pguso/agents-from-scratch

本仓库是一个教育项目，通过在 12节课 中逐步构建一个智能体，教授AI智能体的工作原理。你将从一个简单的本地语言模型文本输入/输出调用开始，每一课都会增加一项新功能：系统提示词、结构化输出、决策、工具、循环、记忆、规划、原子操作、依赖图、评估和遥测。

核心理念是“没有魔法”：一切都是显式且可读的代码。你将使用一个不断演进的 agent.py 文件，而单独的 complete_example.py 展示了每一课的独立示例。该项目专为已经会编程但对智能体框架感到困惑的开发者设计。你使用 GGUF 模型在本地运行所有内容（无需 API 密钥，无需云端）。

该项目的哲学是：智能体不是人格——它们是循环、状态和约束。它刻意避免隐藏推理过程或声称模型会“思考”。每一课都建立在前一课的基础上，因此建议按顺序学习。

该仓库还包含一份哲学文档、快速入门指南，以及包含记忆、规划、工具、评估和遥测等独立模块的文件夹结构。它不是一个框架，不是聊天机器人演示，也不是生产就绪的代码——它纯粹是为了学习而存在。

关键文件：

• agent/agent.py – 在所有课程中不断演进的主 Agent 类（这是项目的核心）。
• complete_example.py – 12个独立的函数，每课一个，分别演示该课的概念。使用 python complete_example.py 运行。
• agent/evals.py – 针对已知良好用例的回归测试（第11课）。
• agent/telemetry.py – 用于调试和可观测性的结构化日志记录（第12课）。

课程涵盖：基础 LLM 使用（第1-3课）、智能体能力（决策、工具、循环——第4-6课）、智能（记忆、规划、执行——第7-10课）以及可观测性（评估和遥测——第11-12课）。

简而言之：如果你想在没有晦涩框架的情况下，通过动手实践深入理解 AI 智能体的机制，本仓库将引导你一步步在本地从零开始构建一个智能体。