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。

Hugging Face smolagents 简介

让代理来算账：支出洞察

等等，您完全没写函数？

使用工具创建 Agent

通过提示编写代码：复利计算

让代理搜索网页

使用自定义工具创建 Agent

只需添加 @tool：编写自定义工具

请结账！让 Agent 访问数据

一个提示，多种工具

Hugging Face smolagents 入门

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。

RAG 复习

按序构建 RAG：从说明书到答案

那么，RAG 实际在做什么？

赋予语义的步骤

Agentic RAG 简介

为状态而生：构建 RAG 搜索工具

连接工具，解锁 Agentic RAG

使用多步代理

跟踪 Agent 步骤，监控动作

游戏时间：运行完整代理

Agentic RAG 与多步代理

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。

多智能体系统简介

分而治之：创建专业化代理

认识团队：代理协同

管理代理记忆

别忘了：在多次调用间保留记忆

跟踪代理的代码执行

Agent 最终答案验证

说得更具体，Agent：强制答案长度

更聪明的智能体：验证并重试

恭喜您！

多代理系统、记忆与验证

Orders

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。

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

学习使用Python构建能推理、行动并解决实际任务的智能代理。

使用 Hugging Face smolagents 的 AI Agents

掌握使用Python构建能够推理、行动并解决实际任务的智能代理。

多智能体系统简介

Create Your Free Account