尧图网站建设 
Hugging Face Agents Course 快速上手教程5 分钟装好环境跑通你的第一个 AI 智能体【免费下载链接】agents-courseThis repository contains the Hugging Face Agents Course.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-course本文带你用 5 分钟装好 Hugging Face Agents Course跑通第一个能调用工具的 AI 智能体并给出框架选型、本地模型和排错的完整路线。先搞清楚这门课最终让你做出什么别急着敲命令先确认产出物。课程共 4 个单元单元 1 不依赖任何框架用裸 Python 手写一个 dummy agent让你看懂 Thought→Action→Observation 循环见 units/en/unit1/dummy-agent-library.mdx单元 2 逐个拆解 smolagents、LlamaIndex、LangGraph 三个主流框架单元 3 动手做一个 Agentic RAG 应用单元 4 则提交你的 agent 去回答 GAIA 基准筛选出的 20 道题并在排行榜上领取证书见 units/en/unit4/hands-on.mdx。前置要求只有两条会 Python 基础语法、对 LLM 有基本认识官方在 README.md 里写得明明白白。5 分钟装好环境克隆、依赖、Token 一次配齐整条流程分三步照着敲即可中途不需要改任何配置文件。第一步把课程仓库拉到本地git clone https://gitcode.com/GitHub_Trending/ag/agents-course cd agents-course执行完看到 units、quiz 等目录说明克隆成功。第二步安装核心依赖——这组包与课程 quiz/pyproject.toml 中声明的完全一致学完前两个单元只需它们pip install datasets3.2.0 huggingface-hub0.27.1 ipykernel6.29.5 requests2.32.3没有任何报错输出即安装成功。第三步去 Hugging Face 官网生成一个带 read 权限的 Token并设置为环境变量后面所有示例都靠它调用模型export HF_TOKEN你的Token到这里你已完成全部前置配置环境随时可以开始跑代码。第一个能跑通的最小示例课程单元 1 的第一个实验是调用 serverless API你只需 5 行代码就能复现import os from huggingface_hub import InferenceClient client InferenceClient(modelmoonshotai/Kimi-K2.5, tokenos.environ[HF_TOKEN])之后用client.chat.completions.create发出问题 The capital of France is模型会回答 Paris.——看到这段输出说明整条链路已通。下一步按 units/en/unit1/tutorial.mdx 装上smolagents[all]用 CodeAgent 类给你的 agent 挂上搜索、图像生成等工具再把它发布成可在线体验的 Space。按需进阶换框架、换本地模型、学加分单元框架不用全学按场景挑想要轻量代码型 agent 看 units/en/unit2/smolagents/围绕私有数据建工作流看 units/en/unit2/llama-index/需要精细控制执行流看 units/en/unit2/langgraph/。不想依赖云端 API 时装好 Ollama 后拉一个本地模型ollama pull qwen2:7b ollama serve再执行pip install smolagents[litellm]把 smolagents 的 InferenceClientModel 换成 LiteLLMModel 并指向 http://127.0.0.1:11434其余业务代码一行不动完整步骤在 units/en/unit0/onboarding.mdx。主线之外还有三块加分内容函数调用微调、可观测性与评估、用宝可梦游戏练手多 agent 对战源码分别在 units/en/bonus-unit1/ 等目录下适合学完主线再回来啃。排坑手册三个最高频的报错调用推理接口返回 401/403现象是请求直接报认证错误原因几乎都是 HF_TOKEN 没设置或权限类型选错。确认 Token 带 read 权限后执行export HF_TOKEN你的Token再重跑脚本。ollama serve 提示 11434 端口被占用Ollama 安装脚本通常已自动启动了服务再手动 serve 就会撞端口用lsof -i :11434确认占用进程就是 ollama 时直接跳过这一步即可课程文档在 onboarding.mdx 中给出了同样的判断方法。依赖安装失败或版本互相冲突多数情况是系统 Python 低于 3.11课程 quiz/pyproject.toml 要求 3.11或全局环境太脏。用python -m venv agents-env建一个干净虚拟环境激活后重装依赖即可。收尾学完之后往哪走一句话总结装好环境、跑通最小示例你就走完了从概念到可评测 agent 的完整路径。接下来按顺序做三件事——完成单元 4 的 GAIA 答题任务领取证书用课程内置测验自查题库数据在 quiz/data/unit_1.json有问题去课程 Discord 社区提问想贡献的话README 里也写明了翻译和修错字的参与方式。【免费下载链接】agents-courseThis repository contains the Hugging Face Agents Course.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-course创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Hugging Face Agents Course 快速上手教程：5 分钟装好环境，跑通你的第一个 AI 智能体
Hugging Face Agents Course 快速上手教程5 分钟装好环境跑通你的第一个 AI 智能体【免费下载链接】agents-courseThis repository contains the Hugging Face Agents Course.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-course本文带你用 5 分钟装好 Hugging Face Agents Course跑通第一个能调用工具的 AI 智能体并给出框架选型、本地模型和排错的完整路线。先搞清楚这门课最终让你做出什么别急着敲命令先确认产出物。课程共 4 个单元单元 1 不依赖任何框架用裸 Python 手写一个 dummy agent让你看懂 Thought→Action→Observation 循环见 units/en/unit1/dummy-agent-library.mdx单元 2 逐个拆解 smolagents、LlamaIndex、LangGraph 三个主流框架单元 3 动手做一个 Agentic RAG 应用单元 4 则提交你的 agent 去回答 GAIA 基准筛选出的 20 道题并在排行榜上领取证书见 units/en/unit4/hands-on.mdx。前置要求只有两条会 Python 基础语法、对 LLM 有基本认识官方在 README.md 里写得明明白白。5 分钟装好环境克隆、依赖、Token 一次配齐整条流程分三步照着敲即可中途不需要改任何配置文件。第一步把课程仓库拉到本地git clone https://gitcode.com/GitHub_Trending/ag/agents-course cd agents-course执行完看到 units、quiz 等目录说明克隆成功。第二步安装核心依赖——这组包与课程 quiz/pyproject.toml 中声明的完全一致学完前两个单元只需它们pip install datasets3.2.0 huggingface-hub0.27.1 ipykernel6.29.5 requests2.32.3没有任何报错输出即安装成功。第三步去 Hugging Face 官网生成一个带 read 权限的 Token并设置为环境变量后面所有示例都靠它调用模型export HF_TOKEN你的Token到这里你已完成全部前置配置环境随时可以开始跑代码。第一个能跑通的最小示例课程单元 1 的第一个实验是调用 serverless API你只需 5 行代码就能复现import os from huggingface_hub import InferenceClient client InferenceClient(modelmoonshotai/Kimi-K2.5, tokenos.environ[HF_TOKEN])之后用client.chat.completions.create发出问题 The capital of France is模型会回答 Paris.——看到这段输出说明整条链路已通。下一步按 units/en/unit1/tutorial.mdx 装上smolagents[all]用 CodeAgent 类给你的 agent 挂上搜索、图像生成等工具再把它发布成可在线体验的 Space。按需进阶换框架、换本地模型、学加分单元框架不用全学按场景挑想要轻量代码型 agent 看 units/en/unit2/smolagents/围绕私有数据建工作流看 units/en/unit2/llama-index/需要精细控制执行流看 units/en/unit2/langgraph/。不想依赖云端 API 时装好 Ollama 后拉一个本地模型ollama pull qwen2:7b ollama serve再执行pip install smolagents[litellm]把 smolagents 的 InferenceClientModel 换成 LiteLLMModel 并指向 http://127.0.0.1:11434其余业务代码一行不动完整步骤在 units/en/unit0/onboarding.mdx。主线之外还有三块加分内容函数调用微调、可观测性与评估、用宝可梦游戏练手多 agent 对战源码分别在 units/en/bonus-unit1/ 等目录下适合学完主线再回来啃。排坑手册三个最高频的报错调用推理接口返回 401/403现象是请求直接报认证错误原因几乎都是 HF_TOKEN 没设置或权限类型选错。确认 Token 带 read 权限后执行export HF_TOKEN你的Token再重跑脚本。ollama serve 提示 11434 端口被占用Ollama 安装脚本通常已自动启动了服务再手动 serve 就会撞端口用lsof -i :11434确认占用进程就是 ollama 时直接跳过这一步即可课程文档在 onboarding.mdx 中给出了同样的判断方法。依赖安装失败或版本互相冲突多数情况是系统 Python 低于 3.11课程 quiz/pyproject.toml 要求 3.11或全局环境太脏。用python -m venv agents-env建一个干净虚拟环境激活后重装依赖即可。收尾学完之后往哪走一句话总结装好环境、跑通最小示例你就走完了从概念到可评测 agent 的完整路径。接下来按顺序做三件事——完成单元 4 的 GAIA 答题任务领取证书用课程内置测验自查题库数据在 quiz/data/unit_1.json有问题去课程 Discord 社区提问想贡献的话README 里也写明了翻译和修错字的参与方式。【免费下载链接】agents-courseThis repository contains the Hugging Face Agents Course.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-course创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考