# Jaspersoft Learn - AI Agent 开发教学项目

> **目标**：手把手教你从零构建一个完整的 AI Agent 系统
> **教学方式**：代码即文档，每一行代码都有详细解释
> **前置知识**：Python 基础（2年经验足够）

---

## 🎯 学习路径

本项目采用"渐进式构建"方式，从最简单的概念开始，逐步添加复杂度。

```
学习顺序：
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Step 01 ──▶ Step 02 ──▶ Step 03 ──▶ Step 04 ──▶ Step 05 ──▶ Step 06 ──▶ Step 07
  │           │           │           │           │           │           │
  ▼           ▼           ▼           ▼           ▼           ▼           ▼
Tool基础    State状态    简单Agent   Memory     RAG检索    自我修正    Multi-Agent
             管理                              记忆系统
```

---

## 📚 每个 Step 的内容

| Step | 主题 | 核心概念 | 完成后你将理解 |
|------|------|---------|--------------|
| **01** | Tool 工具系统 | 什么是 Tool，为什么需要 Tool | 如何设计可扩展的工具系统 |
| **02** | State 状态管理 | 什么是 Agent State | 如何在 Agent 中传递信息 |
| **03** | 简单 Agent | LLM + Tool + Loop = Agent | Agent 的核心工作原理 |
| **04** | Memory 记忆 | 短期/长期/工作记忆 | 如何让 Agent "记住"上下文 |
| **05** | RAG 知识检索 | 检索增强生成 | 如何让 Agent 知道"私有知识" |
| **06** | Self-Correction | 自我修正循环 | 如何让 Agent 自动修复错误 |
| **07** | Multi-Agent | 多 Agent 协作 | 如何构建 Agent 团队 |

---

## 🚀 快速开始

### 环境准备

```bash
# 1. 创建虚拟环境
python -m venv venv
.\venv\Scripts\activate

# 2. 安装依赖
pip install langchain langchain-openai langchain-anthropic python-dotenv

# 3. 配置环境变量
cp .env.example .env
# 编辑 .env，填入你的 API Key
```

### 开始学习

```bash
# Step 01: 理解 Tool
cd step_01_tools
python main.py

# Step 02: 理解 State
cd ../step_02_state
python main.py

# ...以此类推
```

---

## 📖 学习方法

### 每一步的结构

```
step_XX_xxx/
├── README.md          # 本步骤的概念讲解
├── concept.py        # 核心概念代码（有详细注释）
├── exercise.py       # 练习题
├── exercise_answer.py # 练习答案（先自己思考再看）
└── main.py          # 可运行的示例
```

### 如何使用本项目

1. **先读 README**：理解这个 Step 要学什么
2. **再看 concept.py**：跟着代码理解概念
3. **做 exercise.py**：巩固理解
4. **对照答案**：检查自己的理解
5. **运行 main.py**：看完整示例

---

## 🎓 最终目标

完成所有 Step 后，你将能够：

- [ ] 理解 Agent 的核心工作原理
- [ ] 设计可扩展的工具系统
- [ ] 实现状态管理和记忆系统
- [ ] 构建完整的 RAG 知识检索
- [ ] 实现 Agent 自我修正能力
- [ ] 设计多 Agent 协作系统
- [ ] 阅读并理解 jaspersoft 项目的源码

---

## 🔗 参考资料

- [LangGraph 官方文档](https://langchain-ai.github.io/langgraph/)
- [LangChain Tool Calling](https://python.langchain.com/docs/how_to/tool_calling/)
- [Prompt Engineering Guide](https://www.promptingguide.ai/zh)

---

## 📝 贡献指南

发现错误或有改进建议？欢迎提交 PR！

---

*本项目是学习用途，代码尽量写得清晰易懂，而非追求极致性能。*