源说明

Anthropic 官方可复制食谱,以 Python 为主,概念可迁移到其他语言。需要 API 密钥。官方建议新手先完成 API 基础课。

一句话核心观点

教程讲原理,Cookbook 给的是可以直接改着跑的任务配方,是从「学会」到「做成」的抽屉。

要点精读

  1. 能力篇覆盖分类、RAG、摘要,这三件事构成大量业务的基本盘。
  2. 工具与集成篇有客服 Agent、计算器、SQL 查询等例子,正好接在 Tool use 课程之后当「课程作业升级版」。
  3. 第三方集成展示如何把网页、Pinecone 等向量库、Voyage 嵌入接到 Claude 上。重点不是绑定某一家向量库,而是理解检索管线。
  4. 多模态篇包括读图入门、视觉最佳实践、解读图表和幻灯片、从表格或表单里抽文本,以及结合图像生成的玩法。
  5. 进阶技巧里,用较小模型做子代理、配合更强模型,是很实用的成本与分工思路。
  6. 同一仓库后半还有评估、审核过滤、提示词缓存、成本与延迟优化,这些放到第 4、第 5 章再用,但要知道它们在这里。
  7. Cookbook 的正确用法是「复制一道菜,改成自己的食材」,而不是把所有笔记本都看完。
  8. 社区欢迎贡献新例子,说明它会持续生长,以仓库目录为准。

对「学好 AI」的实操启发

完成工具课后,从 Cookbook 里只选一道最靠近你场景的菜:做知识库就看 RAG,做客服就看 customer service agent,做数据分析就看 SQL。改到能处理你自己的数据,才算完成。

短引(转述)

仓库把 Cookbooks 定义为帮助开发者用 Claude 构建应用的代码与指南,并提供可复制、可直接集成到项目中的片段。

出处:Claude Cookbooks README。
05

Microsoft:AI Agents for Beginners

#
来源说明

Microsoft 免费 Agent 课程,目前约 18 课,含文稿、短视频和 Microsoft Agent Framework / Foundry 示例,并有多语言翻译。官方建议完全的生成式 AI 新手先修《Generative AI for Beginners》。

一句话核心观点

把 Agent 从「能调用工具的聊天机器人」升级成一套可设计、可协作、可上线、可防护的工程学科。

要点精读

  1. 前三课建立语言:Agent 是什么、有哪些使用场景、常见框架,以及可复用的设计模式。先有模式,再选框架。
  2. 第 4–9 课是模式核心:工具使用、Agentic RAG、可信 Agent、规划、多 Agent、元认知(让 Agent 检查和改进自己的过程)。
  3. 「可信」被单独成课,说明安全与可靠性不是上线前才补的附录。
  4. 第 10–13 课转向生产:上线运行、MCP / A2A / NLWeb 等协议、上下文工程、记忆管理。上下文和记忆往往比再换一个框架更重要。
  5. 第 14–18 课连接生态与落地:Microsoft Agent Framework、计算机使用(浏览器)Agent、可扩展部署、本地 Agent、以及 Agent 安全。
  6. 代码示例正在面向 Microsoft Agent Framework,这和第 12 节 AutoGen 已归档的事实是同一条演进线。
  7. 课程允许按兴趣选课,但建议至少按 1–10 的顺序建立完整图景,再按需跳到协议、记忆或本地部署。
  8. 若时间不够,优先掌握:工具、RAG、规划、多 Agent、评测与安全。框架可以换,这些能力不能缺。

对「学好 AI」的实操启发

把这门课当作第 3 章的主课。每学一个模式,就在自己的小 Agent 里加一项能力,而不是每课新建一个玩具。学到多 Agent 时,试着拆成「规划者 / 执行者 / 检查者」三个角色,哪怕它们都还很简陋。

短引(转述)

课程定位是「开始构建 AI Agent 所需知道的一切」,并提醒:若这是你第一次用生成式模型构建,应先学习 21 课的《Generative AI for Beginners》。

出处:仓库 README。
06

Hugging Face:Agents Course

#
来源说明

Hugging Face 免费 Agent 课程,分为 4 个单元加若干彩蛋单元,最后有作业、评测和排行榜,可获得证书。先修要求是基本的 Python 和大模型知识。

一句话核心观点

用一条从定义到框架、再到 Agentic RAG 和基准测试的完整课程,把 Agent 学成「可被衡量的能力」,而不只是会跑 demo。

要点精读

  1. 第 0 单元是欢迎和工具准备,不要跳过,后面会用到课程环境。
  2. 第 1 单元讲 Agent 定义、大模型、模型谱系和特殊 token,帮你分清「模型」和「Agent」不是一回事。
  3. 第 2 单元是框架巡览:smolagents、LlamaIndex、LangGraph,并分别深入。好处是先建立比较视角,避免只会一家的写法。
  4. 第 2 单元彩蛋专门讲可观测性与评估,和第 4 章直接打通。
  5. 第 3 单元用 Agentic RAG 做用例,练习让 Agent 按不同场景检索和行动。
  6. 第 4 单元是毕业项目:创建、测试并认证你的 Agent,还有自动评测和学员排行榜。这是全书最接近「交作品」的节点之一。
  7. 彩蛋还包括为函数调用微调模型、以及游戏场景中的 Agent,属于加分项,主线完成后再看。
  8. 课程作者在引用信息中写明 2025 年发布,内容和框架会演进,以在线课程页面为准。

对「学好 AI」的实操启发

在 Microsoft Agent 课建立概念后,用 HF 课程选一个框架做深(建议先 smolagents,负担小)。务必做到第 4 单元提交作业。证书是次要的,真正有用的是一个能被基准测到的 Agent。

短引(转述)

课程把内容分成四个单元,「带你从 Agent 基础走到带基准测试的最终作业」。

出处:agents-course README 的 Content 一节。
11

CrewAI

#
来源说明

开源 Python 多 Agent 框架。核心抽象是 Crews(角色化、偏自治的协作)和 Flows(事件驱动、更精确的流程控制)。另有面向组织的商业控制面(AMP),学习主线应先走开源与官方课程。

一句话核心观点

当你已经会做一个 Agent,下一步往往不是再堆工具,而是用角色和流程把一小组「AI 同事」组织起来。

要点精读

  1. Crews 适合需要分工和自主协作的任务;Flows 适合步骤必须受控、可与单次模型调用和 Crews 组合的自动化。先判断任务更像「团队」还是更像「流水线」。
  2. Agent 的基本配置仍是角色、目标、背景故事、工具、模型、记忆和护栏。这些字段不是文案装饰,而是约束行为的规格。
  3. 任务要写清描述、依赖、结构化输出,以及是否需要人工审阅。人在回路不是落后,而是生产级能力。
  4. 官方示例包括写职位描述、旅行规划、股票分析等,适合入门,但你应尽快换成自己的工作流。
  5. 学习资源集中在 learn.crewai.com,文档和示例是动手的主路径;仓库 README 也说明可用插件把最佳实践教给编程 Agent。
  6. 它和「先掌握通用模式再选框架」不冲突:用 Microsoft / HF 课理解模式,用 CrewAI 快速验证「小队协作」。
  7. 生产环境要考虑追踪、观测、集成与部署;这些在开源侧和商业套件里都有对应能力,初学先把本地流程跑稳。
  8. 不要为了用多 Agent 而用多 Agent。单一 Agent 能可靠完成的任务,拆多了只会增加失败点。

对「学好 AI」的实操启发

用你已经在做的个人场景组一个最小 Crew:一个研究员、一个执笔、一个审查员。先不接一堆外部 API。跑通后再把审查规则写成明确的任务输出要求。

短引(转述)

CrewAI 把自己定义为面向生产的多 Agent 工作流框架,既提供高层抽象,也保留底层 API;并通过 Crews 与 Flows 分别支持自治协作和精确的事件驱动控制。

出处:CrewAI 仓库 README。
12

Microsoft:AutoGen(重要变更)

#
来源说明

Microsoft 曾推出的多 Agent 框架,用于让多个 Agent 自主工作或与人协作。当前仓库已归档,不再由 Microsoft 主动维护。

一句话核心观点

AutoGen 仍是理解「多 Agent 对话式协作」的重要历史文本,但新学习者应改走 Microsoft Agent Framework,而不是把已归档项目当作生产起点。

要点精读

  1. AutoGen 的核心思想仍然值得学:多个专业化 Agent 协作、也可以和人一起工作,而不是单模型包办一切。
  2. 官方已明确项目归档,不再提供缺陷修复、安全修复、新功能和支持;仓库仅供历史参考。
  3. 继续使用已归档仓库会承担未修复漏洞的风险,尤其不能把它直接用于敏感数据或生产。
  4. 新用户应从 Microsoft Agent Framework 开始;现有用户可按官方迁移指南搬迁。
  5. 后继框架被定位为面向企业的多 Agent 编排,强调更稳定的 API、长期支持和跨运行时互操作(如 A2A、MCP)。
  6. 这和《AI Agents for Beginners》第 14 课转向 Agent Framework 是一致的,学习路径已经并轨。
  7. 阅读 AutoGen 文档或旧示例时,把精力放在「协作协议、角色分工、人在回路」这些可迁移概念上,少记旧 API。
  8. 开源生态会迭代,学框架要同时学「如何迁移」,这本身就是 AI 工程能力。

对「学好 AI」的实操启发

可以浏览 AutoGen 的设计故事,但把练习时间投给 Agent Framework,或 CrewAI / smolagents / LangGraph 之一。若你看到过时教程还在教 AutoGen 作为默认起点,主动改道。

短引(转述)

仓库用醒目的注意事项标明:该项目已归档且不再维护;新用户应使用 Microsoft Agent Framework,现有用户应按迁移指南搬迁。

出处:microsoft/autogen README。
13

Awesome LLM Apps

#
来源说明

由 Shubham Saboo 等维护的开源合集,收录 100+ 个 AI Agent、Agent Skill 与 RAG 应用示例,Apache-2.0,可在多种主流模型上运行。另有逐步教程站点 Unwind AI。

一句话核心观点

最好的进阶作业不是再看一门课,而是把一个能跑的开源 Agent 克隆下来,改成你的。

要点精读

  1. 仓库按类型组织:Agent Skills、独立应用、入门级单文件 Agent、进阶应用、优化工具、微调教程、框架速成等。
  2. 入门级 Agent 往往「一个 API 密钥就能跑」,例如把博客变成播客,适合作为第一个下午项目。
  3. Agent Skills 是给编程 Agent 增加新能力的小模块,强调可安装、可评测,并经过安全与评测门禁。这代表一种新的「教 AI 做事」的封装方式。
  4. 进阶区有和文档、视频、新闻通讯对话的例子,也有成本优化和微调配方,可按需取用。
  5. 框架速成覆盖 Google ADK 与 OpenAI Agents SDK 等,适合在第 3 章末比较不同工具链。
  6. 许可证允许分叉、发布甚至商用,但你仍要为自己的数据和密钥负责,不要把示例默认配置直接上线。
  7. 合集更新很快,个别示范会带有很新的模型名或实验性想法,把它当灵感库,而不是权威规范。
  8. 「看懂别人怎么把一个完整应用拼起来」往往比再学一个抽象概念更接近就业能力。

对「学好 AI」的实操启发

在 starter 目录里挑一个和自己生活最近的项目,三天内改完:换数据、改提示词、加一个工具、补一个最简评测。这就是你的作品集雏形。

短引(转述)

仓库自称是 100+ 个开源 AI Agent、技能和 RAG 应用的合集,强调亲手构建、端到端测试,并采用 Apache-2.0 许可。

出处:awesome-llm-apps README。

搜索资源

ESC