尧图网站建设 
DeepSeek Agent 开发实战教程原生 Function Calling 原理到 MiniManus 企业级智能体项目17 集完整学习指南一句话概览TL;DR《DeepSeek 智能体开发实战从零手搓 MiniManus》是一门以DeepSeek-V3-0324为基座、从源码级原生 API 讲透 **Function Calling函数调用**原理并最终手写一个企业级通用智能体MiniManus对标 Manus的实战课共 17 集、约 3 小时 52 分钟。全课沿导论 → 理论基础 → Function Calling 核心技术 → MiniManus 项目实战四阶段递进核心主张是无论 LangChain、LangGraph、Dify、AutoGen、OpenAI Agents SDK 还是 MCP本质都是对模型 Agent 能力的封装吃透原生 Function Calling 的请求—调用—回填循环所有框架都只是不同风格的壳。超过 80% 的时长压在核心技术与项目实战上是一门必须跟着敲出来而非听懂就行的课。课程信息UP 主九天Hector2025 年 4 月 6 日发布于哔哩哔哩共 17 集、总时长约 3 小时 52 分钟已完结课件代码见置顶评论。适用读者想用 DeepSeek / 大模型做 Agent智能体开发、面对众多框架不知从何选起的开发者、需要求职项目的学生与转行者、负责企业 AI 落地的工程师。前置要求Python 基础语法、看得懂 JSON、会调简单 HTTP APISQL 了解基础查询更佳非必需。最后更新2026 年 10 月。播放量等动态数据以课程页为准接口与代码以 DeepSeek 官方最新文档为准。本文目录课程速览四阶段定位与时长分配两个核心概念什么是 Agent、什么是 Function Calling第一阶段 · 导论第 1 集第二阶段 · Agent 开发理论基础第 2–4 集第三阶段 · DeepSeek Function Calling 核心技术第 5–10 集第四阶段 · MiniManus 项目实战第 11–17 集17 集分集速查表推荐学习路线与时间安排前置要求与适合人群FAQ 高频问答8 问资料来源与延伸阅读 配套可视化四阶段学习路线图本文配有一张可交互的四阶段学习路线图沿导论—理论—核心技术—MiniManus 项目实战展示每阶段的集数、时长、知识点与产出物。在线查看可分享DeepSeek 智能体开发实战 · MiniManus 四阶段学习路线图课程原页哔哩哔哩 · DeepSeek 智能体开发实战一、课程速览一门什么课课程全称《DeepSeek 智能体开发实战从零手搓 Mini Manus4 小时从零入门到实操企业级 Agent 项目》。它以 DeepSeek-V3-0324 模型为基座从源码级底层 API 出发先讲透 Function Calling 的实现原理再一步步搭建出一个名为MiniManus的迷你版通用智能体对标当时爆火的 Manus。阶段集数时长占总时长定位一、导论第 1 集4 分 21 秒约 2%课程导学可跳过二、理论基础第 2–4 集41 分 24 秒约 18%建立概念框架三、核心技术第 5–10 集约 1 小时 23 分约 36%全课地基重点四、项目实战第 11–17 集约 1 小时 43 分约 44%产出简历级项目时长分布直接说明了价值取向超过八成内容压在核心技术和项目实战上理论铺垫被压缩到刚好够用。这种分配对想快速上手的开发者友好但也意味着它不是一门听懂的课而是一门跟着敲出来的课。二、两个核心概念Agent 与 Function Calling2.1 什么是 Agent智能体按课程定义Agent 能力指大模型LLMLarge Language Model识别、调用外部工具并规划工具执行流程的能力。一个只会聊天的大模型只是大脑接上搜索、代码执行、数据库查询这些手脚并且能自己决定何时用哪只手、先迈哪条腿才构成一个 Agent。课程有一个形象比喻过去国产模型 Agent 能力不足开发者想搭一座能用的智能体之桥手里却只有木头和绳索必须额外搭建支撑、不断加固维护工程复杂低效如今模型原生 Agent 能力上来了相当于有了钢筋混凝土桥可以直接搭得又快又稳。一个完整 Agent 通常具备四要素感知任务 → 规划步骤Planning→ 调用工具Tool Calling→ 观察结果并继续行动Observation / 循环。2.2 什么是 Function Calling函数调用Function Calling函数调用简称 FC是大模型调用外部工具的标准机制开发者用JSON Schema向模型描述有哪些函数可用、每个函数需要什么参数名称、功能描述、参数名、参数类型、是否必填模型在对话中自行判断这个问题需要调工具返回结构化的tool_calls指令本地代码执行对应函数后把结果以tool角色消息回填进对话模型再基于工具结果生成最终自然语言回答。课程核心主张无论 LangChain、LangGraph、Dify、AutoGen、OpenAI Agents SDK 还是 MCP本质都是在增强和封装模型的 Agent 能力。只要吃透底层 Function Calling 的实现流程这些框架的技术逻辑都会一目了然——这就是全课坚持用原生 API 打底、而不是一上来就教框架的原因。三、第一阶段 · 导论第 1 集4 分 21 秒第 1 集是导学4 分钟包含三类信息。技术选型逻辑为什么用 DeepSeek-V3-0324 而非推理更强的 DeepSeek-R1因为 R1 虽强但原生不具备 Function Calling 能力而 V3-0324 的 Agent 能力被评价为比肩 GPT-4.5是目前全球 Agent 能力最强的开源模型之一。同时 V3 与 R1 架构相同可复用 R1 的部署方案也可直接调用在线 API部署路径现成、门槛被刻意压低。课程方法论先熟悉模型原生的 Agent 性能再按项目需求选框架——“好马配好鞍但得先熟悉马”这一立场贯穿全课。项目预告MiniManus 将具备联网搜索、本地文件管理、Python 代理、SQL 代理四组能力支持多工具并行调用、复杂问题拆解与自动 debug能操作浏览器获取网络信息能撰写类似 **Deep Research深度研究**的长文档调研报告能自动连接本地 Python 环境与数据库完成数据提取、清洗、机器学习建模还能一句话生成图文并茂、数据准确的数据分析报告。学习建议本集无代码、无原理赶时间可跳过但建议至少看完 MiniManus 功能预告——那是后面要交的作业清单。四、第二阶段 · Agent 开发理论基础第 2–4 集约 41 分钟这三集回答入门者脑子里应先装什么。第 2 集《大模型 Agent 智能体开发入门介绍》12:07建立最基本的认知框架。大模型不再是单纯问答机器当它具备感知任务、规划步骤、调用工具、观察结果并继续行动的能力就构成了智能体。作用是把Agent从营销热词还原成可拆解的工程对象为后续统一语言。第 3 集《大模型 Agent 开发通用范式》11:53讲开发层面的通用模式——从简单的用户问、模型答到模型调用单个工具再到模型自主规划、多步执行、循环观察的完整范式。它是第 15 集 MiniManus WorkFlow 设计的理论前传。第 4 集《主流十二种 Agent 开发工具介绍》17:24横向盘点 LangChain、LangGraph、Dify、AutoGen、MCP 等十二种主流框架与工具。课程态度冷静盘点是为开阔眼界不是要求现在全学会。先用原生 API 把底层练熟届时这些框架只是不同封装风格的壳按项目需求挑一个顺手的即可。学习建议有大模型基础者可 1.25–1.5 倍速过纯小白建议原速看第 2、3 集第 4 集当工具地图收藏遇到具体框架再回查。五、第三阶段 · DeepSeek Function Calling 核心技术第 5–10 集约 83 分钟这是全课干货密度最高、最值得投入的部分。六集构成一条精心设计的递进链接入 → 原理 → 代码 → 应用 → 并联 → 串联。第 5 集《DeepSeek-V3-0324 接入与调用指南》20:28解决怎么把模型跑起来——API Key 获取、通过OpenAI SDK 兼容方式调用DeepSeek 接口兼容 OpenAI 格式、base_url与模型名配置、在线 API 与本地部署两条路线取舍。硬件门槛几乎为零普通电脑加少量 API 额度即可跟完全程低配硬件用本地模型或在线 API 均可。第 6 集《DeepSeek Function Calling 技术详解》14:04回答模型怎么知道该调工具——tools参数结构、如何用 JSON Schema 描述函数名称、功能描述、参数名、类型、是否必填、模型返回tool_calls时的消息结构、finish_reason字段含义。这是原理层听完应能徒手画出一个 Function Calling 请求的完整数据结构。手搓 JSON Schema 是新手第一个卡点值得留意老师的写法。第 7 集《DeepSeek Function Calling 代码实现流程》15:28把原理落成代码核心是一个循环也是所有 Agent 框架的底层骨架构造messages数组并附带tools定义发起请求模型返回tool_calls本地解析指令、路由到对应函数执行把函数结果以tool角色消息回填进messages再次请求模型模型基于工具结果生成自然语言最终回复。第 6、7 集是全课最值得逐行跟敲的部分没有之一。第 8 集《NL2SQL、NL2Python 实现流程》12:04Function Calling 的两个经典落地场景。**NL2SQLNatural Language to SQL自然语言转 SQL**让模型把自然语言转成 SQL 查数据库NL2Python让模型转成 Python 代码做数据处理。这是 MiniManus 两大函数组SQL 代理、Python 代理的技术预演。第 9 集《DeepSeek 多工具并联调用流程》11:13讲并行调用parallel tool calls——模型在一次回复中同时返回多个互不依赖的tool_calls本地并行执行后一起回填适合同时查多个城市天气这类任务。第 10 集《DeepSeek 多工具串联调用流程》10:08讲链式调用chained / sequential calls——前一个工具的输出是后一个工具的输入需要多轮 Function Calling 循环依次执行适合有依赖链的任务。课程中一个比具体知识点更保值的探索方法当官方文档没明说是否支持串并联时去读模型 config 文件里的默认提示词脚本推测 FC 流程再写测试用例实测验证——“读配置猜能力、写代码验真伪”。学习建议这六集不要倍速备好编辑器边看边敲第 9、10 集至少各亲手跑通一个 demo。此处偷工减料第四阶段会加倍偿还。六、第四阶段 · MiniManus 项目实战第 11–17 集约 103 分钟七集结构是蓝图 → 零件 → 组装 → 验收。第 11 集《MiniManus 项目架构介绍》29:30全课最长总设计图。一个主控 Agent负责理解任务与调度下面挂若干工具函数组负责执行复杂问题拆解、多工具并行、自动 debug 都在这一层设计。建议看两遍第一遍建立整体印象第二遍对照后续模块逐个确认职责。第 12 集《Python 代理自动编程函数组》13:38让 Agent 自动编写并执行 Python 代码连接本地 Python 环境完成数据提取、清洗、建模报错时自动 debug。第 13 集《SQL 代理自动编程函数组》5:46全课最短自然语言转 SQL 并连接数据库执行因第 8 集已铺好路此处水到渠成。第 14 集《DeepSeek 联网函数组》9:47实现联网搜索让 Agent 能操作浏览器获取网络信息是后续调研报告的数据来源。第 15 集《MiniManus WorkFlow 设计与代码实现》15:08组装环节。把三大函数组接进统一工作流主循环负责把复杂任务拆解为子任务、分发工具、回收结果并决定下一步。第 16 集《MiniManus 核心功能主类编写》14:51把工作流封装成对外接口简洁的主类让一句话发起任务成为可能。第 17 集《MiniManus 功能实操与性能测试》14:12验收。跑真实任务如生成一份 Deep Research 风格长报告、一份图文并茂的数据分析报告检验系统稳定性。第 12–14 集顺序可按兴趣微调但建议都在第 15 集前完成第 15–17 集务必连贯看完再动手拆开看容易丢失上下文。产出价值MiniManus 功能完整多工具并行、复杂任务拆解、自动 debug讲师明确表示可写进简历也有学习者从零跟练约 3 小时 50 分钟成功复现。方法不绑定单一模型——课程面向国内企业开发者而选用 DeepSeek但 Function Calling 功底通用换成 Claude 等其他支持工具调用的模型也能直接迁移。七、17 集分集速查表集标题时长核心内容1课程导学4:21选型逻辑、方法论、MiniManus 功能预告2大模型 Agent 智能体开发入门介绍12:07Agent 定义与四要素统一概念语言3大模型 Agent 开发通用范式11:53单轮问答 → 单工具 → 多步循环范式4主流十二种 Agent 开发工具介绍17:24LangChain/LangGraph/Dify/AutoGen/MCP 等工具地图5DeepSeek-V3-0324 接入与调用指南20:28API Key、OpenAI 兼容调用、在线/本地部署6DeepSeek Function Calling 技术详解14:04tools 参数、JSON Schema、tool_calls 结构7DeepSeek Function Calling 代码实现流程15:28请求—调用—回填的 FC 核心循环重点8NL2SQL、NL2Python 实现流程12:04自然语言转 SQL / Python 两大场景9多工具并联调用流程11:13并行 tool_calls10多工具串联调用流程10:08有依赖链的多轮接力调用11MiniManus 项目架构介绍29:30主控 Agent 工具函数组总设计图12Python 代理自动编程函数组13:38自动写/执行 Python、数据处理、自动 debug13SQL 代理自动编程函数组5:46NL2SQL 连接数据库执行14DeepSeek 联网函数组9:47联网搜索、操作浏览器取数15MiniManus WorkFlow 设计与代码实现15:08任务拆解、工具分发、结果回收主循环16MiniManus 核心功能主类编写14:51封装简洁对外接口17MiniManus 功能实操与性能测试14:12跑调研报告/分析报告稳定性验收八、推荐学习路线与时间安排阶段观看建议动手量核心任务一、导论可跳过或 2 倍速无看一遍 MiniManus 功能预告二、理论1.25–1.5 倍速记笔记建立 Agent 与范式的概念框架三、核心技术原速 暂停逐行跟敲吃透 FC 循环跑通并联/串联 demo四、项目实战原速边看边跑复现 MiniManus跑一次完整任务纯观看约 4 小时但正确打开方式是边看边敲实际建议预留 810 小时拆成 34 个晚上最舒服第一晚过掉理论2–4 集和第 5 集接入第二晚死磕第 6、7 集 FC 原理与代码第三晚拿下第 8–10 集加三个工具函数组12–14 集第四晚完成 WorkFlow 组装15–16 集与测试17 集。3 小时 50 分钟手搓成功属于基础好、手感顺的个例不必当作自己的基准线。九、前置要求与适合人群前置要求不高会 Python 基础语法、看得懂 JSON、会调简单 HTTP API 即可SQL 懂基础查询最好不懂也不影响主线第 13 集不足 6 分钟。适合三类人想入门 Agent 开发、面对十几个框架无从选起的初学者这门课的答案是先都别选先懂底层需要求职项目的学生与转行者MiniManus 功能完整、具备多工具并行、任务拆解与自动 debug 能力是一个可写进简历的完整项目负责企业 AI 落地的工程师通用智能体的架构设计与工作流实现可直接作为内部项目的参考方案。十、FAQ 高频问答Q1没有高端显卡能学吗能。课程支持直接调用 DeepSeek 在线 API普通电脑即可低配硬件走在线 API 或本地小模型都行主要成本只是少量 API 额度。Q2课程完结了吗配套资料在哪已完结17 集全部放出。课件、代码、工具安装包等通过置顶评论扫码加入官方社区领取。Q3必须用 DeepSeek 吗能不能换成别的模型不必须。Function Calling 的实现机制各家模型基本通用DeepSeek 还兼容 OpenAI SDK 格式换成 Claude、通义、Kimi、GLM 等任何支持工具调用的模型改动通常只在base_url、模型名与鉴权核心循环代码不变。Q4只学 LangChain 等框架、不学底层行不行课程态度明确框架是对模型 Agent 能力的封装模型会迭代、框架会过时但模型如何决策并调用工具这套底层逻辑短期不会变。先掌握原生 Function Calling钢筋混凝土再学框架装修风格才不会被工具绑架。Q5Function Calling、MCP、LangChain 三者是什么关系Function Calling是模型原生的调工具能力与消息协议是地基**MCPModel Context Protocol模型上下文协议**是一套标准化模型/应用如何连接外部工具与数据源的协议解决工具接入的统一接口问题可理解为AI 应用的 USB-C 接口LangChain / LangGraph / Dify / AutoGen是上层开发框架负责编排、记忆、工作流、多 Agent 协作等。三者是底层能力—连接标准—编排框架的层级关系并不互斥。Q6MiniManus 项目能写进简历吗做到什么程度才算掌握可以且讲师明确支持。建议不要只跟跑一遍而要达到能不看教程独立复现 FC 核心循环、能为 MiniManus 新增一个自定义工具如发邮件、调用内部 API、能讲清并行与串联的区别与实现、能定位一次真实的工具调用报错。有自己的增量改造新工具 / 新场景 / 评测时简历含金量明显高于照抄教程。Q7零基础要多久能学完学习路径怎么安排满足 Python JSON 前置的话按本文路线预留 810 小时约 34 个晚上即可完整跟完并复现。若完全没接触过 Python建议先用 12 周补到会写函数、会用 requests 调接口、看得懂字典/列表的程度再进入本课程否则第 7 集的代码循环会比较吃力。Q8DeepSeek-V3 和 R1 怎么选为什么课程用 V3 而不是 R1选型看任务需要工具调用、结构化输出、稳定执行 Agent 流程选 V3通用对话模型原生支持 Function Calling需要复杂推理、数学与多步思考可选 R1推理模型但 R1 原生不具备 Function Calling做 Agent 通常需要额外封装。课程目标是搭智能体故以 V3-0324 为基座两者架构相同、部署方案可复用。十一、资料来源与延伸阅读课程与配套哔哩哔哩 ·《DeepSeek 智能体开发实战从零手搓 MiniManus》课程页配套可视化MiniManus 四阶段学习路线图官方文档动手时对照DeepSeek API 官方文档 DeepSeek Function Calling 指南OpenAI Function Calling 文档DeepSeek 兼容其 SDK 格式MCP 模型上下文协议官网LangChain 官方文档内容说明本文基于课程公开页面与各集内容整理课程时长、发布时间、播放量等动态数据以哔哩哔哩课程页为准文中对模型能力的评价如 V3-0324 的 Agent 表现反映课程录制时点的情况模型迭代较快实际选型请以官方最新说明与实测为准。这门课的价值排序很清晰第 1 集是广告第 2–4 集是地图第 5–10 集是地基第 11–17 集是在地基上盖出的房子。它最聪明的设计是拒绝框架依赖逼着学习者用原生 API 把 Function Calling 的每一行代码搓明白再用一个迷你 Manus 把所有零件串成能联网、能写代码、能查数据库、能自动 debug 的完整系统。4 小时视频只是门票真正的收获来自跟着敲出来的那些代码。 DeepSeek Agent 开发
DeepSeek Agent 开发实战教程原生 Function Calling 原理到 MiniManus 企业级智能体项目17 集完整学习指南一句话概览TL;DR《DeepSeek 智能体开发实战从零手搓 MiniManus》是一门以DeepSeek-V3-0324为基座、从源码级原生 API 讲透 **Function Calling函数调用**原理并最终手写一个企业级通用智能体MiniManus对标 Manus的实战课共 17 集、约 3 小时 52 分钟。全课沿导论 → 理论基础 → Function Calling 核心技术 → MiniManus 项目实战四阶段递进核心主张是无论 LangChain、LangGraph、Dify、AutoGen、OpenAI Agents SDK 还是 MCP本质都是对模型 Agent 能力的封装吃透原生 Function Calling 的请求—调用—回填循环所有框架都只是不同风格的壳。超过 80% 的时长压在核心技术与项目实战上是一门必须跟着敲出来而非听懂就行的课。课程信息UP 主九天Hector2025 年 4 月 6 日发布于哔哩哔哩共 17 集、总时长约 3 小时 52 分钟已完结课件代码见置顶评论。适用读者想用 DeepSeek / 大模型做 Agent智能体开发、面对众多框架不知从何选起的开发者、需要求职项目的学生与转行者、负责企业 AI 落地的工程师。前置要求Python 基础语法、看得懂 JSON、会调简单 HTTP APISQL 了解基础查询更佳非必需。最后更新2026 年 10 月。播放量等动态数据以课程页为准接口与代码以 DeepSeek 官方最新文档为准。本文目录课程速览四阶段定位与时长分配两个核心概念什么是 Agent、什么是 Function Calling第一阶段 · 导论第 1 集第二阶段 · Agent 开发理论基础第 2–4 集第三阶段 · DeepSeek Function Calling 核心技术第 5–10 集第四阶段 · MiniManus 项目实战第 11–17 集17 集分集速查表推荐学习路线与时间安排前置要求与适合人群FAQ 高频问答8 问资料来源与延伸阅读 配套可视化四阶段学习路线图本文配有一张可交互的四阶段学习路线图沿导论—理论—核心技术—MiniManus 项目实战展示每阶段的集数、时长、知识点与产出物。在线查看可分享DeepSeek 智能体开发实战 · MiniManus 四阶段学习路线图课程原页哔哩哔哩 · DeepSeek 智能体开发实战一、课程速览一门什么课课程全称《DeepSeek 智能体开发实战从零手搓 Mini Manus4 小时从零入门到实操企业级 Agent 项目》。它以 DeepSeek-V3-0324 模型为基座从源码级底层 API 出发先讲透 Function Calling 的实现原理再一步步搭建出一个名为MiniManus的迷你版通用智能体对标当时爆火的 Manus。阶段集数时长占总时长定位一、导论第 1 集4 分 21 秒约 2%课程导学可跳过二、理论基础第 2–4 集41 分 24 秒约 18%建立概念框架三、核心技术第 5–10 集约 1 小时 23 分约 36%全课地基重点四、项目实战第 11–17 集约 1 小时 43 分约 44%产出简历级项目时长分布直接说明了价值取向超过八成内容压在核心技术和项目实战上理论铺垫被压缩到刚好够用。这种分配对想快速上手的开发者友好但也意味着它不是一门听懂的课而是一门跟着敲出来的课。二、两个核心概念Agent 与 Function Calling2.1 什么是 Agent智能体按课程定义Agent 能力指大模型LLMLarge Language Model识别、调用外部工具并规划工具执行流程的能力。一个只会聊天的大模型只是大脑接上搜索、代码执行、数据库查询这些手脚并且能自己决定何时用哪只手、先迈哪条腿才构成一个 Agent。课程有一个形象比喻过去国产模型 Agent 能力不足开发者想搭一座能用的智能体之桥手里却只有木头和绳索必须额外搭建支撑、不断加固维护工程复杂低效如今模型原生 Agent 能力上来了相当于有了钢筋混凝土桥可以直接搭得又快又稳。一个完整 Agent 通常具备四要素感知任务 → 规划步骤Planning→ 调用工具Tool Calling→ 观察结果并继续行动Observation / 循环。2.2 什么是 Function Calling函数调用Function Calling函数调用简称 FC是大模型调用外部工具的标准机制开发者用JSON Schema向模型描述有哪些函数可用、每个函数需要什么参数名称、功能描述、参数名、参数类型、是否必填模型在对话中自行判断这个问题需要调工具返回结构化的tool_calls指令本地代码执行对应函数后把结果以tool角色消息回填进对话模型再基于工具结果生成最终自然语言回答。课程核心主张无论 LangChain、LangGraph、Dify、AutoGen、OpenAI Agents SDK 还是 MCP本质都是在增强和封装模型的 Agent 能力。只要吃透底层 Function Calling 的实现流程这些框架的技术逻辑都会一目了然——这就是全课坚持用原生 API 打底、而不是一上来就教框架的原因。三、第一阶段 · 导论第 1 集4 分 21 秒第 1 集是导学4 分钟包含三类信息。技术选型逻辑为什么用 DeepSeek-V3-0324 而非推理更强的 DeepSeek-R1因为 R1 虽强但原生不具备 Function Calling 能力而 V3-0324 的 Agent 能力被评价为比肩 GPT-4.5是目前全球 Agent 能力最强的开源模型之一。同时 V3 与 R1 架构相同可复用 R1 的部署方案也可直接调用在线 API部署路径现成、门槛被刻意压低。课程方法论先熟悉模型原生的 Agent 性能再按项目需求选框架——“好马配好鞍但得先熟悉马”这一立场贯穿全课。项目预告MiniManus 将具备联网搜索、本地文件管理、Python 代理、SQL 代理四组能力支持多工具并行调用、复杂问题拆解与自动 debug能操作浏览器获取网络信息能撰写类似 **Deep Research深度研究**的长文档调研报告能自动连接本地 Python 环境与数据库完成数据提取、清洗、机器学习建模还能一句话生成图文并茂、数据准确的数据分析报告。学习建议本集无代码、无原理赶时间可跳过但建议至少看完 MiniManus 功能预告——那是后面要交的作业清单。四、第二阶段 · Agent 开发理论基础第 2–4 集约 41 分钟这三集回答入门者脑子里应先装什么。第 2 集《大模型 Agent 智能体开发入门介绍》12:07建立最基本的认知框架。大模型不再是单纯问答机器当它具备感知任务、规划步骤、调用工具、观察结果并继续行动的能力就构成了智能体。作用是把Agent从营销热词还原成可拆解的工程对象为后续统一语言。第 3 集《大模型 Agent 开发通用范式》11:53讲开发层面的通用模式——从简单的用户问、模型答到模型调用单个工具再到模型自主规划、多步执行、循环观察的完整范式。它是第 15 集 MiniManus WorkFlow 设计的理论前传。第 4 集《主流十二种 Agent 开发工具介绍》17:24横向盘点 LangChain、LangGraph、Dify、AutoGen、MCP 等十二种主流框架与工具。课程态度冷静盘点是为开阔眼界不是要求现在全学会。先用原生 API 把底层练熟届时这些框架只是不同封装风格的壳按项目需求挑一个顺手的即可。学习建议有大模型基础者可 1.25–1.5 倍速过纯小白建议原速看第 2、3 集第 4 集当工具地图收藏遇到具体框架再回查。五、第三阶段 · DeepSeek Function Calling 核心技术第 5–10 集约 83 分钟这是全课干货密度最高、最值得投入的部分。六集构成一条精心设计的递进链接入 → 原理 → 代码 → 应用 → 并联 → 串联。第 5 集《DeepSeek-V3-0324 接入与调用指南》20:28解决怎么把模型跑起来——API Key 获取、通过OpenAI SDK 兼容方式调用DeepSeek 接口兼容 OpenAI 格式、base_url与模型名配置、在线 API 与本地部署两条路线取舍。硬件门槛几乎为零普通电脑加少量 API 额度即可跟完全程低配硬件用本地模型或在线 API 均可。第 6 集《DeepSeek Function Calling 技术详解》14:04回答模型怎么知道该调工具——tools参数结构、如何用 JSON Schema 描述函数名称、功能描述、参数名、类型、是否必填、模型返回tool_calls时的消息结构、finish_reason字段含义。这是原理层听完应能徒手画出一个 Function Calling 请求的完整数据结构。手搓 JSON Schema 是新手第一个卡点值得留意老师的写法。第 7 集《DeepSeek Function Calling 代码实现流程》15:28把原理落成代码核心是一个循环也是所有 Agent 框架的底层骨架构造messages数组并附带tools定义发起请求模型返回tool_calls本地解析指令、路由到对应函数执行把函数结果以tool角色消息回填进messages再次请求模型模型基于工具结果生成自然语言最终回复。第 6、7 集是全课最值得逐行跟敲的部分没有之一。第 8 集《NL2SQL、NL2Python 实现流程》12:04Function Calling 的两个经典落地场景。**NL2SQLNatural Language to SQL自然语言转 SQL**让模型把自然语言转成 SQL 查数据库NL2Python让模型转成 Python 代码做数据处理。这是 MiniManus 两大函数组SQL 代理、Python 代理的技术预演。第 9 集《DeepSeek 多工具并联调用流程》11:13讲并行调用parallel tool calls——模型在一次回复中同时返回多个互不依赖的tool_calls本地并行执行后一起回填适合同时查多个城市天气这类任务。第 10 集《DeepSeek 多工具串联调用流程》10:08讲链式调用chained / sequential calls——前一个工具的输出是后一个工具的输入需要多轮 Function Calling 循环依次执行适合有依赖链的任务。课程中一个比具体知识点更保值的探索方法当官方文档没明说是否支持串并联时去读模型 config 文件里的默认提示词脚本推测 FC 流程再写测试用例实测验证——“读配置猜能力、写代码验真伪”。学习建议这六集不要倍速备好编辑器边看边敲第 9、10 集至少各亲手跑通一个 demo。此处偷工减料第四阶段会加倍偿还。六、第四阶段 · MiniManus 项目实战第 11–17 集约 103 分钟七集结构是蓝图 → 零件 → 组装 → 验收。第 11 集《MiniManus 项目架构介绍》29:30全课最长总设计图。一个主控 Agent负责理解任务与调度下面挂若干工具函数组负责执行复杂问题拆解、多工具并行、自动 debug 都在这一层设计。建议看两遍第一遍建立整体印象第二遍对照后续模块逐个确认职责。第 12 集《Python 代理自动编程函数组》13:38让 Agent 自动编写并执行 Python 代码连接本地 Python 环境完成数据提取、清洗、建模报错时自动 debug。第 13 集《SQL 代理自动编程函数组》5:46全课最短自然语言转 SQL 并连接数据库执行因第 8 集已铺好路此处水到渠成。第 14 集《DeepSeek 联网函数组》9:47实现联网搜索让 Agent 能操作浏览器获取网络信息是后续调研报告的数据来源。第 15 集《MiniManus WorkFlow 设计与代码实现》15:08组装环节。把三大函数组接进统一工作流主循环负责把复杂任务拆解为子任务、分发工具、回收结果并决定下一步。第 16 集《MiniManus 核心功能主类编写》14:51把工作流封装成对外接口简洁的主类让一句话发起任务成为可能。第 17 集《MiniManus 功能实操与性能测试》14:12验收。跑真实任务如生成一份 Deep Research 风格长报告、一份图文并茂的数据分析报告检验系统稳定性。第 12–14 集顺序可按兴趣微调但建议都在第 15 集前完成第 15–17 集务必连贯看完再动手拆开看容易丢失上下文。产出价值MiniManus 功能完整多工具并行、复杂任务拆解、自动 debug讲师明确表示可写进简历也有学习者从零跟练约 3 小时 50 分钟成功复现。方法不绑定单一模型——课程面向国内企业开发者而选用 DeepSeek但 Function Calling 功底通用换成 Claude 等其他支持工具调用的模型也能直接迁移。七、17 集分集速查表集标题时长核心内容1课程导学4:21选型逻辑、方法论、MiniManus 功能预告2大模型 Agent 智能体开发入门介绍12:07Agent 定义与四要素统一概念语言3大模型 Agent 开发通用范式11:53单轮问答 → 单工具 → 多步循环范式4主流十二种 Agent 开发工具介绍17:24LangChain/LangGraph/Dify/AutoGen/MCP 等工具地图5DeepSeek-V3-0324 接入与调用指南20:28API Key、OpenAI 兼容调用、在线/本地部署6DeepSeek Function Calling 技术详解14:04tools 参数、JSON Schema、tool_calls 结构7DeepSeek Function Calling 代码实现流程15:28请求—调用—回填的 FC 核心循环重点8NL2SQL、NL2Python 实现流程12:04自然语言转 SQL / Python 两大场景9多工具并联调用流程11:13并行 tool_calls10多工具串联调用流程10:08有依赖链的多轮接力调用11MiniManus 项目架构介绍29:30主控 Agent 工具函数组总设计图12Python 代理自动编程函数组13:38自动写/执行 Python、数据处理、自动 debug13SQL 代理自动编程函数组5:46NL2SQL 连接数据库执行14DeepSeek 联网函数组9:47联网搜索、操作浏览器取数15MiniManus WorkFlow 设计与代码实现15:08任务拆解、工具分发、结果回收主循环16MiniManus 核心功能主类编写14:51封装简洁对外接口17MiniManus 功能实操与性能测试14:12跑调研报告/分析报告稳定性验收八、推荐学习路线与时间安排阶段观看建议动手量核心任务一、导论可跳过或 2 倍速无看一遍 MiniManus 功能预告二、理论1.25–1.5 倍速记笔记建立 Agent 与范式的概念框架三、核心技术原速 暂停逐行跟敲吃透 FC 循环跑通并联/串联 demo四、项目实战原速边看边跑复现 MiniManus跑一次完整任务纯观看约 4 小时但正确打开方式是边看边敲实际建议预留 810 小时拆成 34 个晚上最舒服第一晚过掉理论2–4 集和第 5 集接入第二晚死磕第 6、7 集 FC 原理与代码第三晚拿下第 8–10 集加三个工具函数组12–14 集第四晚完成 WorkFlow 组装15–16 集与测试17 集。3 小时 50 分钟手搓成功属于基础好、手感顺的个例不必当作自己的基准线。九、前置要求与适合人群前置要求不高会 Python 基础语法、看得懂 JSON、会调简单 HTTP API 即可SQL 懂基础查询最好不懂也不影响主线第 13 集不足 6 分钟。适合三类人想入门 Agent 开发、面对十几个框架无从选起的初学者这门课的答案是先都别选先懂底层需要求职项目的学生与转行者MiniManus 功能完整、具备多工具并行、任务拆解与自动 debug 能力是一个可写进简历的完整项目负责企业 AI 落地的工程师通用智能体的架构设计与工作流实现可直接作为内部项目的参考方案。十、FAQ 高频问答Q1没有高端显卡能学吗能。课程支持直接调用 DeepSeek 在线 API普通电脑即可低配硬件走在线 API 或本地小模型都行主要成本只是少量 API 额度。Q2课程完结了吗配套资料在哪已完结17 集全部放出。课件、代码、工具安装包等通过置顶评论扫码加入官方社区领取。Q3必须用 DeepSeek 吗能不能换成别的模型不必须。Function Calling 的实现机制各家模型基本通用DeepSeek 还兼容 OpenAI SDK 格式换成 Claude、通义、Kimi、GLM 等任何支持工具调用的模型改动通常只在base_url、模型名与鉴权核心循环代码不变。Q4只学 LangChain 等框架、不学底层行不行课程态度明确框架是对模型 Agent 能力的封装模型会迭代、框架会过时但模型如何决策并调用工具这套底层逻辑短期不会变。先掌握原生 Function Calling钢筋混凝土再学框架装修风格才不会被工具绑架。Q5Function Calling、MCP、LangChain 三者是什么关系Function Calling是模型原生的调工具能力与消息协议是地基**MCPModel Context Protocol模型上下文协议**是一套标准化模型/应用如何连接外部工具与数据源的协议解决工具接入的统一接口问题可理解为AI 应用的 USB-C 接口LangChain / LangGraph / Dify / AutoGen是上层开发框架负责编排、记忆、工作流、多 Agent 协作等。三者是底层能力—连接标准—编排框架的层级关系并不互斥。Q6MiniManus 项目能写进简历吗做到什么程度才算掌握可以且讲师明确支持。建议不要只跟跑一遍而要达到能不看教程独立复现 FC 核心循环、能为 MiniManus 新增一个自定义工具如发邮件、调用内部 API、能讲清并行与串联的区别与实现、能定位一次真实的工具调用报错。有自己的增量改造新工具 / 新场景 / 评测时简历含金量明显高于照抄教程。Q7零基础要多久能学完学习路径怎么安排满足 Python JSON 前置的话按本文路线预留 810 小时约 34 个晚上即可完整跟完并复现。若完全没接触过 Python建议先用 12 周补到会写函数、会用 requests 调接口、看得懂字典/列表的程度再进入本课程否则第 7 集的代码循环会比较吃力。Q8DeepSeek-V3 和 R1 怎么选为什么课程用 V3 而不是 R1选型看任务需要工具调用、结构化输出、稳定执行 Agent 流程选 V3通用对话模型原生支持 Function Calling需要复杂推理、数学与多步思考可选 R1推理模型但 R1 原生不具备 Function Calling做 Agent 通常需要额外封装。课程目标是搭智能体故以 V3-0324 为基座两者架构相同、部署方案可复用。十一、资料来源与延伸阅读课程与配套哔哩哔哩 ·《DeepSeek 智能体开发实战从零手搓 MiniManus》课程页配套可视化MiniManus 四阶段学习路线图官方文档动手时对照DeepSeek API 官方文档 DeepSeek Function Calling 指南OpenAI Function Calling 文档DeepSeek 兼容其 SDK 格式MCP 模型上下文协议官网LangChain 官方文档内容说明本文基于课程公开页面与各集内容整理课程时长、发布时间、播放量等动态数据以哔哩哔哩课程页为准文中对模型能力的评价如 V3-0324 的 Agent 表现反映课程录制时点的情况模型迭代较快实际选型请以官方最新说明与实测为准。这门课的价值排序很清晰第 1 集是广告第 2–4 集是地图第 5–10 集是地基第 11–17 集是在地基上盖出的房子。它最聪明的设计是拒绝框架依赖逼着学习者用原生 API 把 Function Calling 的每一行代码搓明白再用一个迷你 Manus 把所有零件串成能联网、能写代码、能查数据库、能自动 debug 的完整系统。4 小时视频只是门票真正的收获来自跟着敲出来的那些代码。