拓冰网站优化 
AI工程师手册路线图从 Tool Use 到 Deep ResearchAI Agent 工程师技能树全景图【免费下载链接】ai-angineers-handbook项目地址: https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook想转型成为AI Agent 工程师却被漫天飞舞的框架和概念搞得一头雾水这份开源的ai-angineers-handbookAI工程师手册就是为你准备的技能树全景图。它不讲空话而是手把手带你从零实现从最基础的Tool Use 工具调用到Planning 规划策略、Reflection 反思模式再到终极项目Deep Research 深度研究智能体。沿着这份AI工程师学习路线图你不需要任何 LLM 编排框架就能一步步搭建出真正可运行、可扩展的 AI Agent。AI 工程师是什么一张韦恩图看懂技能边界很多初学者分不清 AI Researcher、ML Engineer 和 Software Engineer 的区别。这份手册用一张清晰的韦恩图告诉你AI 工程师正是三者交叉地带的全能型角色——既要懂模型原理也要懂工程落地还要会写生产级代码。这张图正是理解整本AI工程师手册的钥匙你不需要成为某个领域的顶尖专家但需要在这三个方向上都建立扎实的基础这正是手册中每个实战项目的设计初衷。AI Agent 核心架构记忆、规划与工具一个都不能少在动手写代码之前先理解 AI Agent 的标准架构。手册用一张总览图概括了智能体的四大核心模块核心Core由 LLM 大模型 控制器组成负责思考与决策记忆Memory分短期记忆与长期记忆让 Agent 记住上下文规划Planning将复杂任务拆解为可执行的步骤工具Tools让 Agent 真正动手调用外部能力记住这张图因为它会贯穿整本手册的每一个项目——每个实战都是在为这四个模块添砖加瓦。技能树第一站Tool Use 工具调用入门没有工具AI 就只是个嘴炮选手。手册的第一个实战项目Tool Use教你完全不依赖 LangChain 等编排框架从零实现一个带货币转换工具的智能体。最快配置方法三步跑通第一个 AI Agent项目位于building_agents_from_scratch/tool_use/目录核心代码非常精简安装依赖使用uv执行uv pip install -r requirements.txt配置密钥export OPENAI_API_KEY你的密钥运行示例python3 src/main.py你会发现它内置了三个聪明的设计src/tool_registry.py实现工具注册表、src/tools.py定义货币转换工具、src/main.py中的Agent类负责决策——当用户问1500 塞尔维亚第纳尔能换多少日元时Agent 会自动判断需要调用工具并规划调用顺序而当被问你最近怎么样时它又会聪明地直接回答绝不滥用工具。这个项目的意义在于让你看懂Agent 工具调用的底层机制——它其实就是LLM 生成 JSON 计划 → 系统解析并执行工具 → 汇总结果的循环理解了这一点你就掌握了所有 Agent 框架的基石。技能树第二站Planning 与 Reflection 反思规划只会调用工具还不够优秀的 AI Agent 必须会规划、会反思。手册的第二部分building_agents_from_scratch/planning/聚焦于规划策略。一招提升 Agent 智商Reflection 反思模式子项目 Reflection 实现了业界经典的Agent 反思模式代码位于building_agents_from_scratch/planning/reflection/src/main.py中只用了约 300 行代码就实现了完整功能。它的工作流是这样的A. 生成计划LLM 根据用户提问产出初始计划B. 自我反思LLM 审视计划找出漏洞并生成修订版C. 执行工具用修订后的计划调用工具D. 再次反思根据执行结果进一步修正输出这个项目还顺带实现了一个简化版的Working Memory工作记忆用Interaction记录每次交互让 Agent 在连续对话中记得住自己说过的话。学会这一站你的 Agent 就从工具人进化成了会思考的助手。技能树终极站从零实现 Deep Research Agent如果说前两站是基础功那么Deep Research Agent深度研究智能体就是一次完整的综合实战——它把记忆、规划、工具、反思全部串了起来还要啃下 DeepSeek-R1 推理模型的使用细节。深度研究智能体是如何工作的整个系统拓扑一目了然代码位于building_agents_from_scratch/deep_research_agent/用户提交研究主题LLM 生成报告大纲限定段落数每个段落独立进入研究流水线产出素材汇总所有素材生成含结论的完整报告以 Markdown 格式交付报告到reports/目录研究步骤的迭代秘诀搜索 反思循环更精彩的是每个段落的研究子流程这正是整个项目最精华的部分LLM 根据段落主题构造搜索查询并说明推理依据调用 Tavily 执行真实网络搜索抓取 Top 相关结果Reflection Agent审视搜索结果思考漏掉了哪些细节生成补充查询再次搜索如此循环 n 次直到信息足够丰富整个流水线由src/topology.py编排src/agents.py定义各种角色 Agentsrc/state.py管理段落与研究状态。运行一条命令uv run --env-file .env src/topology.py --topic 你的研究主题等上大约 5 分钟一份结构完整的深度研究报告就出炉了AI 工程师实战路线图三步开启学习之旅学完整个技能树你需要的只是一份清晰的行动清单先跑起来克隆仓库git clone https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook把 Tool Use 示例跑通建立信心再改起来动手给 Agent 添加自己的工具比如天气查询、计算器把 Reflection 的循环次数改大改小观察输出变化最后造起来独立实现一个属于你自己的 Deep Research Agent替换数据源、调整提示词做出差异化功能每个项目都配有 Jupyter Notebooknotebooks/目录可以边看边跑交互式学习体验非常友好。结语你的 AI Agent 工程师之路才刚刚开始从 Tool Use 到 Reflection再到 Deep Research这份AI工程师手册勾勒出的技能树全景图本质上是一条从会用工具到会规划再到会研究的进化之路。手册还在持续更新——记忆Memory与评估Evaluation模块即将上线。与其在教程海洋里漂流不如现在就动手把这份AI Agent 工程师路线图上的每一站都亲自走一遍。毕竟AI 时代最稀缺的能力就是把想法变成真实可运行系统的工程能力。【免费下载链接】ai-angineers-handbook项目地址: https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AI工程师手册路线图：从 Tool Use 到 Deep Research，AI Agent 工程师技能树全景图
AI工程师手册路线图从 Tool Use 到 Deep ResearchAI Agent 工程师技能树全景图【免费下载链接】ai-angineers-handbook项目地址: https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook想转型成为AI Agent 工程师却被漫天飞舞的框架和概念搞得一头雾水这份开源的ai-angineers-handbookAI工程师手册就是为你准备的技能树全景图。它不讲空话而是手把手带你从零实现从最基础的Tool Use 工具调用到Planning 规划策略、Reflection 反思模式再到终极项目Deep Research 深度研究智能体。沿着这份AI工程师学习路线图你不需要任何 LLM 编排框架就能一步步搭建出真正可运行、可扩展的 AI Agent。AI 工程师是什么一张韦恩图看懂技能边界很多初学者分不清 AI Researcher、ML Engineer 和 Software Engineer 的区别。这份手册用一张清晰的韦恩图告诉你AI 工程师正是三者交叉地带的全能型角色——既要懂模型原理也要懂工程落地还要会写生产级代码。这张图正是理解整本AI工程师手册的钥匙你不需要成为某个领域的顶尖专家但需要在这三个方向上都建立扎实的基础这正是手册中每个实战项目的设计初衷。AI Agent 核心架构记忆、规划与工具一个都不能少在动手写代码之前先理解 AI Agent 的标准架构。手册用一张总览图概括了智能体的四大核心模块核心Core由 LLM 大模型 控制器组成负责思考与决策记忆Memory分短期记忆与长期记忆让 Agent 记住上下文规划Planning将复杂任务拆解为可执行的步骤工具Tools让 Agent 真正动手调用外部能力记住这张图因为它会贯穿整本手册的每一个项目——每个实战都是在为这四个模块添砖加瓦。技能树第一站Tool Use 工具调用入门没有工具AI 就只是个嘴炮选手。手册的第一个实战项目Tool Use教你完全不依赖 LangChain 等编排框架从零实现一个带货币转换工具的智能体。最快配置方法三步跑通第一个 AI Agent项目位于building_agents_from_scratch/tool_use/目录核心代码非常精简安装依赖使用uv执行uv pip install -r requirements.txt配置密钥export OPENAI_API_KEY你的密钥运行示例python3 src/main.py你会发现它内置了三个聪明的设计src/tool_registry.py实现工具注册表、src/tools.py定义货币转换工具、src/main.py中的Agent类负责决策——当用户问1500 塞尔维亚第纳尔能换多少日元时Agent 会自动判断需要调用工具并规划调用顺序而当被问你最近怎么样时它又会聪明地直接回答绝不滥用工具。这个项目的意义在于让你看懂Agent 工具调用的底层机制——它其实就是LLM 生成 JSON 计划 → 系统解析并执行工具 → 汇总结果的循环理解了这一点你就掌握了所有 Agent 框架的基石。技能树第二站Planning 与 Reflection 反思规划只会调用工具还不够优秀的 AI Agent 必须会规划、会反思。手册的第二部分building_agents_from_scratch/planning/聚焦于规划策略。一招提升 Agent 智商Reflection 反思模式子项目 Reflection 实现了业界经典的Agent 反思模式代码位于building_agents_from_scratch/planning/reflection/src/main.py中只用了约 300 行代码就实现了完整功能。它的工作流是这样的A. 生成计划LLM 根据用户提问产出初始计划B. 自我反思LLM 审视计划找出漏洞并生成修订版C. 执行工具用修订后的计划调用工具D. 再次反思根据执行结果进一步修正输出这个项目还顺带实现了一个简化版的Working Memory工作记忆用Interaction记录每次交互让 Agent 在连续对话中记得住自己说过的话。学会这一站你的 Agent 就从工具人进化成了会思考的助手。技能树终极站从零实现 Deep Research Agent如果说前两站是基础功那么Deep Research Agent深度研究智能体就是一次完整的综合实战——它把记忆、规划、工具、反思全部串了起来还要啃下 DeepSeek-R1 推理模型的使用细节。深度研究智能体是如何工作的整个系统拓扑一目了然代码位于building_agents_from_scratch/deep_research_agent/用户提交研究主题LLM 生成报告大纲限定段落数每个段落独立进入研究流水线产出素材汇总所有素材生成含结论的完整报告以 Markdown 格式交付报告到reports/目录研究步骤的迭代秘诀搜索 反思循环更精彩的是每个段落的研究子流程这正是整个项目最精华的部分LLM 根据段落主题构造搜索查询并说明推理依据调用 Tavily 执行真实网络搜索抓取 Top 相关结果Reflection Agent审视搜索结果思考漏掉了哪些细节生成补充查询再次搜索如此循环 n 次直到信息足够丰富整个流水线由src/topology.py编排src/agents.py定义各种角色 Agentsrc/state.py管理段落与研究状态。运行一条命令uv run --env-file .env src/topology.py --topic 你的研究主题等上大约 5 分钟一份结构完整的深度研究报告就出炉了AI 工程师实战路线图三步开启学习之旅学完整个技能树你需要的只是一份清晰的行动清单先跑起来克隆仓库git clone https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook把 Tool Use 示例跑通建立信心再改起来动手给 Agent 添加自己的工具比如天气查询、计算器把 Reflection 的循环次数改大改小观察输出变化最后造起来独立实现一个属于你自己的 Deep Research Agent替换数据源、调整提示词做出差异化功能每个项目都配有 Jupyter Notebooknotebooks/目录可以边看边跑交互式学习体验非常友好。结语你的 AI Agent 工程师之路才刚刚开始从 Tool Use 到 Reflection再到 Deep Research这份AI工程师手册勾勒出的技能树全景图本质上是一条从会用工具到会规划再到会研究的进化之路。手册还在持续更新——记忆Memory与评估Evaluation模块即将上线。与其在教程海洋里漂流不如现在就动手把这份AI Agent 工程师路线图上的每一站都亲自走一遍。毕竟AI 时代最稀缺的能力就是把想法变成真实可运行系统的工程能力。【免费下载链接】ai-angineers-handbook项目地址: https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考