9
7 月
AI Agents for Beginners — 微软官方 AI Agent 入门课程：10 节课从概念到代码
一句话结论：AI Agents for Beginners 是微软官方的 10 节 AI Agent 入门课程，使用 Microsoft Agent Framework (MAF) 和 Azure AI Foundry，从概念到代码带你构建第一个 AI Agent。支持中文等多语言，免费开源。
项目介绍
这是微软官方出品的 AI Agent 入门课程，在 GitHub 上开源。每节课包含 视频讲解 + 文字教程 + Python 代码示例 (Jupyter Notebook)，使用 Microsoft Agent Framework 和 Azure AI Foundry Agent Service V 2。也支持 MiniMax 等替代模型。
10 节课程
- AI Agent 基础概念 — 什么是 Agent，Agent 与传统 AI 的区别
- Agent 框架介绍 — Microsoft Agent Framework 核心概念
- 工具和函数调用 — 让 Agent 执行实际操作
- 规划和推理 — Agent 如何拆解复杂任务
- 多 Agent 系统 — 多个 Agent 协作的模式
- 记忆和上下文 — Agent 如何保持长期记忆
- 安全和护栏 — 构建安全的 Agent
- 评估和测试 — 如何验证 Agent 质量
- 部署到生产 — 将 Agent 部署到 Azure
- AI Agent 未来趋势 — 行业展望和最佳实践
安装方式
# 克隆仓库
git clone --depth 1 https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
# 安装 Python 依赖
pip install -r requirements.txt
# 配置 Azure AI Foundry
# 见 00-course-setup/README.md前置条件
- Azure 账号和 AI Foundry hub/project
- Python 3.10+
- GitHub 账号（部分课程使用 GitHub Models）
- Jupyter Notebook 环境（VS Code 或 JupyterLab）
FAQ
必须使用 Azure 吗？
大部分课程使用 Azure AI Foundry。但第 6 课和第 8 课支持 GitHub Models，可以用 GitHub Token 免费体验。也支持 MiniMax 等替代模型。
完全免费吗？
课程内容和代码完全免费开源。Azure AI Foundry 使用需按量付费，但有免费额度。GitHub Models 也有免费额度。
和 DeepLearning.AI 的课程有什么区别？
DeepLearning.AI 课程更偏理论和概念。微软这门课更偏实战——每个概念都配可运行的代码，直接用微软 Agent 框架。
相关链接
- GitHub 仓库
- 课程网页版
- Microsoft Learn 视频
- Azure AI Foundry 文档
- Agent Skills 24 技能包 — Addy Osmani 的工程规范
- 12-Factor Agents — 生产级 LLM 应用的 12 条原则
作者：智盒（aiKit.vip）｜ 资讯 · 资源 · 工具 · 导航
分享这篇文章
RELATED
Posts
Llama Windows 上手：Windows 11 托盘一键跑本地大模型，不用命令行
一句话结论：Llama Windows 是 Hugging Face 2026 年 10 月 13 日发布的免费开源 Windows 11 托盘应用（MIT 许可），把 llama.cpp 包装成「点图标、选模型、下载、开聊」四步，不需要终端、不需要编译、不需要管理员权限。它同时在本机提供 OpenAI 兼容接口，适合第一次在自己电脑上跑开源模型的人，也适合想给脚本接一个本地模型的开发者。 AI 摘要 资源类型：免费开源软件（Windows 11 桌面应用）来源：Hugging Face 官方博客发布，代码在 GitHub ggml-org/Llama-Windows适合人群：想在 Windows 电脑上离线跑开源模型的普通用户、需要本地 OpenAI 兼容接口的开发者使用价值：自动安装和管理 llama.cpp，一键下载推荐模型，模型缓存与其他 Hugging Face 工具共享风险边界：项目很新（GitHub 87 星，2026-10-14 核查）；官方博客和 README 给出的本地端口不一致，需以本机实际为准 资源信息 资源名：Llama Windows（代码仓库内名称...
HowToCook 程序员做饭指南：10 万星开源菜谱怎么用、怎么部署、怎么接 AI
HowToCook 程序员做饭指南是 GitHub 10.2 万星的开源菜谱库，372 道家常菜用量精确到克。本文讲清在线使用、Docker 本地部署、按食材找菜工具和 MCP 接入 AI 助手的方法与风险。
Sharp 图片预处理：给 AI 截图输入建立尺寸上限和独立输出
Sharp 图片预处理适合将人工选定的图片规则写进 Node.js 流程。本文包含官方安装渠道、平台要求、完整单图脚本和独立输出目录设计，说明尺寸上限、不放大小图、无损编码与缩放损失的区别。示例以静态 PNG 为起点，要求比较小字和识别退化，不覆盖原件，不保证压缩率，也不把像素限制当作完整上传安全方案。
Python jsonschema：给模型输出加一道可执行的数据合同
Python jsonschema 可以把模型输出的数据合同变成可执行检查。本文包含虚拟环境安装、官方包下载、完整校验脚本和四个正反样本，解释 required、额外字段、格式检查与语义真实性的区别，并说明跨平台运行和失败处理方法。适合信息提取与工具参数入口，不调用收费模型，也不把结构通过误写成业务正确或权限批准。
Promptfoo 上手：先用本地输出检查评测规则，再连接模型
Promptfoo 可用 Echo provider 检查变量、模板和断言，不必调用模型。本文给出独立目录安装方法、Node 版本要求、两条合成样本配置及预期通过和失败路径，说明本地报告、锁文件、外部评分和隐私风险。适合已有固定任务的开发者建立回归入口，不提供未执行的准确率成绩，也不把本地工具与免费模型额度混为一谈。
Mermaid CLI：把 Agent 流程图源文件放进可重复的构建流程
Mermaid CLI 能把流程图源文本转为可构建的文档资产，适合经常随 Agent 代码变化的审批与异常流程。本文提供官方源码、项目内安装、引擎检查、完整示例和 SVG 导出命令，说明浏览器依赖、中文字体、版本锁定及 CI 隔离边界。它不是在线编辑器的重复介绍，也不把图像导出成功当成业务流程已经正确实现。
jq 日志整理：把 AI 调用的失败与未知用量留在统计里
jq 调用日志整理可以帮助 AI 开发者识别重试、失败与缺失 usage，避免把未知用量误记为零。本文提供三个平台的官方安装路径、三行合成 JSONL、TSV 导出过滤器及任务去重统计，说明跨平台引号、内存限制和实际账单核对边界。不读取真实客户数据，不代替供应商结算，也不把调用次数当作成功任务数量。
剪映全平台教程合集：AI 赋能视频剪辑的入门资源包（Windows / macOS / iOS / Android）
剪映全平台教程合集：Windows、macOS、iOS、Android 四端一站式入门资源，覆盖安装包、使用教程、AI 字幕/配音/抠图实战，适合短视频创作者和自媒体运营。
DeepSeek Harness（dsh）开源：DeepSeek 把自家跑模型 benchmark 的 agent harness 直接放出来了
DeepSeek 把内部跑 V4-Flash benchmark 的 agent harness 以 MIT 协议开源，叫 DeepSeek Harness（dsh）。全插件化、模型无关、4 种 runtime 模式，开发者预览版可上手。
Google 发布 Gemini 3.8 Flash TTS / Flash-Lite TTS：把 Gemini Audio 系列拉到「商用级别」的最后一公里
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS：基础 Gemini 3 Pro、最长 64K token 音频输出、AI Studio 新增语音设计工作区，与 ElevenLabs、OpenAI Voice Engine 正式同台竞争。