zy187Jaspersoft 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
# 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
# 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
- 先读 README：理解这个 Step 要学什么
- 再看 concept.py：跟着代码理解概念
- 做 exercise.py：巩固理解
- 对照答案：检查自己的理解
- 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
📝 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。