![]()
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 | Manipuri (Meitei Mayek) | 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
喜歡本地複製?
本存儲庫包含50多種語言翻譯,下載大小明顯增加。如需不含翻譯的複製,請使用稀疏檢出功能:
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"這樣你便可用更快速度下載到完成課程所需的一切內容。
更多語言選項,請見 Co-op Translator 支援語言。
本課程包括構建人工智能代理的基礎課程。各課程覆蓋獨立主題,歡迎從任意課程開始學習!
本課程支持多語言。請前往我們的可用語言頁面。
如果你是首次使用生成式人工智能模型構建,請看看我們的新手生成式人工智能課程,其中包括二十一課關於生成式 AI 的建構教學。
如果你遇到困難或有關構建人工智能代理的任何問題,請加入我們的專用 Discord 頻道:Microsoft Foundry Discord。
本課程每課均包含代碼示例,代碼位於 code_samples 資料夾。你可以分叉本存儲庫創建自己的複製。
本課程的代碼示例使用 Microsoft Agent Framework 和 Microsoft Foundry Agent Service V2:
本課程使用微軟的多個人工智能代理框架和服務:
部分代碼示例亦支持替代的 OpenAI 兼容提供方,如提供大上下文模型(最高204K代幣)的MiniMax。詳情見課程設置。
欲了解執行本課程代碼的更多信息,請見課程設置。
有建議或發現拼寫或代碼錯誤?提出 issue 或 創建 pull request
| 課程 | 文本與代碼 | 視頻 | 額外學習資源 |
|---|---|---|---|
| 人工智能代理介紹與代理應用案例 | 連結 | 視頻 | 連結 |
| 探索人工智能代理框架 | 連結 | 視頻 | 連結 |
| 理解人工智能代理設計模式 | 連結 | 視頻 | 連結 |
| 工具使用設計模式 | 連結 | 視頻 | 連結 |
| 代理檔案檢索生成模型(RAG) | 連結 | 視頻 | 連結 |
| 打造可信賴的人工智能代理 | 連結 | 視頻 | 連結 |
| 計劃設計模式 | 連結 | 視頻 | 連結 |
| 多代理設計模式 | 連結 | 視頻 | 連結 |
| 元認知設計模式 | 連結 | 視頻 | 連結 |
| 生產環境中的人工智能代理 | 連結 | 視頻 | 連結 |
| 使用代理通訊協議(MCP、A2A 和 NLWeb) | 連結 | 視頻 | 連結 |
| 人工智能代理上下文工程 | 連結 | 視頻 | 連結 |
| 管理代理記憶 | 連結 | 視頻 | |
| 探索微軟代理框架 | 連結 | ||
| 建構電腦使用代理(CUA) | 連結 | 連結 | |
| 部署可擴展代理 | 連結 | 連結 | |
| 創建本地人工智能代理 | 連結 | 連結 | |
| 保障人工智能代理安全 | 連結 | 連結 |
我們團隊還製作了其他課程!請查看:
感謝 Shivam Goyal 貢獻重要示範 Agentic RAG 的程式碼範例。
本專案歡迎貢獻和建議。大部分貢獻須您同意 貢獻者授權協議(CLA),聲明您有權利且確實授予我們 使用您貢獻內容的權利。詳情請見 https://cla.opensource.microsoft.com。
提交 pull request 時,CLA 機器人會自動判定您是否需要提供 CLA 並適當標示 PR(例如狀態檢查、評論)。只需照著機器人 指示操作即可。對於使用我們 CLA 的所有 repo,您只需完成此步驟一次。
本專案已採用 Microsoft 開放原始碼行為準則。 詳情請見 行為準則常見問題,或 聯絡 opencode@microsoft.com 詢問任何額外問題或意見。
本專案可能包含專案、產品或服務的商標或標誌。微軟商標或標誌的 授權使用須遵守並依照 Microsoft 商標與品牌指引。 在本專案修改版本中使用微軟商標或標誌不得造成混淆或暗示微軟贊助。 任何使用第三方商標或標誌均須遵守該第三方的政策。
如果卡住,或對開發 AI 應用有任何疑問,請加入:
如果對產品有回饋或開發中發生錯誤,請造訪:
免責聲明: 本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確,但請注意,自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊,建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。