本专辑共21篇文章，分为四个阶段：基础入门、核心架构、高阶特性、生态与实战。
- 核心理论:
- AgentScope 1.0+ 框架简介：Agent-Oriented Programming (AOP) 理念与异步架构。
- 现代化环境搭建：Python 3.10+、
uv包管理器、DeepSeek API 集成。 - 异步编程模式：
async/await语法在 AI 应用中的实践。 - 流式输出技术：实时显示模型回复的核心原理与实现。
- 消息格式标准：OpenAI 兼容的消息结构与多轮对话管理。
- 实战案例:
智能对话 Agent 系统- 命令行版本：支持多轮对话、上下文记忆、流式输出的交互式 Agent。
- Web 界面版本：基于 Streamlit 的现代化对话系统，包含：
- 多会话并行管理（创建、切换、删除、重命名）
- 可视化模型配置面板（Temperature、系统提示词等）
- 实时流式输出显示与用户体验优化
- Token 使用统计与性能监控
- 完善的错误处理与用户反馈机制
- 核心组件架构：SessionManager（会话管理）、ModelController（模型控制）、MessageHandler（消息处理）
- 技术亮点：异步模型调用、流式输出增量计算、会话状态持久化、模块化设计
- 核心理论:
- 系统提示词 (System Prompt) 的作用与设计原则（明确性、具体性、一致性、简洁性）。
- Agent 角色定义：如何通过提示词塑造 Agent 的专业性和个性。
- Temperature 参数：控制输出随机性和创造性的关键参数。
- 提示词模板：动态内容插入与上下文管理（PromptTemplate 类）。
- 角色一致性：确保 Agent 在对话中保持角色特征。
- 实战案例:
多角色 Agent 系统- 命令行版本：
- 创建 6 种不同角色的 Agent：技术顾问、心理咨询师、学习导师、创意作家、商业顾问、健康顾问。
- 演示模式：展示不同 Agent 对同一问题的差异化回答。
- 交互模式：选择一个 Agent 进行多轮对话。
- 高级示例：提示词模板系统，支持动态变量插入和上下文更新。
- Web 界面版本（Streamlit）：
- 对话模式：单个 Agent 的多轮对话，支持流式输出。
- 对比模式：同时选择多个 Agent（最多3个），对比同一问题的不同回答。
- 角色切换：无缝切换不同 Agent，每个角色维护独立的对话历史。
- 可视化配置：查看系统提示词、调整模型参数、查看对话统计。
- 核心组件架构：AgentManager（角色管理）、ModelController（模型控制）、MessageHandler（消息处理）。
- 技术亮点：独立对话历史、角色配置系统、提示词模板、对比分析功能。
- 命令行版本：
- 核心理论:
Msg对象详解：消息的完整结构 (name, content, role, url, metadata 等)。- 消息传递模式：Agent 之间如何通信。
- 消息序列化与反序列化：消息的持久化存储。
- 消息过滤与处理：如何筛选和处理特定类型的消息。
- 实战案例:
Message Pipeline- 实现消息的创建、传递、过滤和存储。
- 构建消息日志系统，记录完整的对话历史。
- 实现消息的导出和导入功能（JSON、Markdown 格式）。
- 核心理论:
AgentBase基类详解：核心属性和方法。reply()方法：Agent 的核心逻辑实现。- Agent 生命周期：初始化、执行、清理。
- 自定义 Agent 的设计模式。
- 实战案例:
Custom Agent Library- 继承 AgentBase 实现多种自定义 Agent：
- TranslatorAgent：翻译助手
- SummarizerAgent：文本摘要助手
- CodeReviewerAgent：代码审查助手
- 实现 Agent 的状态管理和错误处理。
- 继承 AgentBase 实现多种自定义 Agent：
- 核心理论:
TemporaryMemory：短期记忆实现。- 记忆的存储、检索和更新机制。
- 记忆容量管理：Token 限制与历史截断策略。
- 记忆总结：使用 LLM 压缩对话历史。
- 实战案例:
Smart Memory Manager- 实现智能记忆管理系统，自动总结和压缩历史。
- 构建长期记忆 Agent，能够记住用户偏好和重要信息。
- 实现记忆检索功能，根据相关性查找历史信息。
- 核心理论:
ServiceToolkit工具集成框架。- 工具定义：使用装饰器注册工具函数。
- 工具调用流程：从意图识别到执行。
- 工具结果的解析与处理。
- 实战案例:
Tool-Enabled Agent- 集成多种实用工具：
- 天气查询工具
- 计算器工具
- 文件操作工具
- 网络搜索工具
- 实现 Agent 自动选择和调用合适的工具。
- 集成多种实用工具：
- 核心理论:
- ReAct (Reasoning + Acting) 范式详解。
- 思维链 (Chain of Thought) 的实现。
- 观察-思考-行动循环。
- ReAct 提示词设计技巧。
- 实战案例:
ReAct Problem Solver- 构建能够分步推理的 Agent。
- 实现数学问题求解器（展示推理过程）。
- 实现任务规划 Agent（分解复杂任务）。
- 核心理论:
MsgHub消息中心：广播与订阅模式。- 多 Agent 通信协议。
- 消息路由与分发策略。
- 对话顺序控制：顺序发言、随机发言、条件发言。
- 实战案例:
Multi-Agent Discussion- 实现多 Agent 讨论系统：
- 正方 Agent、反方 Agent、裁判 Agent
- 主持人 Agent 控制发言顺序
- 构建专家小组咨询系统（多个专家 Agent 提供建议）。
- 实现多 Agent 讨论系统：
- 核心理论:
SequentialPipeline：顺序执行流程。IfElsePipeline：条件分支流程。ForLoopPipeline：循环执行流程。WhileLoopPipeline：条件循环流程。- 复杂流程的组合与嵌套。
- 实战案例:
Workflow Automation- 实现客户服务自动化流程：
- 意图识别 → 分流 → 问题解决 → 满意度调查
- 构建内容生成流程：
- 主题选择 → 大纲生成 → 内容撰写 → 审核修改
- 实现客户服务自动化流程：
- 核心理论:
DialogAgent对话 Agent 实现。- 角色设定与人格塑造。
- 对话状态管理。
- 多轮对话的上下文维护。
- 实战案例:
RPG Dialogue System- 构建角色扮演游戏的对话系统。
- 实现多个 NPC 角色，每个具有独特的性格和背景。
- 实现动态剧情推进机制。
- 核心理论:
UserAgent人类代理实现。- Human-in-the-Loop 模式。
- 用户输入的获取与验证。
- 人机协作的最佳实践。
- 实战案例:
Interactive Decision System- 实现需要人工确认的决策系统。
- 构建敏感操作审批流程（Agent 提议 → 人工审核 → 执行）。
- 实现人机协作的任务分配系统。
- 核心理论:
- JSON 模式输出。
- 输出格式约束与验证。
ModelResponse解析器。- 自动重试与错误修正。
- 实战案例:
Structured Data Extractor- 从非结构化文本中提取结构化信息。
- 实现表单填写 Agent（自动提取并填充表单字段）。
- 构建数据验证和清洗系统。
- 核心理论:
- RAG (Retrieval-Augmented Generation) 原理。
- 文档加载与预处理。
- 文本分块策略 (Chunking)。
- 向量化与相似度检索。
- 检索结果的重排序 (Reranking)。
- 实战案例:
Knowledge Base QA System- 构建基于本地文档的问答系统。
- 实现 AgentScope 文档助手。
- 集成向量数据库（如 Chroma、FAISS）。
- 核心理论:
- 多模态模型支持 (GPT-4V, Qwen-VL)。
- 图像理解与描述。
- 语音识别 (ASR) 与合成 (TTS)。
- 多模态消息的处理。
- 实战案例:
Multimodal Assistant- 实现图像分析 Agent（描述图片内容、回答图片相关问题）。
- 构建语音对话 Agent（语音输入 → 文本处理 → 语音输出）。
- 实现图文混合的内容生成。
- 核心理论:
- 日志系统：记录 Agent 的执行过程。
- 性能监控：Token 使用、响应时间、成本统计。
- 错误追踪与调试技巧。
- AgentScope Studio 可视化工具。
- 实战案例:
Agent Monitoring Dashboard- 实现 Agent 执行监控面板。
- 构建成本分析系统（统计 API 调用和 Token 消耗）。
- 实现错误告警和自动恢复机制。
- 核心理论:
RpcAgent远程过程调用。- Agent 的服务化部署。
- 跨进程/跨机器通信。
- 负载均衡与容错机制。
- 实战案例:
Distributed Agent System- 将 Agent 部署为独立服务。
- 实现 Agent 集群（多个 Agent 实例协同工作）。
- 构建微服务架构的 Agent 系统。
- 核心理论:
- SQL 数据库集成 (SQLite, PostgreSQL)。
- NoSQL 数据库集成 (MongoDB, Redis)。
- 对话历史的持久化存储。
- 用户数据管理与隐私保护。
- 实战案例:
Persistent Agent System- 实现带数据库的 Todo 管理 Agent。
- 构建用户画像系统（存储和分析用户行为）。
- 实现对话历史的检索和分析功能。
- 核心理论:
- RESTful API 调用。
- 第三方服务集成（天气、地图、支付等）。
- API 认证与安全。
- 异步 API 调用与并发控制。
- 实战案例:
API-Integrated Agent- 集成真实的天气 API、新闻 API。
- 实现旅行规划 Agent（调用地图、酒店、航班 API）。
- 构建智能客服 Agent（集成工单系统 API）。
- 核心理论:
- Agent 性能评估指标。
- 自动化测试集构建。
- A/B 测试与对比实验。
- 提示词优化策略。
- 模型选择与参数调优。
- 实战案例:
Agent Evaluation Framework- 构建 Agent 评估系统（准确率、响应时间、用户满意度）。
- 实现自动化测试流程。
- 对比不同模型和提示词的效果。
- 核心理论:
- 复杂状态管理。
- 私有信息与公开信息的处理。
- 多轮次博弈逻辑。
- Agent 的策略与推理。
- 实战案例:
Werewolf Game AI- 实现简化版狼人杀游戏（3-6人局）。
- 不同角色的 Agent 实现（狼人、村民、预言家、女巫）。
- 游戏流程控制和胜负判定。
- 核心理论:
- 全栈 Agent 系统设计。
- 复杂工具链整合。
- 多 Agent 协作模式。
- 生产环境部署。
- 实战案例:
Research Report Generator- 输入关键词，自动生成研究报告：
- 搜索 Agent：联网搜索相关资料
- 阅读 Agent：提取网页关键信息
- 分析 Agent：整合和分析信息
- 写作 Agent：生成结构化报告
- 实现完整的 Web 应用（前端 + 后端 + Agent）。
- 部署到生产环境（Docker + 云服务）。
- 输入关键词，自动生成研究报告：