Day 21第一阶段复盘与查漏补缺 —— 为 Agent 之旅蓄力欢迎来到第 21 天恭喜你完成了第一阶段基础期的全部学习内容。今天我们安排为复盘与查漏补缺日目的是巩固前 20 天的知识整理代码与笔记并提前了解第二阶段的重点为接下来的 ReAct 与 Agent 框架学习做好充分准备。这一天不会引入大量新知识但会通过系统性的回顾和实践让你对 LLM 应用开发的基本功更加扎实。一、今日学习目标系统回顾第一阶段的核心知识点形成知识框架。整理自己的代码库和笔记建立可复用的工具函数。通过完成一个综合小练习可选检验学习成果。了解第二阶段Agent 核心范式的学习路线和重点。调整心态以最佳状态进入下一阶段。二、详细复盘与整理任务步骤 1回顾核心知识点清单请逐一检查以下知识点是否掌握如有模糊之处可查阅之前的笔记或代码快速复习模块知识点掌握程度自评API 基础调用大模型 APIOpenAI SDK 兼容格式⬜ 熟练 ⬜ 一般 ⬜ 生疏Token理解 Token 概念会使用 tiktoken 计算数量⬜ 熟练 ⬜ 一般 ⬜ 生疏Transformer 直觉理解自注意力机制、上下文窗口、温度⬜ 熟练 ⬜ 一般 ⬜ 生疏Prompt 基础Zero-shot、Few-shot、CoT、防幻觉⬜ 熟练 ⬜ 一般 ⬜ 生疏结构化输出要求模型输出 JSON解析与重试⬜ 熟练 ⬜ 一般 ⬜ 生疏角色扮演通过 System Prompt 设定角色与风格⬜ 熟练 ⬜ 一般 ⬜ 生疏流式输出使用 streamTrue 实现打字机效果⬜ 熟练 ⬜ 一般 ⬜ 生疏LangChain 基础ChatOpenAI、PromptTemplate、LCEL、输出解析器⬜ 熟练 ⬜ 一般 ⬜ 生疏Embedding调用 Embedding API计算余弦相似度⬜ 熟练 ⬜ 一般 ⬜ 生疏RAG 初探使用 Chroma 构建向量存储和检索⬜ 熟练 ⬜ 一般 ⬜ 生疏Function Calling工具定义、tool_calls 解析、执行与反馈⬜ 熟练 ⬜ 一般 ⬜ 生疏ReAct 手动模拟理解 Thought/Action/Observation 循环⬜ 熟练 ⬜ 一般 ⬜ 生疏根据自评找出薄弱环节今天针对性地做一些小练习。步骤 2整理代码库将你在过去 20 天编写的所有代码文件整理到一个统一的目录结构中。建议按主题分类例如my-ai-journey/ ├── week1_basics/ │ ├── hello_llm.py │ ├── token_demo.py │ ├── self_attention_demo.py │ ├── temperature_experiment.py │ ├── few_shot_demo.py │ ├── cot_demo.py │ ├── json_output_demo.py │ └── translator.py ├── week2_advanced/ │ ├── hallucination_demo.py │ ├── roleplay_demo.py │ ├── long_text_summarizer.py │ ├── function_calling_demo.py │ ├── streaming_demo.py │ ├── system_prompt_design.py │ └── resume_optimizer.py ├── week3_langchain_rag/ │ ├── langchain_basics.py │ ├── output_parser_advanced.py │ ├── embedding_demo.py │ ├── simple_rag.py │ ├── manual_react.py │ └── daily_report_generator.py ├── docs/ # 你使用的本地文档用于 RAG ├── .env ├── .gitignore └── README.md将代码提交到 Git 仓库并编写一个简单的 README 说明每个文件的功能和运行方法。这不仅能帮你梳理知识也能为未来的面试或项目展示积累素材。步骤 3抽取可复用工具函数从你之前的代码中提炼出一些常用的函数放到一个utils.py文件中方便后续项目调用。例如get_llm()初始化 LangChain 的 ChatOpenAIDeepSeekextract_json(text)从模型输出中提取 JSONcall_with_retry(prompt, parser, max_retries2)带重试的调用函数get_embedding(text)调用 Embedding APIcosine_similarity(vec1, vec2)余弦相似度这样在第二阶段开发 Agent 时就可以直接导入使用避免重复造轮子。步骤 4完成一个综合小练习可选为了检验你的综合能力可以尝试完成以下练习二选一练习 A改进日报生成器在 Day 20 的基础上为日报生成器添加以下功能使用命令行参数接收日期和输出目录。支持从文件中读取工作记录例如input.txt。生成日报后自动发送到指定邮箱需要了解 SMTP可暂缓。练习 B构建一个 FAQ 机器人使用 RAG 技术构建一个关于你所在城市或学校的 FAQ 机器人。准备 5 个常见问题的答案文档存入 Chroma然后实现问答接口命令行即可。要求当用户提问时机器人能检索到最相关的文档片段并基于此回答如果无法找到答案则回答“我不知道”。步骤 5第二阶段前瞻第二阶段第 22-42 天的主题是Agent 核心范式。我们将深入探索ReAct 的正式实现使用 LangChain 的create_react_agent和AgentExecutor理解 Agent 的完整工作流程。工具设计与集成如何编写高质量的工具描述让模型准确调用如何处理工具调用中的错误。Agent 的调试与优化利用 LangSmith 或日志追踪 Agent 的推理过程解决“死循环”、“乱调工具”等问题。高级 RAG优化文档切分、检索策略处理多跳推理。短期记忆管理如何在多轮对话中保持上下文并防止 Token 溢出。为了顺利进入第二阶段建议你提前熟悉以下概念简单了解即可LangChain 的 Agent 模块有哪些类型如Tool、create_react_agent、AgentExecutor。什么是agent_scratchpad中间步骤存储。工具调用的错误处理机制。你无需现在精通但有个印象会帮助你在第 22 天快速上手。三、常见问题与调试Q1我觉得自己很多知识点还没掌握扎实怎么办→ 完全正常第一阶段信息量很大不可能全部一次掌握。建议你重点复习 API 调用、结构化输出和 LangChain 基础这些是后续 Agent 开发最常用的技能。其他内容可以在实践中不断巩固。Q2我的代码很乱需要重写吗→ 不需要全部重写整理归档即可。重要的是理解每个文件的核心逻辑并能快速找到可复用的部分。后续开发中你会逐渐形成自己的代码风格。Q3如何判断自己是否准备好进入第二阶段→ 如果你能独立完成以下任务说明基础已经足够调用大模型 API 并解析 JSON。使用 LangChain 构建一个简单的 RAG 问答。手动模拟一个 ReAct 循环至少两个工具。如果还有困难可以再花一天时间针对性练习不要急于求成。Q4第二阶段会更难吗→ 第二阶段会引入更多抽象概念如 Agent 执行器、工具绑定等但如果你已经理解了 Function Calling 和 ReAct 原理上手会很快。保持耐心多动手调试。四、今日总结与作业今天你完成了✅ 系统回顾了第一阶段的核心知识点并进行了自我评估。✅ 整理了代码库提炼了可复用工具函数。✅ 可选完成了一个综合小练习检验了学习成果。✅ 对第二阶段的学习内容有了初步了解做好了心理准备。今日作业必做完成代码整理和 Git 提交。针对自评中“生疏”的知识点找到对应的代码文件重新运行并添加注释。写一篇简短的阶段总结可以放在 README 或自己的笔记中包括你学到了什么、遇到的最大挑战、下阶段的期望。休息一下放松心情准备迎接第二阶段的挑战明日预告我们将正式进入第二阶段学习 LangChain 的 Agent 核心模块使用create_react_agent创建你的第一个真正的 Agent。请确保你的环境已安装langchain、langchain-openai、langchain-community并且 DeepSeek API Key 可用。我们明天见有任何问题欢迎随时提问 【三个月 AI Agent 实战学习】Day 21：第一阶段复盘与查漏补缺 —— 为 Agent 之旅蓄力
Day 21第一阶段复盘与查漏补缺 —— 为 Agent 之旅蓄力欢迎来到第 21 天恭喜你完成了第一阶段基础期的全部学习内容。今天我们安排为复盘与查漏补缺日目的是巩固前 20 天的知识整理代码与笔记并提前了解第二阶段的重点为接下来的 ReAct 与 Agent 框架学习做好充分准备。这一天不会引入大量新知识但会通过系统性的回顾和实践让你对 LLM 应用开发的基本功更加扎实。一、今日学习目标系统回顾第一阶段的核心知识点形成知识框架。整理自己的代码库和笔记建立可复用的工具函数。通过完成一个综合小练习可选检验学习成果。了解第二阶段Agent 核心范式的学习路线和重点。调整心态以最佳状态进入下一阶段。二、详细复盘与整理任务步骤 1回顾核心知识点清单请逐一检查以下知识点是否掌握如有模糊之处可查阅之前的笔记或代码快速复习模块知识点掌握程度自评API 基础调用大模型 APIOpenAI SDK 兼容格式⬜ 熟练 ⬜ 一般 ⬜ 生疏Token理解 Token 概念会使用 tiktoken 计算数量⬜ 熟练 ⬜ 一般 ⬜ 生疏Transformer 直觉理解自注意力机制、上下文窗口、温度⬜ 熟练 ⬜ 一般 ⬜ 生疏Prompt 基础Zero-shot、Few-shot、CoT、防幻觉⬜ 熟练 ⬜ 一般 ⬜ 生疏结构化输出要求模型输出 JSON解析与重试⬜ 熟练 ⬜ 一般 ⬜ 生疏角色扮演通过 System Prompt 设定角色与风格⬜ 熟练 ⬜ 一般 ⬜ 生疏流式输出使用 streamTrue 实现打字机效果⬜ 熟练 ⬜ 一般 ⬜ 生疏LangChain 基础ChatOpenAI、PromptTemplate、LCEL、输出解析器⬜ 熟练 ⬜ 一般 ⬜ 生疏Embedding调用 Embedding API计算余弦相似度⬜ 熟练 ⬜ 一般 ⬜ 生疏RAG 初探使用 Chroma 构建向量存储和检索⬜ 熟练 ⬜ 一般 ⬜ 生疏Function Calling工具定义、tool_calls 解析、执行与反馈⬜ 熟练 ⬜ 一般 ⬜ 生疏ReAct 手动模拟理解 Thought/Action/Observation 循环⬜ 熟练 ⬜ 一般 ⬜ 生疏根据自评找出薄弱环节今天针对性地做一些小练习。步骤 2整理代码库将你在过去 20 天编写的所有代码文件整理到一个统一的目录结构中。建议按主题分类例如my-ai-journey/ ├── week1_basics/ │ ├── hello_llm.py │ ├── token_demo.py │ ├── self_attention_demo.py │ ├── temperature_experiment.py │ ├── few_shot_demo.py │ ├── cot_demo.py │ ├── json_output_demo.py │ └── translator.py ├── week2_advanced/ │ ├── hallucination_demo.py │ ├── roleplay_demo.py │ ├── long_text_summarizer.py │ ├── function_calling_demo.py │ ├── streaming_demo.py │ ├── system_prompt_design.py │ └── resume_optimizer.py ├── week3_langchain_rag/ │ ├── langchain_basics.py │ ├── output_parser_advanced.py │ ├── embedding_demo.py │ ├── simple_rag.py │ ├── manual_react.py │ └── daily_report_generator.py ├── docs/ # 你使用的本地文档用于 RAG ├── .env ├── .gitignore └── README.md将代码提交到 Git 仓库并编写一个简单的 README 说明每个文件的功能和运行方法。这不仅能帮你梳理知识也能为未来的面试或项目展示积累素材。步骤 3抽取可复用工具函数从你之前的代码中提炼出一些常用的函数放到一个utils.py文件中方便后续项目调用。例如get_llm()初始化 LangChain 的 ChatOpenAIDeepSeekextract_json(text)从模型输出中提取 JSONcall_with_retry(prompt, parser, max_retries2)带重试的调用函数get_embedding(text)调用 Embedding APIcosine_similarity(vec1, vec2)余弦相似度这样在第二阶段开发 Agent 时就可以直接导入使用避免重复造轮子。步骤 4完成一个综合小练习可选为了检验你的综合能力可以尝试完成以下练习二选一练习 A改进日报生成器在 Day 20 的基础上为日报生成器添加以下功能使用命令行参数接收日期和输出目录。支持从文件中读取工作记录例如input.txt。生成日报后自动发送到指定邮箱需要了解 SMTP可暂缓。练习 B构建一个 FAQ 机器人使用 RAG 技术构建一个关于你所在城市或学校的 FAQ 机器人。准备 5 个常见问题的答案文档存入 Chroma然后实现问答接口命令行即可。要求当用户提问时机器人能检索到最相关的文档片段并基于此回答如果无法找到答案则回答“我不知道”。步骤 5第二阶段前瞻第二阶段第 22-42 天的主题是Agent 核心范式。我们将深入探索ReAct 的正式实现使用 LangChain 的create_react_agent和AgentExecutor理解 Agent 的完整工作流程。工具设计与集成如何编写高质量的工具描述让模型准确调用如何处理工具调用中的错误。Agent 的调试与优化利用 LangSmith 或日志追踪 Agent 的推理过程解决“死循环”、“乱调工具”等问题。高级 RAG优化文档切分、检索策略处理多跳推理。短期记忆管理如何在多轮对话中保持上下文并防止 Token 溢出。为了顺利进入第二阶段建议你提前熟悉以下概念简单了解即可LangChain 的 Agent 模块有哪些类型如Tool、create_react_agent、AgentExecutor。什么是agent_scratchpad中间步骤存储。工具调用的错误处理机制。你无需现在精通但有个印象会帮助你在第 22 天快速上手。三、常见问题与调试Q1我觉得自己很多知识点还没掌握扎实怎么办→ 完全正常第一阶段信息量很大不可能全部一次掌握。建议你重点复习 API 调用、结构化输出和 LangChain 基础这些是后续 Agent 开发最常用的技能。其他内容可以在实践中不断巩固。Q2我的代码很乱需要重写吗→ 不需要全部重写整理归档即可。重要的是理解每个文件的核心逻辑并能快速找到可复用的部分。后续开发中你会逐渐形成自己的代码风格。Q3如何判断自己是否准备好进入第二阶段→ 如果你能独立完成以下任务说明基础已经足够调用大模型 API 并解析 JSON。使用 LangChain 构建一个简单的 RAG 问答。手动模拟一个 ReAct 循环至少两个工具。如果还有困难可以再花一天时间针对性练习不要急于求成。Q4第二阶段会更难吗→ 第二阶段会引入更多抽象概念如 Agent 执行器、工具绑定等但如果你已经理解了 Function Calling 和 ReAct 原理上手会很快。保持耐心多动手调试。四、今日总结与作业今天你完成了✅ 系统回顾了第一阶段的核心知识点并进行了自我评估。✅ 整理了代码库提炼了可复用工具函数。✅ 可选完成了一个综合小练习检验了学习成果。✅ 对第二阶段的学习内容有了初步了解做好了心理准备。今日作业必做完成代码整理和 Git 提交。针对自评中“生疏”的知识点找到对应的代码文件重新运行并添加注释。写一篇简短的阶段总结可以放在 README 或自己的笔记中包括你学到了什么、遇到的最大挑战、下阶段的期望。休息一下放松心情准备迎接第二阶段的挑战明日预告我们将正式进入第二阶段学习 LangChain 的 Agent 核心模块使用create_react_agent创建你的第一个真正的 Agent。请确保你的环境已安装langchain、langchain-openai、langchain-community并且 DeepSeek API Key 可用。我们明天见有任何问题欢迎随时提问