![]()
Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
想本地克隆吗?
此仓库包含超过 50 种语言的翻译文件,会显著增加下载大小。要克隆但不包含翻译文件,请使用稀疏检出:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"这样可以更快地下载课程所需的所有内容。
如果您希望添加更多支持的翻译语言,请查看这里
本课程涵盖构建 AI 代理的基础知识。每个课程单元讲解一个主题,你可以从任何章节开始学习!
本课程支持多语言。前往我们的可用语言列表。
如果你是第一次使用生成式 AI 模型进行构建,请查看我们的生成式 AI 入门课程,其中包含 21 个有关使用生成式 AI 的课程单元。
如果遇到困难或有关于构建 AI 代理的问题,请加入我们的专属 Discord 频道——Microsoft Foundry Discord。
本课程的每一课均包含代码示例,存放于 code_samples 文件夹中。你可以Fork 本仓库创建自己的副本。
这些练习中的代码示例使用 Microsoft Agent Framework 和 Azure AI Foundry Agent Service V2:
本课程使用以下来自微软的 AI 代理框架和服务:
某些代码示例也支持替代的 OpenAI 兼容提供商,如MiniMax,它提供大上下文模型(最多 20.4 万个标记)。配置详情见课程设置。
关于运行本课程代码的更多信息,请访问课程设置。
如果你有建议或发现拼写或代码错误,请提交 Issue或创建 Pull Request
| 课程 | 文本 & 代码 | 视频 | 额外学习 |
|---|---|---|---|
| AI 代理介绍及应用场景 | 链接 | 视频 | 链接 |
| 探索 AI 代理框架 | 链接 | 视频 | 链接 |
| 理解 AI 代理设计模式 | 链接 | 视频 | 链接 |
| 工具使用设计模式 | 链接 | 视频 | 链接 |
| 代理式 RAG | 链接 | 视频 | 链接 |
| 构建可信赖的 AI 代理 | 链接 | 视频 | 链接 |
| 规划设计模式 | 链接 | 视频 | 链接 |
| 多代理设计模式 | 链接 | 视频 | 链接 |
| 元认知设计模式 | 链接 | 视频 | 链接 |
| 生产中的 AI 代理 | 链接 | 视频 | 链接 |
| 使用自治协议(MCP、A2A 和 NLWeb) | 链接 | 视频 | 链接 |
| AI 代理的上下文工程 | 链接 | 视频 | 链接 |
| 管理自治记忆 | 链接 | 视频 | |
| 探索微软代理框架 | 链接 | ||
| 构建计算机使用代理 (CUA) | 链接 | 链接 | |
| 部署可扩展代理 | 即将推出 | ||
| 创建本地 AI 代理 | 即将推出 | ||
| 保障 AI 代理安全 | 即将推出 |
我们的团队还制作了其他课程!请查看:
感谢 Shivam Goyal 为我们贡献了展示自治 RAG 的重要代码示例。
欢迎贡献和建议。大多数贡献需要您同意贡献者许可协议 (CLA),声明您有权且实际授予我们使用您贡献的权利。详情请访问 https://cla.opensource.microsoft.com。
当您提交拉取请求时,CLA 机器人将自动判断您是否需要提供 CLA,并相应标记该 PR(例如状态检查、评论)。只需按照机器人提供的说明操作即可。您只需在所有使用本 CLA 的仓库中执行此操作一次。
本项目已采用微软开源行为准则。 详见行为准则常见问题或联系 opencode@microsoft.com 以获取其他问题或建议。
本项目可能包含项目、产品或服务的商标或标志。微软商标或标志的授权使用须遵守并遵循 微软商标与品牌指南。 在本项目修改版本中使用微软商标或标志不得引起混淆或暗示微软赞助。 第三方商标或标志的任何使用均须遵守相应第三方的政策。
如果您遇到困难或有任何关于构建 AI 应用的问题,请加入:
如果您在构建过程中有产品反馈或遇到错误,请访问:
免责声明:
本文件已使用 AI 翻译服务 Co-op Translator 进行翻译。尽管我们致力于保证准确性,但请注意自动翻译可能包含错误或不准确之处。应将原始语言版本视为权威来源。对于关键信息,建议使用专业人工翻译。我们不对因使用本翻译而产生的任何误解或错误解释承担责任。