了解 code agents 的獨特之處，以及它們如何使用 Python 進行推理與行動。用 smolagents 建立你的第一個代理，加入可存取網路的內建與社群工具，並建立自訂工具把代理連接到資料。

Hugging Face smolagents 入門

交給代理幫你算：支出洞察

等等，你根本沒有寫任何函式？

使用工具建立 Agent

用提示寫程式碼：複利計算

讓 Agent 搜尋網路

使用自訂工具建立代理

只要加上 @tool：撰寫自訂工具

結帳囉！讓 Agents 讀取資料

一個提示，多種工具

把傳統 RAG 管線轉化為 agentic 系統，透過反覆檢索並在多個步驟間推理。打造具狀態的工具以支援進階檢索，使用規劃間隔引導代理以改善結果，並用回呼在執行期間追蹤與自訂代理行為。

RAG 複習

RAG 的正確順序：從使用手冊到答案

那麼，RAG 裡實際發生了什麼？

為文字加入意義的那一步

Agentic RAG 入門

以狀態為核心：建立 RAG 搜尋工具

連上工具，解鎖 Agentic RAG

操作多步驟代理

追蹤代理步驟，監控執行狀況

上場時間：執行完整 Agent

Agentic RAG 與多步驟代理

透過協調型管理者來統籌一組專門的代理，處理複雜工作流程。加入記憶以在多次互動間保留脈絡，使用執行追蹤與推理步驟來偵錯代理行為，並實作穩健的驗證策略以確保高品質且可靠的回應。

多代理系統導論

分工合作：建立專家型代理

認識團隊：代理協作

管理 Agent 記憶體

別忘了：在多次呼叫間保留記憶

追蹤代理的程式碼執行

代理的最終答案驗證

多說一點，Agent：強制答案長度

更聰明的代理：驗證並重試

恭喜！

多代理系統、記憶與驗證

Orders

AI 代理正在改變我們與資料與軟體的互動方式。從自動化流程到協助使用者處理複雜任務，代理能替你搜尋、推理並採取行動。本課程將帶你使用 smolagents——由 Hugging Face 開發的輕量級 Python 框架——來打造代理。

動手實作 Code Agents 與工具

你會先了解 code agents 的特點，以及它們為何如此強大。接著，你會從零開始建構第一個代理，使用 smolagents 產生並執行 Python 程式碼。你也會學到如何接上內建工具與社群工具，並建立自訂工具，擴充代理的能力。

用 RAG 與記憶讓代理更聰明

接下來，你會使用檢索增強生成（RAG）協助代理從大量文件中擷取資訊。你會更進一步打造 agentic RAG 系統——能跨多個步驟推理以得到更佳答案的代理。你也會學到如何加入記憶，讓代理能自然地處理後續提問，並追蹤已完成的事項。

協調多代理系統並驗證輸出

在最後一章，你會建立多代理系統，透過管理者協調專家型代理。你會加入規劃間隔、使用回呼來洞察代理行為，並驗證最終答案，確保代理穩定可靠、易於使用。

完成本課程後，你將能打造能前瞻思考、協同合作、並有效完成任務的代理。

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

學習使用Python構建能推理、行動並解決實際任務的智能代理。

使用自訂工具建立代理

Create Your Free Account