这是一个循序渐进的 Agent 教程仓库，按 demo1 到 demo11 逐步搭建一个越来越完整的 Agent 系统。

如果你是第一次接触 Agent，建议按顺序学习。这个仓库最有价值的地方，不只是把 demo 跑起来，而是能看清楚消息、记忆、工具、规划、工作流、RAG、MCP 这些能力是怎么一层层长出来的。

• 想从零理解 Agent 基本组成的人
• 已经会调用大模型 API，但不清楚如何做成 Agent 的人
• 想学习 memory、tool calling、planning、ReAct、runtime、workflow、RAG、MCP 这些核心概念的人
• 想自己写一个轻量 Agent 框架或 coding agent demo 的人

仓库中的示例主要使用 Python、DeepSeek Chat API、智谱 Embedding SDK、PostgreSQL pgvector 和 MCP Python SDK。

先安装根依赖：

pip install -r requirements.txt

大多数 demo 需要配置：

$env:DEEPSEEK_API_KEY="你的 API Key"

demo10 额外需要配置：

$env:ZHIPU_API_KEY="你的智谱 API Key"
$env:PGVECTOR_HOST="你的 PostgreSQL 公网访问地址"
$env:PGVECTOR_PASSWORD="你的数据库密码"

demo10 还需要你自己准备启用了 pgvector 扩展的 PostgreSQL 数据库。

推荐每一节都按这个节奏推进：

1. 先运行当前 demo，感受它能做什么
2. 再读这一节自己的 README.md
3. 再看入口文件和关键模块，理解整体流程
4. 最后自己改一个小功能，验证是否真的理解

不要一上来就试图把所有代码一次看懂。最好的学习方式，是按节奏逐步往前推。

按顺序学习 demo1 到 demo11。每学完一个 demo，都用自己的话回答：

1. 这一节比上一节多了什么能力
2. 这个能力是靠哪些数据结构和模块实现的
3. 如果让我自己重写，我会保留什么，简化什么

可以先快速浏览 demo1，重点读 demo2 到 demo5，再把主要精力放在 demo6 到 demo11。

推荐重点关注：

1. demo3：工具 schema 和执行闭环
2. demo4：状态与动作设计
3. demo5：ReAct 主循环
4. demo6：框架抽象
5. demo7：面向代码场景的工具设计
6. demo8：节点编排与 workflow 路由
7. demo9：人工确认与安全执行边界
8. demo10：外部知识库、向量检索与 RAG 问答
9. demo11：通过 MCP 接入外部工具生态

学完这套 demo，通常可以建立下面这条认知链路：

1. LLM 调用本质上只是一次消息请求
2. 多轮对话本质上是维护 messages
3. Agent 的“记忆”很多时候先从短期上下文开始
4. Tool Calling 的关键不是“会调工具”，而是“让模型知道什么时候该调”
5. Planning 是把任务拆成可执行步骤
6. ReAct 是“思考-行动-观察”循环
7. 框架化是把 prompt、工具注册、消息存储、运行时循环解耦
8. Coding agent 的核心工作流通常是：先观察，再定位，再修改，再验证
9. Workflow 适合稳定步骤和清晰审计链路
10. HITL 适合高风险动作前的人类确认
11. RAG 让 Agent 在回答前先查资料
12. MCP 让 Agent 更容易接入标准化外部工具

顶层 README 现在只保留总览和导航。每一节的完整讲解、关键模块、运行方式、学习重点和建议练习，都已经拆到对应的 demoN/README.md 里。

你可以直接从上面的 demo 导航进入任意一节继续看。