阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 (緬甸) | 中文 (簡體) | 中文 (繁體,香港) | 中文 (繁體,澳門) | 中文 (繁體,臺灣) | 克羅地亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 義大利語 | 日語 | 卡納達語 | 高棉語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞皮欽語 | 挪威語 | 波斯語 (法爾西語) | 波蘭語 | 葡萄牙語 (巴西) | 葡萄牙語 (葡萄牙) | 旁遮普語 (古爾穆奇) | 羅馬尼亞語 | 俄語 | 塞爾維亞語 (西里爾字母) | 斯洛伐克語 | 斯洛文尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語 (菲律賓語) | 泰米爾語 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語
傾向本地複製?
本存儲庫包含 50 多種語言的翻譯,這會顯著增加下載大小。若要不包含翻譯地複製,請使用稀疏檢出:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"這樣你可以更快速下載,擁有完成課程所需的一切。
如果你希望支援更多翻譯語言,請查看這裡
本課程包含涵蓋建構人工智能代理基礎的課程。每堂課涵蓋不同主題,請隨意從任何地方開始!
本課程提供多語言支援。請查看我們的可用語言。
如果你是第一次使用生成式 AI 模型,請查看我們的初學者生成式 AI 課程,裡面包含 21 堂生成式 AI 建構課程。
別忘了點星 (🌟) 此存儲庫並分支此存儲庫來運行程式碼。
如果您遇到困難或有任何關於建構人工智能代理的問題,歡迎加入我們在 Microsoft Foundry Discord 的專用 Discord 頻道。
本課程每堂課皆包含程式碼範例,可在 code_samples 資料夾中找到。你可以分支此存儲庫以建立自己的複本。
這些範例程式使用 Microsoft 代理框架與 Azure AI Foundry Agent Service V2:
- Microsoft Foundry - 需要 Azure 帳戶
本課程使用以下 Microsoft 的人工智能代理框架與服務:
部分程式碼範例也支援其他 OpenAI 相容的供應商,例如提供大上下文模型 (最高達 204K 代幣) 的 MiniMax。詳細設定請參見課程設置。
欲了解本課程程式碼執行的更多資訊,請參閱課程設置。
你有建議,或發現拼字或程式碼錯誤嗎?請提出議題或創建拉取請求
- 一篇位於 README 的書面課程與短片教學
- 使用 Microsoft Agent Framework 與 Azure AI Foundry 的 Python 程式碼範例
- 持續學習的額外資源連結
| 課程 | 文字與程式碼 | 影片 | 額外學習 |
|---|---|---|---|
| 人工智能代理與代理應用介紹 | 連結 | 影片 | 連結 |
| 探索人工智能代理框架 | 連結 | 影片 | 連結 |
| 理解人工智能代理設計模式 | 連結 | 影片 | 連結 |
| 工具使用設計模式 | 連結 | 影片 | 連結 |
| 代理問答系統(Agentic RAG) | 連結 | 影片 | 連結 |
| 建構值得信賴的人工智能代理 | 連結 | 影片 | 連結 |
| 規劃設計模式 | 連結 | 影片 | 連結 |
| 多代理設計模式 | 連結 | 影片 | 連結 |
| Metacognition Design Pattern | Link | Video | Link |
| AI Agents in Production | Link | Video | Link |
| Using Agentic Protocols (MCP, A2A and NLWeb) | Link | Video | Link |
| Context Engineering for AI Agents | Link | Video | Link |
| Managing Agentic Memory | Link | Video | |
| Exploring Microsoft Agent Framework | Link | ||
| Building Computer Use Agents (CUA) | Link | Link | |
| Deploying Scalable Agents | 即將推出 | ||
| Creating Local AI Agents | 即將推出 | ||
| Securing AI Agents | 即將推出 |
我們的團隊製作其他課程!看看:
感謝 Shivam Goyal 貢獻了示範 Agentic RAG 的重要程式碼範例。
此專案歡迎貢獻與建議。大部分的貢獻都需要您同意 貢獻者授權協議(CLA),聲明您有權利且確實授予我們 使用您貢獻的權利。詳細資訊請參閱 https://cla.opensource.microsoft.com。
當您提交 pull request 時,CLA 機械人將自動判斷您是否需要提供 CLA,並適當標註 PR(例如,狀態檢查、評論)。只需按照機械人 提供的指示操作。所有使用我們 CLA 的倉庫,您只需操作一次。
此專案採用 Microsoft 開源行為守則。 更多資訊請參考 行為守則常見問題 或 透過電郵聯絡 opencode@microsoft.com 提出疑問或回饋。
此專案可能包含專案、產品或服務的商標或標誌。Microsoft 商標或標誌的授權使用 須遵守且必須依循 Microsoft 商標與品牌指引。 修改版中使用 Microsoft 商標或標誌不得引起混淆或暗示獲得 Microsoft 贊助。 任何第三方商標或標誌的使用,均須遵守該第三方的相關政策。
如果您遇到困難或對建立 AI 應用程式有任何問題,請加入:
如在開發過程中有產品回饋或錯誤,請造訪:
免責聲明:
本文件是使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確,但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的原文版本應視為權威來源。對於重要資訊,建議採用專業人工翻譯。本公司不對因使用本翻譯內容而引起的任何誤解或錯誤詮釋承擔責任。