Agents 课程文档
欢迎来到 🤗 AI Agents 课程
并访问增强的文档体验
开始入门
欢迎来到 🤗 AI Agents 课程
欢迎来到当今 AI 领域最激动人心的话题：Agents！
这个免费课程将带您踏上从初学者到专家的旅程，了解、使用和构建 AI Agents。
第一个单元将帮助您入门
- 了解课程大纲。
- 选择您要采取的路径（自审或认证流程）。
- 获取有关认证流程和截止日期的更多信息.
- 了解课程背后的团队。
- 创建您的 Hugging Face 帐户。
- 注册加入我们的 Discord 服务器，与您的同学和我们见面。
让我们开始吧！
对本课程有何期待？
在本课程中，您将
- 📖 学习 AI Agents 的理论、设计和实践。
- 🧑💻 学习使用已建立的 AI Agent 库，例如 smolagents、LlamaIndex 和 LangGraph。
- 💾 在 Hugging Face Hub 上分享您的 agents，并探索社区创建的 agents。
- 🏆 参加挑战赛，您将在其中评估您的 agents 与其他学生的 agents 的对比情况。
- 🎓 通过完成作业获得结业证书。
以及更多！
在本课程结束时，您将了解 Agents 的工作原理，以及如何使用最新的库和工具构建您自己的 Agents。
不要忘记注册课程！
（我们尊重您的隐私。我们收集您的电子邮件地址，以便能够在每个单元发布时向您发送链接，并向您提供有关挑战和更新的信息）。
课程看起来是什么样的？
本课程由以下部分组成：
- 基础单元：您将在其中学习 Agents 的理论概念。
- 实践：您将在其中学习使用已建立的 AI Agent 库，以在独特的环境中训练您的 agents。这些实践部分将是Hugging Face Spaces，其中包含预配置的环境。
- 用例作业：您将在其中应用所学的概念来解决您选择的真实世界问题。
- 挑战赛：您将让您的 agent 参与挑战赛，与其他 agents 竞争。还将有一个 排行榜（尚未推出），供您比较 agents 的性能。
本课程是一个活生生的项目，随着您的反馈和贡献而不断发展！ 欢迎在 GitHub 中打开 issue 和 PR，并在我们的 Discord 服务器中参与讨论。
完成课程后，您还可以使用 👉 此表格 发送您的反馈
课程大纲是什么？
这是课程的总体大纲。更详细的主题列表将在每个单元发布时公布。
| 章节 | 主题 | 描述 |
|---|---|---|
| 0 | 入门 | 为您设置将要使用的工具和平台。 |
| 1 | Agent 基础知识 | 解释工具、思考、行动、观察及其格式。解释 LLM、消息、特殊令牌和聊天模板。展示使用 Python 函数作为工具的简单用例。 |
| 1.5 | 奖励：为函数调用微调 LLM | 让我们使用 LoRa 并微调模型，以在 notebook 中执行函数调用。 |
| 2 | 框架 | 了解基础知识如何在流行的库中实现：smolagents、LangGraph、LLamaIndex |
| 2.5 | 奖励：Agent 可观测性和评估 | 学习如何跟踪和评估您的 AI agents，使其为生产做好准备。 |
| 3 | 用例 | 让我们构建一些真实生活中的用例（欢迎来自经验丰富的 Agent 构建者的 PR 🤗） |
| 4 | 期末作业 | 为选定的基准构建一个 agent，并在学生排行榜 🚀 上证明您对 Agents 的理解 |
我们还计划发布一些奖励单元，敬请期待！
有什么先修条件？
要学习本课程，您应该具备
- Python 的基本知识
- LLM 的基本知识（我们在第 1 单元中有一个部分回顾了它们是什么）
我需要什么工具？
您只需要 2 样东西
- 一台电脑，并连接到互联网。
- 一个 Hugging Face 帐户：用于推送和加载模型、agents 以及创建 Spaces。如果您还没有帐户，可以在此处创建一个（免费）。
认证流程
您可以选择以旁听模式学习本课程，或者完成活动并获得我们将颁发的两个证书之一。
如果您旁听课程，您可以参加所有挑战赛，并根据需要完成作业，您无需通知我们。
认证流程是完全免费的
- 要获得基础知识认证：您需要完成课程的第 1 单元。这适用于希望了解 Agents 最新趋势的学生。
- 要获得结业证书：您需要完成第 1 单元、我们在课程中提出的用例作业之一以及最终挑战赛。
认证流程有一个截止日期：所有作业必须在 2025 年 5 月 1 日之前完成。
推荐的学习进度是什么？
本课程中的每个章节都设计为在一周内完成，每周大约需要 3-4 小时的工作量。
由于有截止日期，我们为您提供了一个推荐的学习进度
如何充分利用本课程？
为了充分利用本课程，我们提供一些建议
- 加入 Discord 中的学习小组：小组学习总是更容易。为此，您需要加入我们的 discord 服务器并验证您的 Hugging Face 帐户。
- 完成测验和作业：最好的学习方式是通过实践和自我评估。
- 制定时间表以保持同步：您可以使用我们下面的推荐进度表或创建您自己的时间表。
我们是谁
关于作者
Joffrey Thomas
Joffrey 是 Hugging Face 的机器学习工程师，曾在生产环境中构建和部署 AI Agents。Joffrey 将担任本课程的主要讲师。
Ben Burtenshaw
Ben 是 Hugging Face 的机器学习工程师，曾在多个平台上交付过多个课程。Ben 的目标是让每个人都能轻松学习本课程。
Thomas Simonini
Thomas 是 Hugging Face 的机器学习工程师，曾交付过成功的 Deep RL 和 ML for games 课程。Thomas 是 Agents 的忠实粉丝，很高兴看到社区将构建什么。
Sergio Paniego
作为一名热情的社区成员，Sergio 为第 2 和第 3 单元贡献了多个部分，以及许多较小的 PR 和评论。感谢您，Sergio！🙌
致谢
我们要向以下个人表示感谢，感谢他们对本课程的宝贵贡献
- Pedro Cuenca – 感谢他在审查材料方面的指导和专业知识。
- Aymeric Roucher – 感谢他精彩的演示 spaces（解码和最终 agent），以及他在 smolagents 部分的帮助。
- Joshua Lochner – 感谢他关于令牌化的精彩演示 space。
- Quentin Gallouédec – 感谢他对课程内容的帮助。
- David Berenstein – 感谢他对课程内容和审核的帮助。
- XiaXiao (ShawnSiao) – 本课程的中文翻译。
- Jiaming Huang – 本课程的中文翻译。
我发现了一个 bug，或者我想改进课程
欢迎贡献 🤗
- 如果您在 notebook 中发现了一个 bug 🐛，请打开一个 issue 并描述问题。
- 如果您想改进课程，您可以打开一个 Pull Request。
- 如果您想添加一个完整的部分或一个新的单元，最好的方法是打开一个 issue 并描述您要添加的内容，以便我们指导您。
我还有疑问
请在我们的 discord 服务器 #ai-agents-discussions 中提问。
既然您已掌握所有信息，那就让我们开始入门 ⛵
< > 在 GitHub 上更新