第十六章 毕业设计基于 Hello-Agents 框架构建属于你的多智能体应用【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本文是 Hello-Agents 教程的收官之章实战指南围绕「毕业设计」这一核心主题完整讲解从选题、环境准备、Fork 仓库、项目开发到提交 Pull Request 的全流程并以仓库中真实收录的共创项目Co-creation-projects/jjyaoao-CodeReviewAgent/为样板逐行拆解。读完本文你将掌握用 HelloAgents 框架独立设计并交付一个可运行的开源智能体应用的全部技能包括自定义工具Tool、智能体组装、Notebook 工程化、README 与依赖清单规范、大文件处理策略以及通过开源协作被社区评审与收录的完整路径。一、为什么需要一场「毕业设计」学习技术最好的方式不是看教程而是动手实践。在 docs/chapter16/第十六章 毕业设计.md 中Hello-Agents 教程把最后一章定位为一次综合能力训练前面 15 章你学习了智能体核心概念、多种范式、工具系统、记忆机制、通信协议、强化学习训练与性能评估第 13–15 章又通过智能旅行助手、自动化深度研究智能体、赛博小镇三个完整实战项目做了融合演练——而真正的挑战在于如何把这些知识应用到实际问题中如何设计一个完整系统如何处理边界情况与异常毕业设计的核心价值正是培养这种综合应用能力将前面学到的所有知识智能体范式、工具系统、记忆机制、通信协议等有选择地整合进一个完整项目中。完成它之后你应当能够独立设计并实现一个完整的智能体应用熟练使用 HelloAgents 框架的各种功能掌握 Git 与 GitHub 的基本操作参与开源协作编写清晰的项目文档最终获得一个可以在社区展示的技术作品。毕业设计的形式与要求毕业设计将以开源项目的形式提交到 Hello-Agents 的共创项目仓库Co-creation-projects目录具体要求如下项目命名使用{你的GitHub用户名}-{项目名称}格式例如jjyaoao-CodeReviewAgent项目内容一个可运行的 Jupyter Notebook.ipynb或 Python 脚本、完整的依赖列表requirements.txt、清晰的 READMEREADME.md可选演示视频、截图、数据集等提交方式通过 GitHub 的 Pull RequestPR提交评审流程社区成员会 review 你的代码、提出改进建议通过后合并到主仓库。这一流程在仓库中已有制度化落地根目录下的 Co-creation-projects/README.md 就是共创项目的「门面」它明确了项目命名规范、最小结构要求README requirements.txt main.ipynb 三件套、README 必备章节、提交流程以及五大项目分类并直接引用了本章作为详细提交指南。也就是说你提交的每一个项目都会成为其他学习者可参照的公共资产。二、项目选题指南找到值得做的问题选题三原则一个好的毕业设计项目应该具有实用性解决真实问题而不是为了技术而技术在有限的时间和资源内可以完成能够清晰地展示技术能力。而项目目录中的示例作品也印证了这一点——小的创意同样值得被收录只要是自己动手的作品都值得珍惜。五大推荐方向原文档给出了五个方向的选题清单每个方向下都附有具体的项目形态生产力工具类智能代码审查助手分析代码质量、发现潜在 bug、提出优化建议、智能文档生成器、智能会议助手生成会议纪要、提取行动项、智能邮件助手学习辅助类智能学习伙伴、智能论文助手、智能编程导师、智能语言学习助手创意娱乐类智能故事生成器、智能游戏 NPC、智能音乐推荐、智能菜谱助手数据分析类智能数据分析师、智能股票分析、智能舆情监控、智能竞品分析生活服务类智能健康助手、智能理财助手、智能购物助手、智能家居控制。对照 Co-creation-projects/README.md 中的项目分类可以看到这五个方向正是仓库共创区实际收录作品的分类体系——例如1zrj-DataAnalysisAgent、CC1227871-StockInsightAgent、Henry2513-MeetingActionAgent、bichchibui5-hub-EmailSmartAssistant、lgs-only-NovelGenerator等真实项目分别落在数据分析、生产力工具、创意娱乐等类别中说明这套选题框架已被社区实际验证。选题示例智能代码审查助手原文档以CodeReviewAgent为例演示选题方法问题分析代码审查是软件开发的重要环节但人工审查耗时且易遗漏现有静态分析工具只能发现语法错误无法理解代码逻辑因此需要一个能理解代码语义、提供深度分析的智能助手核心功能代码质量分析风格、命名规范、注释完整性、潜在 bug 检测逻辑错误、边界条件、资源泄漏、性能优化建议、安全漏洞扫描SQL 注入、XSS 等、最佳实践推荐预期成果可运行的 Jupyter Notebook 展示完整审查流程支持 Python、JavaScript 等主流语言输出结构化 Markdown 审查报告并附带具体代码示例和改进建议。三、开发环境准备与仓库协作流程安装必要工具(1) Python 环境安装 HelloAgents 框架pip install hello-agents[all](2) Git 与 GitHub配置版本控制环境# 检查 Git 版本 git --version # 配置 Git 用户信息 git config --global user.name 你的名字 git config --global user.email 你的邮箱 # 配置 GitHub SSH 密钥推荐 # 1. 生成 SSH 密钥 ssh-keygen -t ed25519 -C 你的邮箱 # 2. 将公钥添加到 GitHub # 复制 ~/.ssh/id_ed25519.pub 的内容 # 在 GitHub Settings SSH and GPG keys 中添加 # 3. 测试连接 ssh -T gitgithub.com(3) Jupyter Notebookpip install jupyter notebook # 或使用 JupyterLab推荐 pip install jupyterlab # 启动 jupyter labFork 仓库并克隆到本地毕业设计采用典型的 GitHub Fork 工作流分三步完成步骤 1Fork 仓库——访问 Hello-Agents 仓库点击右上角 Fork 按钮选择自己的 GitHub 账号完成 Fork步骤 2克隆到本地——克隆你 Fork 的仓库并添加上游仓库以便同步更新# 克隆你 Fork 的仓库 git clone gitgithub.com:你的用户名/hello-agents.git # 进入项目目录 cd hello-agents # 添加上游仓库用于同步更新 git remote add upstream https://github.com/datawhalechina/hello-agents.git # 查看远程仓库 git remote -v步骤 3创建开发分支——不要直接在 main 分支上开发# 创建并切换到新分支 git checkout -b feature/你的项目名称 # 例如 git checkout -b feature/code-review-agent项目目录结构在Co-creation-projects目录下创建你的项目文件夹并采用推荐的工程化结构cd Co-creation-projects mkdir 你的用户名-项目名称 # 例如: mkdir jjyaoao-CodeReviewAgent cd jjyaoao-CodeReviewAgent你的用户名-项目名称/ ├── README.md # 项目说明文档 ├── requirements.txt # Python 依赖列表 ├── main.ipynb # 主要的 Jupyter Notebook ├── data/ # 数据文件可选 │ ├── sample_code.py │ └── test_cases.json ├── outputs/ # 输出结果可选 │ ├── review_report.md │ └── screenshots/ └── src/ # 源代码可选如果代码较多 ├── agents/ ├── tools/ └── utils/这一结构与仓库中已收录的真实项目完全吻合例如 Co-creation-projects/jjyaoao-CodeReviewAgent/ 实际包含README.md、requirements.txt、main.ipynb、data/sample_code.py与outputs/review_report.md而Henry2513-MeetingActionAgent、nihaoshoum-LoveAnalysisAgent等项目也都遵循了data/outputs/的目录约定形成了社区一致的项目范式。四、项目开发指南从文档到代码编写 README 文档README 是项目的门面原文档给出了一份完整模板覆盖以下章节项目名称与一句话描述、项目简介解决什么问题、特色功能、适用场景、核心功能清单、技术栈HelloAgents 框架、使用的智能体范式如 ReAct / Plan-and-Solve、工具与 API、其他依赖、快速开始环境要求、安装依赖、配置 API 密钥、运行项目、使用示例、项目亮点、性能评估、未来计划、贡献指南、许可证、作者、致谢。仓库中的 Co-creation-projects/jjyaoao-CodeReviewAgent/README.md 就是这套模板的完整落地实例它以「基于 HelloAgents 框架的智能代码审查工具」一句话开篇随后依次给出项目简介、核心功能代码结构分析 / PEP 8 风格检查 / LLM 智能建议 / Markdown 报告生成、技术栈、两种 API 密钥配置方式、快速体验与完整功能两条使用路径、项目结构树、技术实现说明两个自定义工具、示例输出预览与未来改进清单——这份真实 README 可作为你撰写自己项目文档的对照范本。编写 requirements.txt列出项目所有 Python 依赖并注明用途# 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仓库中真实项目的依赖清单可以印证这一规范。例如 Co-creation-projects/jjyaoao-CodeReviewAgent/requirements.txt 按依赖用途分块组织hello-agents[all]0.1.0框架核心、jupyter1.0.0与notebook7.0.0运行环境、python-dotenv1.0.0环境变量管理、ast-comments1.0.0代码分析工具而bichchibui5-hub-EmailSmartAssistant、alexrunner-DataAnalysisAgent等项目也都保持了「核心依赖 专项依赖」的分层写法。开发 Jupyter Notebook原文档给出了一个七段式 Notebook 工程化骨架值得逐段落实项目介绍以 Markdown 单元格说明项目名称、简介与作者信息环境配置!pip install -q hello-agents[all]安装依赖导入SimpleAgent、HelloAgentsLLM、BaseTool用python-dotenv加载环境变量工具定义继承BaseTool编写自定义工具类声明name、description并实现run(query)方法智能体构建创建HelloAgentsLLM实例化SimpleAgent并传入system_prompt用agent.add_tool()挂载工具功能演示设计「基础功能」与「复杂场景」两个示例打印运行结果性能评估可选附加评估代码总结与展望以 Markdown 总结实现的功能、遇到的挑战与解决方案、未来改进方向。# # 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: 工具执行逻辑 # 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())提交前的自测清单在提交之前逐项检查自己的项目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见下节大文件处理指南为了保持主仓库轻量化请遵循以下规范项目总大小不超过 5MB禁止直接提交视频文件、大型数据集、模型文件方案 1外部链接推荐——把大文件上传到外部平台在 README 中提供下载链接。推荐平台数据集用百度网盘 / Google Drive / Kaggle / HuggingFace Datasets视频用 B 站 / YouTube / 腾讯视频模型用 HuggingFace Models / ModelScope图片用 GitHub Issues 或图床方案 2创建独立仓库——资源较多时单独建项目名称-resources仓库README 中说明克隆与拷贝方法方案 3使用示例数据——主仓库只放小规模示例如data/sample.csv100 条记录完整数据在 README 中注明下载方式。推荐的目录实践同时配合.gitignore忽略大文件你的用户名-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让作品进入社区提交代码到 GitHub按四步完成本地到远端的分支提交# 步骤1: 检查修改 git status # 步骤2: 添加文件推荐只添加自己的项目目录 git add Co-creation-projects/你的用户名-项目名称/ # 步骤3: 提交遵循 Conventional Commits 类型规范 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项目使用此类型、fix修复 bug、docs文档更新、style代码格式调整、refactor代码重构、test测试相关、chore其他修改如依赖更新。创建 Pull Request进入你 Fork 的仓库点击Pull requests标签页再点击New pull request选择分支Base repository 为datawhalechina/hello-agents、Base branch 为mainHead repository 为你的用户名/hello-agents、Compare branch 为feature/你的项目名称填写 PR 信息——PR 标题必须统一格式[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 描述建议使用官方模板包含项目信息项目名称、作者、项目类型、项目简介2–3 句、核心功能清单、技术亮点使用了 XXX 范式、实现了 XXX 功能、演示效果可选截图或 GIF、自检清单代码可运行 / README 完整 / requirements.txt 完整 / 使用示例清晰 / 注释适当、其他说明。点击Create pull request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说明你的修改内容。六、示例项目深度拆解CodeReviewAgent为了让要求更具体原文档给出了完整的示例项目且该示例已在仓库中真实收录为 Co-creation-projects/jjyaoao-CodeReviewAgent/我们可以对照源码逐层理解。项目结构与真实产物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 └── outputs/ └── review_report.md # 示例报告其中outputs/review_report.md是项目的真实运行产物展示了一次完整代码审查的五个维度代码结构分析UserManager类及其三个方法、calculate_average_age/send_email辅助函数、风格问题第 1 行超过 79 字符、潜在 Bugdelete_user删除用户后列表索引变化的隐患、性能优化建议get_user最坏情况需遍历整个列表建议改用字典存储、最佳实践建议补充异常处理、用logging替代print、编写单元测试、细化文档字符串并给出改进后的完整代码示例——这正是「工具产出结构化事实 LLM 生成深度建议」的典型协作模式。核心代码解读main.ipynb第一步配置 LLM 参数。通过环境变量指定模型、密钥、接口地址与超时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] 60第二步定义代码分析工具。CodeAnalysisTool使用 Python 标准库ast解析代码结构——用ast.parse建立语法树再通过ast.walk收集FunctionDef与ClassDef节点统计函数数量、类数量、代码行数并输出函数/类列表遇到SyntaxError时返回可读的错误信息。StyleCheckTool则逐行检查 PEP 8 规范超过 79 个字符的行、以及不在[0, 4, 8, 12]缩进阶梯上的行都会被记录为问题。两个工具都通过get_parameters()声明入参code参数string 类型必填class CodeAnalysisTool(Tool): 代码静态分析工具 def __init__(self): super().__init__( namecode_analysis, description分析Python代码的结构、复杂度和潜在问题 ) def run(self, parameters: Dict[str, Any]) - str: code parameters.get(code, ) if not code: return 错误:代码不能为空 try: tree ast.parse(code) functions [node for node in ast.walk(tree) if isinstance(node, ast.FunctionDef)] classes [node for node in ast.walk(tree) if isinstance(node, ast.ClassDef)] result { 函数数量: len(functions), 类数量: len(classes), 代码行数: len(code.split(\n)), 函数列表: [f.name for f in functions], 类列表: [c.name for c in classes] } return str(result) except SyntaxError as e: return f语法错误:{str(e)}第三步组装工具注册表与智能体。把两个工具注册进ToolRegistry创建HelloAgentsLLM实例再定义系统提示词——提示词明确规定了审查流程先code_analysis分析结构、再style_check检查风格、最后基于结果输出报告与报告结构代码结构分析、风格问题、潜在 bug、性能优化建议、最佳实践建议以 Markdown 输出最后用SimpleAgent把 LLM、提示词与工具注册表绑定起来tool_registry ToolRegistry() tool_registry.register_tool(CodeAnalysisTool()) tool_registry.register_tool(StyleCheckTool()) llm HelloAgentsLLM() system_prompt 你是一位经验丰富的代码审查专家。你的任务是: 1. 使用code_analysis工具分析代码结构 2. 使用style_check工具检查代码风格 3. 基于分析结果提供详细的审查报告 审查报告应包括: 代码结构分析、风格问题、潜在bug、性能优化建议、最佳实践建议 请以Markdown格式输出报告。 agent SimpleAgent( name代码审查助手, llmllm, system_promptsystem_prompt, tool_registrytool_registry )第四步运行示例并保存报告。读取data/sample_code.py调用agent.run()发起审查将返回的 Markdown 报告写入outputs/review_report.mdwith open(data/sample_code.py, r, encodingutf-8) as f: sample_code f.read() review_result agent.run(f请审查以下Python代码:\n\npython\n{sample_code}\n) with open(outputs/review_report.md, w, encodingutf-8) as f: f.write(review_result)从源码结构看这个项目的设计精髓在于把确定性分析与生成式推理解耦ast解析与 PEP 8 检查是确定、可复现的保证审查结果不漂移而 LLM 基于工具返回的结构化事实负责写出「潜在 Bug」「性能优化」这类需要语义理解的深度建议。这也正是第 4 章 ReAct 范式「思考–调用工具–观察–再思考」在毕业设计中的直接应用——工具负责事实LLM 负责推理。与该示例可对照的框架实现示例中使用的SimpleAgent、HelloAgentsLLM、ToolRegistry等组件正是本教程第 7 章「构建你的 Agent 框架」的成果。以 code/chapter7/my_llm.py 为例MyLLM通过继承HelloAgentsLLM扩展能力code/chapter7/my_simple_agent.py 中的MySimpleAgent继承SimpleAgentcode/chapter7/my_react_agent.py 则展示了基于ReActAgent的推理循环实现。如果你在毕业设计中需要更复杂的推理能力可以直接参考这些框架源码来理解add_tool、tool_registry等 API 的底层调用关系。七、总结与展望完成毕业设计意味着你掌握了智能体系统设计的完整闭环从需求出发设计系统架构熟练使用 HelloAgents 框架的功能与组件开发自定义工具扩展智能体能力完成从需求分析到代码实现的完整项目开发使用 Git 与 GitHub 进行开源协作并编写清晰的技术文档。从第 1 章的简单智能体到能够独立构建完整的多智能体应用这是一段完整的进阶之旅而毕业设计不是终点而是新的起点。原文档给出了三条清晰的后续路线深化理论继续学习更多智能体范式与算法、提示工程与上下文工程、多智能体协作机制扩展技术栈学习 Web 开发构建完整应用、学习数据库实现数据持久化、学习部署将应用上线持续打磨与回馈社区添加功能、优化性能与体验、完善测试与文档参与 Hello-Agents 框架开发帮助其他学习者。记住最好的学习方式就是动手实践现在就开始构建属于你的智能体应用我们期待在Co-creation-projects目录中看到你的精彩作品。如果你想提前了解项目的整体脉络与全部章节可以翻阅 docs/README.md共创项目的提交规范与最新收录作品可随时查阅 Co-creation-projects/README.md。【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