创建 .env 文件【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agentscp .env.example .env编辑 .env 文件填入你的 API 密钥LLM_MODEL_IDQwen/Qwen2.5-72B-InstructLLM_API_KEYyour_api_key_hereLLM_BASE_URLhttps://api-inference.modelscope.cn/v1/### 编写 requirements.txt 列出项目所需全部 Python 依赖。文档给出了一份通用参考 txt # 核心依赖 hello-agents[all]0.2.7 # 可视化如果需要 matplotlib3.7.0 plotly5.14.0 # Web 框架如果需要 fastapi0.109.0 uvicorn0.27.0需要说明的是依赖版本号应以实际发布版本为准——仓库中真实示例项目 jjyaoao-CodeReviewAgent/requirements.txt 使用的是hello-agents[all]0.1.0并额外引入了jupyter、notebook、python-dotenv、ast-comments等运行时依赖。开发 Jupyter Notebook一个规范的 Notebook 应包含七个部分项目介绍 → 环境配置 → 工具定义 → 智能体构建 → 功能演示 → 性能评估可选→ 总结与展望。核心骨架如下# 第2部分环境配置 !pip install -q hello-agents[all] from hello_agents import SimpleAgent, HelloAgentsLLM from hello_agents.tools import BaseTool import os from dotenv import load_dotenv load_dotenv() # 第3部分工具定义 class CustomTool(BaseTool): 自定义工具类 name tool_name description 工具描述 def run(self, query: str) - str: # 实现你的工具逻辑 return 结果 # 第4部分智能体构建 llm HelloAgentsLLM() agent SimpleAgent( name智能体名称, llmllm, system_prompt系统提示词 ) agent.add_tool(CustomTool()) # 第5部分功能演示 result agent.run(用户输入) print(result)测试你的项目提交前用以下清单逐项自查代码能够正常运行没有报错README 文档完整说明清晰requirements.txt 包含所有依赖有清晰的使用示例代码有适当的注释输出结果符合预期处理了常见的异常情况项目结构清晰文件命名规范大文件已妥善处理大文件处理指南⚠️ 重要避免主仓库过大。为保持主仓库轻量化请遵循以下规范文件大小限制项目总大小不超过5MB禁止直接提交视频文件、大型数据集、模型文件。方案 1使用外部链接推荐—— 将大文件上传到外部平台数据集可放百度网盘、Google Drive、Kaggle、HuggingFace Datasets视频可放 B 站、YouTube模型可放 HuggingFace Models、ModelScope并在 README 中提供下载链接与提取码。方案 2创建独立资源仓库—— 资源较多时单独建库存放数据集、演示视频、模型文件并在 README 中说明克隆与放置方式。方案 3使用示例数据—— 主仓库只放小规模样本并在 README 中注明完整数据的获取方式。最佳实践目录形态如下你的用户名-项目名称/ ├── README.md # 包含外部资源链接 ├── requirements.txt ├── main.ipynb ├── .gitignore # 忽略大文件 ├── data/ │ └── sample.csv # 仅示例数据1MB └── outputs/ └── demo_result.png # 仅演示结果1MB五、提交 Pull Request提交代码到 GitHub# 步骤1查看修改的文件 git status # 步骤2添加文件可添加全部或指定目录 git add . # git add Co-creation-projects/你的用户名-项目名称/ # 步骤3提交遵循类型: 简短描述格式 git commit -m feat: 添加XXX毕业设计项目 # 步骤4推送到你的 Fork 仓库 git push origin feature/你的项目名称提交类型规范feat新增功能或项目毕业设计使用此类型、fix修复 bug、docs文档更新、style格式调整、refactor重构、test测试相关、chore其他修改。创建 Pull Request步骤 1访问你 Fork 的仓库进入 Pull requests 标签页点击 New pull request。步骤 2选择分支Base repository 为datawhalechina/hello-agents、Base branch 为mainHead repository 为你自己的 Fork、Compare branch 为feature/你的项目名称。步骤 3填写 PR 信息。所有毕业设计项目的 PR 标题必须遵循统一格式[毕业设计] 项目名称 - 简短描述示例[毕业设计] CodeReviewAgent - 智能代码审查助手[毕业设计] StudyBuddy - AI学习伙伴[毕业设计] DataAnalyst - 智能数据分析师PR 描述建议包含项目信息名称、作者、项目类型、项目简介2-3 句话、核心功能、技术亮点使用的范式、实现的功能、优化的性能、演示效果可选截图/GIF、自检清单、其他说明。步骤 4提交 PR—— 填写完标题与描述后点击 Create pull request 按钮提交响应 Review 意见提交 PR 后社区成员会 review 代码并提出建议请及时响应查看评论在 PR 页面查看 reviewer 的评论修改代码根据建议修改提交更新git add . git commit -m fix: 根据review意见修改XXX git push origin feature/你的项目名称回复评论在 GitHub 上回复 reviewer说明你的修改。六、示例项目深度解析CodeReviewAgent仓库中的 jjyaoao-CodeReviewAgent 是文档 16.6 节的完整落地实现可作为毕业设计的参考范本。其技术方案是HelloAgents 框架SimpleAgent ToolRegistry Python AST 静态分析 LLM 语义审查。项目结构与数据jjyaoao-CodeReviewAgent/ ├── README.md # 项目文档 ├── requirements.txt # 依赖列表 ├── main.ipynb # 主程序含快速演示和完整功能 ├── .env.example # 环境变量示例 ├── .gitignore # Git 忽略规则 ├── data/ │ └── sample_code.py # 示例代码一个简单的用户管理系统 └── outputs/ └── review_report.md # 示例审查报告其中 data/sample_code.py 提供了一个包含UserManager类增删查用户与calculate_average_age、send_email两个函数的示例代码用于演示审查流程。核心代码解析1配置 LLM 参数—— 通过环境变量指定模型、密钥、服务地址与超时时间os.environ[LLM_MODEL_ID] Qwen/Qwen2.5-72B-Instruct os.environ[LLM_API_KEY] your_api_key_here os.environ[LLM_BASE_URL] https://api-inference.modelscope.cn/v1/ os.environ[LLM_TIMEOUT] 602定义代码分析工具—— 继承框架的Tool基类通过run(parameters)实现执行逻辑、get_parameters()声明参数结构含名称、类型、描述、是否必填CodeAnalysisToolcode_analysis使用 Python 标准库ast解析代码统计函数数量、类数量、代码行数并列出函数与类列表捕获SyntaxError返回语法错误信息StyleCheckToolstyle_check逐行检查是否超过 79 个字符PEP 8 规范、缩进是否符合 4 的倍数输出问题列表或符合规范结论。3注册工具并构建智能体—— 通过ToolRegistry统一注册工具再以SimpleAgent组装 LLM、系统提示词与工具注册表tool_registry ToolRegistry() tool_registry.register_tool(CodeAnalysisTool()) tool_registry.register_tool(StyleCheckTool()) llm HelloAgentsLLM() agent SimpleAgent( name代码审查助手, llmllm, system_promptsystem_prompt, # 指示智能体先调工具、再生成结构化报告 tool_registrytool_registry )【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
创建 .env 文件
创建 .env 文件【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agentscp .env.example .env编辑 .env 文件填入你的 API 密钥LLM_MODEL_IDQwen/Qwen2.5-72B-InstructLLM_API_KEYyour_api_key_hereLLM_BASE_URLhttps://api-inference.modelscope.cn/v1/### 编写 requirements.txt 列出项目所需全部 Python 依赖。文档给出了一份通用参考 txt # 核心依赖 hello-agents[all]0.2.7 # 可视化如果需要 matplotlib3.7.0 plotly5.14.0 # Web 框架如果需要 fastapi0.109.0 uvicorn0.27.0需要说明的是依赖版本号应以实际发布版本为准——仓库中真实示例项目 jjyaoao-CodeReviewAgent/requirements.txt 使用的是hello-agents[all]0.1.0并额外引入了jupyter、notebook、python-dotenv、ast-comments等运行时依赖。开发 Jupyter Notebook一个规范的 Notebook 应包含七个部分项目介绍 → 环境配置 → 工具定义 → 智能体构建 → 功能演示 → 性能评估可选→ 总结与展望。核心骨架如下# 第2部分环境配置 !pip install -q hello-agents[all] from hello_agents import SimpleAgent, HelloAgentsLLM from hello_agents.tools import BaseTool import os from dotenv import load_dotenv load_dotenv() # 第3部分工具定义 class CustomTool(BaseTool): 自定义工具类 name tool_name description 工具描述 def run(self, query: str) - str: # 实现你的工具逻辑 return 结果 # 第4部分智能体构建 llm HelloAgentsLLM() agent SimpleAgent( name智能体名称, llmllm, system_prompt系统提示词 ) agent.add_tool(CustomTool()) # 第5部分功能演示 result agent.run(用户输入) print(result)测试你的项目提交前用以下清单逐项自查代码能够正常运行没有报错README 文档完整说明清晰requirements.txt 包含所有依赖有清晰的使用示例代码有适当的注释输出结果符合预期处理了常见的异常情况项目结构清晰文件命名规范大文件已妥善处理大文件处理指南⚠️ 重要避免主仓库过大。为保持主仓库轻量化请遵循以下规范文件大小限制项目总大小不超过5MB禁止直接提交视频文件、大型数据集、模型文件。方案 1使用外部链接推荐—— 将大文件上传到外部平台数据集可放百度网盘、Google Drive、Kaggle、HuggingFace Datasets视频可放 B 站、YouTube模型可放 HuggingFace Models、ModelScope并在 README 中提供下载链接与提取码。方案 2创建独立资源仓库—— 资源较多时单独建库存放数据集、演示视频、模型文件并在 README 中说明克隆与放置方式。方案 3使用示例数据—— 主仓库只放小规模样本并在 README 中注明完整数据的获取方式。最佳实践目录形态如下你的用户名-项目名称/ ├── README.md # 包含外部资源链接 ├── requirements.txt ├── main.ipynb ├── .gitignore # 忽略大文件 ├── data/ │ └── sample.csv # 仅示例数据1MB └── outputs/ └── demo_result.png # 仅演示结果1MB五、提交 Pull Request提交代码到 GitHub# 步骤1查看修改的文件 git status # 步骤2添加文件可添加全部或指定目录 git add . # git add Co-creation-projects/你的用户名-项目名称/ # 步骤3提交遵循类型: 简短描述格式 git commit -m feat: 添加XXX毕业设计项目 # 步骤4推送到你的 Fork 仓库 git push origin feature/你的项目名称提交类型规范feat新增功能或项目毕业设计使用此类型、fix修复 bug、docs文档更新、style格式调整、refactor重构、test测试相关、chore其他修改。创建 Pull Request步骤 1访问你 Fork 的仓库进入 Pull requests 标签页点击 New pull request。步骤 2选择分支Base repository 为datawhalechina/hello-agents、Base branch 为mainHead repository 为你自己的 Fork、Compare branch 为feature/你的项目名称。步骤 3填写 PR 信息。所有毕业设计项目的 PR 标题必须遵循统一格式[毕业设计] 项目名称 - 简短描述示例[毕业设计] CodeReviewAgent - 智能代码审查助手[毕业设计] StudyBuddy - AI学习伙伴[毕业设计] DataAnalyst - 智能数据分析师PR 描述建议包含项目信息名称、作者、项目类型、项目简介2-3 句话、核心功能、技术亮点使用的范式、实现的功能、优化的性能、演示效果可选截图/GIF、自检清单、其他说明。步骤 4提交 PR—— 填写完标题与描述后点击 Create pull request 按钮提交响应 Review 意见提交 PR 后社区成员会 review 代码并提出建议请及时响应查看评论在 PR 页面查看 reviewer 的评论修改代码根据建议修改提交更新git add . git commit -m fix: 根据review意见修改XXX git push origin feature/你的项目名称回复评论在 GitHub 上回复 reviewer说明你的修改。六、示例项目深度解析CodeReviewAgent仓库中的 jjyaoao-CodeReviewAgent 是文档 16.6 节的完整落地实现可作为毕业设计的参考范本。其技术方案是HelloAgents 框架SimpleAgent ToolRegistry Python AST 静态分析 LLM 语义审查。项目结构与数据jjyaoao-CodeReviewAgent/ ├── README.md # 项目文档 ├── requirements.txt # 依赖列表 ├── main.ipynb # 主程序含快速演示和完整功能 ├── .env.example # 环境变量示例 ├── .gitignore # Git 忽略规则 ├── data/ │ └── sample_code.py # 示例代码一个简单的用户管理系统 └── outputs/ └── review_report.md # 示例审查报告其中 data/sample_code.py 提供了一个包含UserManager类增删查用户与calculate_average_age、send_email两个函数的示例代码用于演示审查流程。核心代码解析1配置 LLM 参数—— 通过环境变量指定模型、密钥、服务地址与超时时间os.environ[LLM_MODEL_ID] Qwen/Qwen2.5-72B-Instruct os.environ[LLM_API_KEY] your_api_key_here os.environ[LLM_BASE_URL] https://api-inference.modelscope.cn/v1/ os.environ[LLM_TIMEOUT] 602定义代码分析工具—— 继承框架的Tool基类通过run(parameters)实现执行逻辑、get_parameters()声明参数结构含名称、类型、描述、是否必填CodeAnalysisToolcode_analysis使用 Python 标准库ast解析代码统计函数数量、类数量、代码行数并列出函数与类列表捕获SyntaxError返回语法错误信息StyleCheckToolstyle_check逐行检查是否超过 79 个字符PEP 8 规范、缩进是否符合 4 的倍数输出问题列表或符合规范结论。3注册工具并构建智能体—— 通过ToolRegistry统一注册工具再以SimpleAgent组装 LLM、系统提示词与工具注册表tool_registry ToolRegistry() tool_registry.register_tool(CodeAnalysisTool()) tool_registry.register_tool(StyleCheckTool()) llm HelloAgentsLLM() agent SimpleAgent( name代码审查助手, llmllm, system_promptsystem_prompt, # 指示智能体先调工具、再生成结构化报告 tool_registrytool_registry )【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考