学完这些课程后，我对创建专业的可视化图表和仪表板充满信心
Shoebur Rahman采购专员，Giz Bangladesh
课程简介
AI 代理正在改变我们与数据和软件的协作方式。从自动化工作流到帮助用户完成复杂任务，代理可以代表您进行搜索、推理并采取行动。在本课程中，您将学习如何使用 smolagents（由 Hugging Face 开发的轻量级 Python 框架）构建代理。上手实践：代码代理与工具您将先了解代码代理的独特之处，以及它们为何如此强大。随后，您将从零开始构建第一个代理，使用 smolagents 生成并执行 Python 代码。您还将学习如何接入内置工具并创建自定义工具，以扩展代理的能力。用 RAG 与记忆让代理更聪明接着，您将使用检索增强生成（RAG）帮助代理从大型文档集合中获取信息。您还会更进一步，构建 agentic RAG 系统——让代理通过多步推理得到更好的答案。您也将学习如何加入记忆，使代理能够自然地处理追问并跟踪已完成的步骤。协调多代理系统并验证输出在最后一章，您将构建由管理者协调的多代理系统。您将添加规划间隔，使用回调洞察代理行为，并验证最终答案，确保代理可靠、易用。课程结束时，您将掌握如何构建能前瞻思考、协同配合并高效完成任务的代理。
先修要求
课程体系
课程大纲
1
Hugging Face smolagents 入门
了解代码代理的独特之处，以及它们如何使用 Python 进行推理与行动。用 smolagents 构建您的第一个代理，添加用于网页访问的内置与社区工具，并创建自定义工具，将代理与数据连接起来。
2
Agentic RAG 与多步代理
将传统 RAG 流水线改造为 agentic 系统，使其能够迭代检索并跨多步进行推理。构建有状态工具以支持高级检索，通过规划间隔引导代理以改进结果，并使用回调在运行时跟踪与定制代理行为。
3
多代理系统、记忆与验证
通过在协调管理者下编排专业化代理团队，解决复杂工作流。添加记忆以在多轮交互中保留上下文，使用执行轨迹与推理步骤调试代理行为，并实施稳健的验证策略，确保高质量、可靠的响应。
使用 Hugging Face smolagents 的 AI Agents
课程已完成
