jaspersoft-agent-learn/README.md

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

# 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

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
• LangChain Tool Calling
• Prompt Engineering Guide

---

📝 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。