本项目是一个全面介绍智能体技术的学习资源库，涵盖了从基础概念到高级应用的多个方面。项目分为六个任务，每个任务专注于智能体技术的不同领域，帮助学习者系统地掌握智能体开发的核心技能。
智能体方向/
├── README.md # 项目总体说明
├── .env # 环境变量配置
├── task1/ # 任务1：了解智能体工作流基础概念
├── task2/ # 任务2：调用API实现有上下文记忆的对话程序
├── task3/ # 任务3：智能体工作流
├── task4/ # 任务4：多智能体系统
├── task5/ # 任务5：带有RAG知识库的Agent
└── task6/ # 任务6：模型微调
目标：理解智能体的基本概念、工作流原理和多智能体系统的理论基础。
内容：
- 智能体的定义和特征
- 工作流的基本组成和架构
- 多智能体系统的特点和通信机制
- 智能体应用场景和发展趋势
文件：
README.md：详细的理论介绍和学习指南Comsen-智能体方向_v4_R2.pdf：项目参考文档requirements.txt：依赖包列表
目标：实现一个能够记住对话历史的智能对话系统。
内容：
- API调用和错误处理
- 对话历史管理
- 上下文记忆机制
- 用户交互设计
文件：
chatbot_with_llamaindex.py：基于LlamaIndex的对话程序实现
目标：实现一个完整的智能体工作流，结合DuckDuckGo搜索工具回答实时信息问题。
内容：
- 问题分析和关键词提取
- 信息搜索和结果处理
- 答案生成和结果展示
- 工作流管理和优化
文件：
agent_workflow.py：智能体工作流实现README.md：详细的使用说明和代码解析
目标：实现一个多智能体系统，展示多个智能体如何协作完成复杂任务。
内容：
- 多智能体系统架构
- 智能体通信机制
- 协作模式和策略
- 任务分配和结果整合
文件：
MultiAgent/：多智能体系统实现main.py：主控制程序agents/：各种智能体实现documents/：文档存储chroma_db/：向量数据库
MultiAgent.rar：多智能体系统压缩包README.md：详细的使用说明和系统架构介绍
目标：实现一个带有RAG（检索增强生成）知识库的智能体，能够结合外部知识库提供更准确的回答。
内容：
- 文档处理和向量化
- 知识库构建和管理
- 相似度检索和结果排序
- 增强生成和回答优化
文件：
rag_llamaindex/：RAG系统实现deepseek_qwen_rag_fixed.py：RAG智能体requirements.txt：依赖包列表
vectorize_markdown_file.py：文档向量化工具storage/：向量存储多元分析学_markdown.md：示例文档多元分析学_markdown_embedding.json：文档向量化结果RAG-LlamaIndex-参考/：RAG参考资料README.md：详细的使用说明和技术解析
目标：提供大型语言模型的微调相关工具和资源，帮助用户下载和准备用于微调的模型。
内容：
- 模型下载和准备
- 微调流程和配置
- 数据准备和处理
- 模型评估和优化
文件：
fine_tuning/：模型微调工具download_model.py：通用模型下载工具download_qwen3_14b.py：Qwen3模型下载工具download_with_hf_cli.py：Hugging Face CLI下载工具generate_qwen3_download_commands.py：Qwen3下载命令生成器README.md：详细的使用说明和微调指南
README.md：任务概述和学习指南
根据各个任务的要求，安装相应的依赖包：
# 任务1-3的基础依赖
pip install -r task1/requirements.txt
# 任务4的依赖
pip install -r task4/MultiAgent/requirements.txt
# 任务5的依赖
pip install -r task5/rag_llamaindex/requirements.txt
# 任务6的依赖
pip install transformers torch huggingface_hub accelerate bitsandbytes在项目根目录下创建或编辑.env文件，添加以下内容：
DEEPSEEK_API_KEY=your_api_key_here
某些模型需要Hugging Face的访问令牌才能下载。请按照以下步骤配置：
- 访问 Hugging Face 网站
- 注册或登录您的账户
- 前往设置页面，创建新的访问令牌
- 在终端中运行以下命令登录：
huggingface-cli login然后输入您的访问令牌。
- 任务1：首先了解智能体的基本概念和工作流原理，建立理论基础。
- 任务2：学习如何调用API实现简单的对话程序，掌握基本的交互技能。
- 任务3：深入理解智能体工作流的实现，学习如何结合外部工具增强智能体能力。
- 任务5：探索RAG技术，学习如何构建知识库并利用外部知识提高回答质量。
- 任务4：学习多智能体系统的设计和实现，掌握智能体协作技术。
- 任务6：了解模型微调技术，学习如何优化模型以适应特定任务。
- 综合实践：结合多个任务的技术，构建更复杂的智能体应用。
- 系统性：从基础概念到高级应用，全面覆盖智能体技术的各个方面。
- 实践性：每个任务都包含实际代码和详细的使用说明，便于动手实践。
- 渐进性：任务难度逐步提高，适合不同水平的学习者。
- 完整性：涵盖了智能体开发的主要技术方向，为深入研究和应用提供坚实基础。
- 增加更多智能体类型：如视觉智能体、多模态智能体等。
- 优化系统性能：提高响应速度、降低资源消耗。
- 增强安全性：添加内容过滤、隐私保护等安全机制。
- 支持分布式部署：将系统部署到云平台，支持大规模应用。
- 开发用户界面：创建友好的Web或移动应用界面。
欢迎对本项目提出改进建议和贡献代码。请遵循以下步骤：
- Fork本项目
- 创建您的特性分支 (
git checkout -b feature/AmazingFeature) - 提交您的更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 创建Pull Request
本项目采用MIT许可证。详情请参阅LICENSE文件。
如有问题或建议，请通过以下方式联系：
通过本项目的学习，您将掌握智能体技术的核心概念和实践技能，为构建更智能、更强大的AI应用打下坚实基础。祝您学习愉快！