排序
小节三：我们为什么选用 Flask——让 Agent 能被其他系统调用
很多 Agent 教程最后停在这一行： agent.run('帮我分析这个项目') 对学习原理来说，这当然够。 但真实系统通常不是这样被使用的。 你的网页前端不能直接调用本地 Python 对象；飞书机器人不能直...
12小时前
小节三：Agent——真正的变化，是“下一步由谁决定”
现在我们正式进入 Agent。 先看一个最短版本： 当前状态 ↓ LLM 判断下一步做什么 ↓ Action ↓ 执行 ↓ Observation ↓ 再次判断 这里有四个关键输入。 Goal：最终要完成什么。 State：现在执...
11小时前
小节三：把 State 真正接进 Main Loop——Agent = Loop + State 到底怎么落到代码里？
现在我们把前两节合起来。 上一节是 Loop。 这一节是 State。 真正的 Agent 结构应该是： Loop 推进 State State 约束 Loop 这句话很关键。 不是 Loop 单方面使用 State。 而是两者互相影响。 ...
6小时前
章末自测
题目 1：为什么 Agent 不能只依赖局部变量？ 假设 Main Loop 中使用 messages、step、finished、last_error、recent_calls 五个独立变量，并且后面又加入 Human Approval 和 Flask AP...
6小时前
小节四：Main Loop 真正难的地方——什么时候继续，什么时候停止，什么时候承认失败？
如果你只看最小代码： while True: response = llm.chat(messages) ... 很容易觉得 Main Loop 很简单。 真正做项目以后，你会发现，“循环”本身简单，控制循环 才难。 至少要回答四个问题...
8小时前
案例分析二：一个 Data Analysis Agent 为什么不能只是“问题 → SQL → 答案”？
场景背景 再看另一个最终项目。 业务同学问，“昨天广告收入为什么下降？” 最简单做法是 Text-to-SQL： 用户问题 ↓ 生成 SQL ↓ 执行 SQL ↓ 返回结果 如果 SQL 只是查出： 昨天收入：80 万 ...
12小时前
案例分析一：修复一个陌生 Python 项目——固定 Workflow 为什么会迅速膨胀？
场景背景 假设我们想做一个内部工具，用户提交一个 Python 项目，系统自动判断为什么项目启动失败。 第一版很自然： 读取 requirements.txt ↓ 读取 app.py ↓ 运行 python3 app.py ↓ 分析报错...
8小时前
小节四：这门课会怎样一步步把“玩具 Agent”长成真正可控的工程系统？
现在我们已经看到终点，也知道为什么要自己搭 Harness，接下来最容易出现的问题是，“这么多模块，是不是一下子要全部写完？” 完全不需要。 我们会用一个非常明确的“逐层加能力”的方式推进。...
12小时前章末自测
题目 1：为什么普通一次 LLM 调用无法天然完成多步环境交互？ 假设用户说“帮我找到项目入口文件并读取内容”，模型第一次调用时还不知道目录结构。请解释为什么一次 LLM 调用通常无法完成整个...
7小时前
从 Chain、DAG 到 Agent：为什么还需要 Agent？
这一节我们不急着写复杂 Agent，也不急着接真实大模型 API。我们先把一个最容易被说模糊、但后面每一节都会依赖的问题讲透，既然以前已经有 Chain、DAG、Workflow，为什么今天还需要 Agent？ 学...
11小时前
