拓冰网站定制 
DeepSeek Agent 开发一· 导论与理论基础深挖V3-0324 vs R1 选型、Agent 三要素与开发范式第 1–4 集一句话概览TL;DR这是《DeepSeek 智能体开发实战》17 集系列深挖的第一篇聚焦零代码的前 4 集约 45 分钟。导论第 1 集回答两个根本问题——为什么 Agent 开发选 DeepSeek-V3-0324 而不是推理更强的 R1答案Agent 能力看的是原生 Function Calling而非推理跑分以及为什么先吃透原生 API、再按项目选框架理论三集第 2–4 集则把 Agent 从营销热词还原成一个可拆解的工程对象大模型是大脑、外部工具是手脚、感知—规划—行动—观察循环是神经反射弧并给出从一问一答 → 单工具调用 → 多工具自主循环ReAct“的能力阶梯以及一张十二大开发框架生态地图。这 45 分钟定义了后面 13 集所有代码的调用约定”跳过它往往会陷入每行代码都认识、却不知道为什么这么写的消化不良。课程信息UP 主九天Hector《DeepSeek 智能体开发实战从零手搓 MiniManus》B 站共 17 集、约 3 小时 52 分钟已完结。本篇范围第 1–4 集导论 理论基础合计约 45 分 45 秒、代码含量为零。适合谁读准备跟这门课、或想系统理解 Agent 概念与技术选型的初学者与工程师。最后更新2026 年 10 月。模型能力与框架生态迭代较快具体选型以官方最新说明与实测为准。本文目录板块定位为什么最水的前四集反而最不能跳过第 1 集 · 导论的四个层次选型 / 比喻 / 方法论 / 项目预告第 2 集 · 把 Agent 还原成工程对象大脑 手脚 循环第 3 集 · Agent 开发通用范式从一问一答到自主循环第 4 集 · 十二种主流开发工具一张地图而非一份作业隐藏主线前四集拆掉了新手的三堵墙前四集速查表与观看建议自测清单四个问题FAQ 高频问答8 问资料来源与内容说明 配套可视化导论与 Agent 理论基础本文配有一张可交互的前四集知识图呈现 V3/R1 选型对比、Agent大脑—手脚—循环结构、开发范式三级阶梯与十二大工具生态位。在线查看可分享DeepSeek 智能体开发实战 · 导论与 Agent 理论基础深挖课程原页哔哩哔哩 BV1L3ZDYDEnE一、板块定位为什么最水的前四集反而最不能跳过很多人刷实战课的肌肉记忆是跳过片头、跳过理论、直接空降代码集数。这套打法在注水课里成立用在这门课上却会翻车——原因藏在时长结构里。第 1–4 集合计约 45 分 45 秒占全课约 20%代码含量为零。表面是低干货密度区但课程整体是倒金字塔设计第 6–7 集讲 Function Calling 原理与代码循环时默认你已接受先底层、后框架的方法论第 11 集讲 MiniManus 架构时默认你脑子里已装着第 3 集的开发范式图第 12–14 集实现三大函数组时默认你已理解第 2 集建立的大模型是大脑、工具是手脚心智模型。跳过前四集直接看代码结果往往是每行代码都认识连起来却不知道作者为什么这么写——这是实战课最常见也最隐蔽的消化不良。换个角度前四集是这门课的接口文档它不教你写实现却定义了后面 13 集所有代码的调用约定——什么是 Agent、为什么选这个模型、范式长什么样、工具生态在什么位置。花 45 分钟读完接口文档后面 3 个多小时的实现代码才真正属于你。二、第 1 集 · 导论的四个层次4 分 21 秒四分半的导学信息密度意外地高可拆成四层。2.1 技术选型为什么偏偏是 DeepSeek-V3-0324这是导学最硬核、也是整门课的技术地基。讲师开篇抛出一个反直觉选择明明 DeepSeek-R1 推理能力更出名为什么 Agent 开发课偏偏选 V3-0324答案在于 Agent 能力的定义所谓 Agent 能力指大模型识别、调用外部工具并规划工具执行流程的能力。R1 是推理特化模型强项是长**思维链CoTChain of Thought**的深度推理但本身不具备原生的 Function Calling 能力——让它调工具缺少机制层面的支持V3-0324 是通用对话模型原生具备完善的 Function Calling课程对其 Agent 能力评价很高“比肩 GPT-4.5、是当时全球 Agent 能力最强的开源模型之一”。一个值得留意的工程细节V3 与 R1 模型架构完全相同因此 V3 可直接复用 R1 的部署方案、部署到已有硬件嫌本地部署麻烦也可直接调在线 API。这是在刻意压低工程门槛——一门 4 小时实战课最大的弃课原因往往不是听不懂而是环境搭不起来导学用一分钟排掉了这个雷低配硬件走在线 API 或本地小模型均可。2.2 钢筋混凝土比喻模型能力如何改写工程方式过去国产模型普遍 Agent 性能不足开发者想搭一个能用的智能体必须编写大量低效工程代码去补模型短板额外的提示词约束、繁琐的输出解析、层层叠叠的重试与兜底逻辑。这好比想搭桥却只有木头和绳索——桥不是不能搭但要不断加支撑、加固、维护复杂低效。模型原生 Agent 能力上来后相当于建材从木头绳索升级成钢筋混凝土同样的桥可以直接搭而且更稳。其工程含义深刻Agent 开发中相当一部分框架代码本质是在为模型能力打补丁补丁的价值会随模型升级而贬值而对底层机制的理解不会。这正是课程押注原生 API 教学的原因——模型会迭代、框架会过时但模型如何决策并调用工具这套机制短期内是稳定资产。2.3 方法论宣言先懂马再配鞍导学一句话定义了本课与框架速成课的路线分歧“好马配好鞍但得先熟悉模型原始的 Agent 性能才能根据项目需求找到最合适的开发框架。”2025 年前后 Agent 概念爆火市面同时存在十几个主流框架新手面对 LangChain、LangGraph、Dify、AutoGen、MCP 很容易陷入选择瘫痪而大量课程直接选一个框架教 API 调用。本课反其道而行无论哪种 Agent 框架本质都是增强模型的 Agent 能力先把模型裸机的 Function Calling 摸透框架就从需要学习的知识降级为需要挑选的工具——这是两种完全不同的认知地位。熟悉底层 Function Calling 实现流程后Dify、LangChain、LangGraph、Agents SDK、AutoGen、MCP 背后的技术逻辑都能一目了然。2.4 MiniManus 功能预告后面 13 集的作业清单导学最后是项目路演也是整门课的需求文档。MiniManus 对标当时爆火的 Manus——课程判断自 Manus 以来能解决各类问题的通用型智能体已成为企业大模型落地的最佳参考方案。课程承诺从源码级底层 API 手搓一个具备 Manus 基础功能的迷你版四组工具能力联网搜索、本地文件管理、Python 代理、SQL 代理三项系统级特性多工具并行调用、复杂问题拆解、自动 debug典型应用操作浏览器取数、撰写类似 Deep Research深度研究的长报告、自动连接本地 Python 环境与数据库完成数据提取/清洗/机器学习建模、一句话生成图文并茂且数据准确的数据分析报告。该项目可写进简历讲师明确支持亦有学员约 3 小时 50 分钟从零复现并跑通并行调用。三、第 2 集 · 把 Agent 还原成工程对象大脑 手脚 循环12 分 07 秒“Agent是近年被滥用最严重的技术词之一十个人能给出十个定义。第 2 集的作用是消毒”把它从营销语境捞出来还原成可拆解、可编码、可测试的工程对象。一个智能体的最小完整结构包含三要素大脑作为决策核心的大模型LLM手脚一组可调用的外部工具搜索、代码执行、数据库、API 等神经反射弧驱动二者协同的执行循环。用户给出自然语言任务后模型理解意图、规划步骤、判断当前需要哪个工具并生成结构化调用指令工具执行完毕结果回填给模型模型观察结果决定是继续调用下一个工具还是已可生成最终答案。这个“感知Perception—规划Planning—行动Action—观察Observation”的闭环就是 Agent 的核心运转方式。图 1 Agent 的感知—规划—行动—观察闭环大模型基于任务与历史观察进行规划通过 Function Calling 发起工具调用工具结果回填后再次进入规划循环直至产出最终答案。flowchart LR U[用户任务] -- P[感知与规划br/大模型理解意图、拆解步骤] P --|tool_calls 结构化指令| A[行动br/调用外部工具] A -- O[观察br/工具结果回填] O --|是否完成否| P O --|已完成| R[生成最终自然语言回答] R -- U style P stroke:#E58522,stroke-width:1.5px style A stroke:#3B7DD8,stroke-width:1.5px对初学者这一集建立的心智模型值回全部 12 分钟Agent 不是一个新模型而是一种使用模型的新方式——模型本身没变变的是它被套进了一个能与外部世界交互的循环。理解这点后面看到 Function Calling 代码时就不会把它当成孤立的 API 技巧而能认出它正是循环中行动环节的协议规范。四、第 3 集 · Agent 开发通用范式从一问一答到自主循环11 分 53 秒第 2 集回答是什么第 3 集回答怎么建。其核心是一条能力递进的阶梯第一级 · 一问一答用户提问模型仅凭参数中的知识直接回答无任何外部交互第二级 · 单工具调用模型在必要时调用一个外部函数查天气、查数据库这是 Function Calling 的最小应用形态第三级 · 多工具与多步循环模型把复杂任务自主拆解为子任务按依赖关系依次或并行调用多个工具每步观察结果再规划下一步——即业内常说的 **ReActReasoning Acting推理与行动交替**工作模式。这条阶梯与课程集数编排是一一对应的同构关系第 6–7 集教单工具调用这一级第 9 集多工具并联、第 10 集多工具串联是第三级上展开的两种拓扑第 15 集 MiniManus 的 WorkFlow则把完整多步循环落成工程代码。因此第 3 集堪称全课后半部分的目录页。学习时值得亲手画一遍这条阶梯到第 15 集再拿出来对照——架构图里每个模块都能在范式阶梯上找到位置这种理论伏笔在代码里回收的设计是本课程最讲究的地方。五、第 4 集 · 十二种主流开发工具一张地图而非一份作业17 分 24 秒17 分钟讲十二种工具、平均每种一分半节奏本身就说明态度这是全景扫描不是深度学习。点名的阵容至少包括 Dify、LangChain、LangGraph、OpenAI Agents SDK、AutoGen 和 MCP各占不同生态位工具类型 / 生态位典型特点LangChain老牌通用编排框架生态最全、集成最多也相对臃肿LangGraph图结构工作流框架主打状态化、可控的复杂 Agent 编排Dify低代码low-code平台把 Agent 搭建做成可视化拖拽上手快AutoGen微软多智能体multi-agent框架主打多个 Agent 对话协作OpenAI Agents SDK官方轻量开发套件轻量、与官方接口贴合MCP工具/数据接入协议Anthropic 提出统一模型如何连接外部工具与数据讨论度高课程的定位清醒且反焦虑要求建立两个认知这些工具本质都在做同一件事——增强和封装模型的 Agent 能力区别只在抽象层次、目标用户与生态绑定选型是项目驱动、而非潮流驱动——先摸透模型原生能力边界遇到具体项目时自然知道哪种工具的封装恰好补上你的缺口。这一集的正确用法是当字典收藏工作中遇到某个框架再回来翻对应片段定向补课比现在逐帧消化 17 分钟名词轰炸划算得多。六、隐藏主线前四集拆掉了新手的三堵墙把第 1–4 集连起来会发现它们在合力拆除新手学习 Agent 开发的三堵墙第一堵 · 选型墙——“模型那么多用哪个” 导论用 R1 与 V3-0324 的对比拆除Agent 开发选模型看的不是推理跑分而是原生 Function Calling 能力。第二堵 · 概念墙——“Agent 到底是什么” 第 2、3 集用大脑 手脚 循环心智模型与范式阶梯拆除。第三堵 · 工具墙——“框架那么多学哪个” 第 4 集用框架都是壳、底层才是核的立场拆除。三堵墙拆完通往第 5–10 集 Function Calling 核心技术的路就清干净了知道了为什么用 V3选型、要造的东西是什么概念、不用先学框架立场剩下的就是沉进去看模型裸机到底怎么调工具。这门课的组织逻辑不是知识点列表而是排除学习障碍——这是它区别于同类教程最明显的设计感。七、前四集速查表与观看建议集数标题时长核心产出建议倍速 / 动作1课程导学4:21V3/R1 选型、先底层后框架立场、MiniManus 功能清单原速或 1.25抄下功能清单当验收标准2大模型 Agent 智能体开发入门介绍12:07Agent 三要素与感知—规划—行动—观察循环小白原速、有基础 1.5用自己的话写一遍三要素3大模型 Agent 开发通用范式11:53三级范式阶梯问答/单工具/多步循环 ReAct原速手绘范式阶梯留到第 15 集对照4主流十二种 Agent 开发工具介绍17:24六大代表工具生态位地图1.5 倍速只收藏、不细学当工具地图八、自测清单四个问题检验地基看完前四集可用四个问题自测能不能一句话说清R1 和 V3-0324 在 Agent 开发上的分工能不能不查资料画出感知—规划—行动—观察循环能不能说出范式阶梯的三级分别对应课程哪几集被问该学 LangChain 还是 LangGraph时能不能给出先懂底层、再按项目选型的回答并解释为什么四题都过说明地基已打好可放心进入第 5 集有卡壳的回看对应集数即可——加起来也就 45 分钟是全课性价比最高的一段。九、FAQ 高频问答Q1DeepSeek-V3-0324 和 R1 做 Agent 到底怎么选看任务对工具调用的要求。需要稳定的 Function Calling、结构化输出、多工具编排等 Agent 执行类任务选原生支持工具调用的V3-0324通用模型需要复杂推理、数学、多步深度思考可选R1推理模型但 R1 原生不具备 Function Calling做 Agent 通常要额外封装。二者架构相同、部署方案可复用也可在系统中V3 负责执行、R1 负责规划推理混合使用。Q2Agent 和普通聊天机器人Chatbot的本质区别是什么聊天机器人只在模型参数范围内说无法影响外部世界Agent 能说还能做——它可以调用搜索、代码执行、数据库、业务 API 等外部工具并根据返回结果自主决定下一步。判别标志是是否存在工具调用与观察结果再决策的闭环。Q3感知—规划—行动—观察循环具体怎么转模型先感知用户任务与已有上下文感知把任务拆成步骤、决定用哪个工具规划发出结构化的工具调用指令行动系统执行后把结果回填观察模型据此判断是继续调工具还是输出最终答案未完成则回到规划如此循环。Function Calling 就是行动这一环的标准协议。Q4什么是 ReAct 范式ReAct Reasoning推理 Acting行动让模型交替进行思考下一步与调用工具每拿到一次工具结果就再思考、再行动直至完成。它对应范式阶梯的第三级多工具多步循环是绝大多数通用 Agent 的基础工作模式。Q5LangChain、LangGraph、Dify、AutoGen、MCP 有什么区别新手先学哪个它们不在同一层LangChain/LangGraph 是代码编排框架后者偏可控的图状工作流Dify 是低代码可视化平台AutoGen 偏多智能体协作MCP 是连接工具与数据的协议而非框架。新手不必先学任何一个——按本课程主张先掌握原生 Function Calling再按项目形态选快速搭原型用 Dify复杂可控流程用 LangGraph多 Agent 协作参考 AutoGen。Q6MCP 是什么它和 Function Calling 冲突吗不冲突是两层东西。Function Calling 是模型决定调哪个工具的原生能力MCPModel Context Protocol模型上下文协议是一套标准化应用如何接入外部工具与数据源的协议类似 AI 应用的统一接口常被比作USB-C。可以理解为Function Calling 解决会不会调MCP 解决工具怎么统一接进来。Q7理论集第 2–4 集零代码能不能直接跳到 Function Calling不建议。第 2、3 集建立的大脑—手脚—循环心智模型与范式阶梯是理解第 6–7 集 FC 循环、第 11 集 MiniManus 架构的前提跳过会导致代码都认识但不知为何这样写。第 4 集工具盘点则可只当地图、快速浏览。Q8零基础学 Agent 开发要什么基础这 45 分钟怎么看最高效最低门槛是Python 基础语法 看得懂 JSON 会调简单 HTTP APISQL 了解基础查询更佳但非必需。这 45 分钟建议第 1 集原速记功能清单、第 2–3 集原速并手绘循环图 范式阶梯、第 4 集 1.5 倍速当工具地图看完用本文第八节四问自测再进入第 5–10 集核心技术。十、资料来源与内容说明课程与配套哔哩哔哩 ·《DeepSeek 智能体开发实战从零手搓 MiniManus》课程页本篇可视化导论与 Agent 理论基础深挖系列总览可视化MiniManus 四阶段学习路线图延伸阅读DeepSeek API 官方文档V3 / R1 模型说明与 Function Calling 指南ReAct 范式原始论文ReAct: Synergizing Reasoning and Acting in Language Models, arXiv:2210.03629MCP 模型上下文协议官网LangChain 官方文档内容说明信息边界B 站页面公开可抓取的完整字幕仅含第 1 集导学第 2–4 集正文字幕未包含在页面数据中。因此本文第 1 集基于完整字幕逐句还原第 2–4 集基于课程标题、页面简介、导学明确披露的教学大纲以及 Agent 开发领域的标准知识体系ReAct、主流框架定位、MCP 官方资料整理个别细节以视频正片为准。前两个板块没有一行代码却完成了全课最重要的工作统一认知、排除噪音、立稳立场。导学用四分半讲清为什么用 V3-0324与先底层后框架两条主线理论三集把 Agent 的概念、范式与工具生态各立住一脚。真正的硬仗在下一板块——第 5–10 集 Function Calling 核心技术接入、原理、代码循环、NL2SQL/NL2Python、多工具并联与串联那才是这门课的地基工程也是系列深挖下一篇的主题。 DeepSeek Agent 开发（一）
DeepSeek Agent 开发一· 导论与理论基础深挖V3-0324 vs R1 选型、Agent 三要素与开发范式第 1–4 集一句话概览TL;DR这是《DeepSeek 智能体开发实战》17 集系列深挖的第一篇聚焦零代码的前 4 集约 45 分钟。导论第 1 集回答两个根本问题——为什么 Agent 开发选 DeepSeek-V3-0324 而不是推理更强的 R1答案Agent 能力看的是原生 Function Calling而非推理跑分以及为什么先吃透原生 API、再按项目选框架理论三集第 2–4 集则把 Agent 从营销热词还原成一个可拆解的工程对象大模型是大脑、外部工具是手脚、感知—规划—行动—观察循环是神经反射弧并给出从一问一答 → 单工具调用 → 多工具自主循环ReAct“的能力阶梯以及一张十二大开发框架生态地图。这 45 分钟定义了后面 13 集所有代码的调用约定”跳过它往往会陷入每行代码都认识、却不知道为什么这么写的消化不良。课程信息UP 主九天Hector《DeepSeek 智能体开发实战从零手搓 MiniManus》B 站共 17 集、约 3 小时 52 分钟已完结。本篇范围第 1–4 集导论 理论基础合计约 45 分 45 秒、代码含量为零。适合谁读准备跟这门课、或想系统理解 Agent 概念与技术选型的初学者与工程师。最后更新2026 年 10 月。模型能力与框架生态迭代较快具体选型以官方最新说明与实测为准。本文目录板块定位为什么最水的前四集反而最不能跳过第 1 集 · 导论的四个层次选型 / 比喻 / 方法论 / 项目预告第 2 集 · 把 Agent 还原成工程对象大脑 手脚 循环第 3 集 · Agent 开发通用范式从一问一答到自主循环第 4 集 · 十二种主流开发工具一张地图而非一份作业隐藏主线前四集拆掉了新手的三堵墙前四集速查表与观看建议自测清单四个问题FAQ 高频问答8 问资料来源与内容说明 配套可视化导论与 Agent 理论基础本文配有一张可交互的前四集知识图呈现 V3/R1 选型对比、Agent大脑—手脚—循环结构、开发范式三级阶梯与十二大工具生态位。在线查看可分享DeepSeek 智能体开发实战 · 导论与 Agent 理论基础深挖课程原页哔哩哔哩 BV1L3ZDYDEnE一、板块定位为什么最水的前四集反而最不能跳过很多人刷实战课的肌肉记忆是跳过片头、跳过理论、直接空降代码集数。这套打法在注水课里成立用在这门课上却会翻车——原因藏在时长结构里。第 1–4 集合计约 45 分 45 秒占全课约 20%代码含量为零。表面是低干货密度区但课程整体是倒金字塔设计第 6–7 集讲 Function Calling 原理与代码循环时默认你已接受先底层、后框架的方法论第 11 集讲 MiniManus 架构时默认你脑子里已装着第 3 集的开发范式图第 12–14 集实现三大函数组时默认你已理解第 2 集建立的大模型是大脑、工具是手脚心智模型。跳过前四集直接看代码结果往往是每行代码都认识连起来却不知道作者为什么这么写——这是实战课最常见也最隐蔽的消化不良。换个角度前四集是这门课的接口文档它不教你写实现却定义了后面 13 集所有代码的调用约定——什么是 Agent、为什么选这个模型、范式长什么样、工具生态在什么位置。花 45 分钟读完接口文档后面 3 个多小时的实现代码才真正属于你。二、第 1 集 · 导论的四个层次4 分 21 秒四分半的导学信息密度意外地高可拆成四层。2.1 技术选型为什么偏偏是 DeepSeek-V3-0324这是导学最硬核、也是整门课的技术地基。讲师开篇抛出一个反直觉选择明明 DeepSeek-R1 推理能力更出名为什么 Agent 开发课偏偏选 V3-0324答案在于 Agent 能力的定义所谓 Agent 能力指大模型识别、调用外部工具并规划工具执行流程的能力。R1 是推理特化模型强项是长**思维链CoTChain of Thought**的深度推理但本身不具备原生的 Function Calling 能力——让它调工具缺少机制层面的支持V3-0324 是通用对话模型原生具备完善的 Function Calling课程对其 Agent 能力评价很高“比肩 GPT-4.5、是当时全球 Agent 能力最强的开源模型之一”。一个值得留意的工程细节V3 与 R1 模型架构完全相同因此 V3 可直接复用 R1 的部署方案、部署到已有硬件嫌本地部署麻烦也可直接调在线 API。这是在刻意压低工程门槛——一门 4 小时实战课最大的弃课原因往往不是听不懂而是环境搭不起来导学用一分钟排掉了这个雷低配硬件走在线 API 或本地小模型均可。2.2 钢筋混凝土比喻模型能力如何改写工程方式过去国产模型普遍 Agent 性能不足开发者想搭一个能用的智能体必须编写大量低效工程代码去补模型短板额外的提示词约束、繁琐的输出解析、层层叠叠的重试与兜底逻辑。这好比想搭桥却只有木头和绳索——桥不是不能搭但要不断加支撑、加固、维护复杂低效。模型原生 Agent 能力上来后相当于建材从木头绳索升级成钢筋混凝土同样的桥可以直接搭而且更稳。其工程含义深刻Agent 开发中相当一部分框架代码本质是在为模型能力打补丁补丁的价值会随模型升级而贬值而对底层机制的理解不会。这正是课程押注原生 API 教学的原因——模型会迭代、框架会过时但模型如何决策并调用工具这套机制短期内是稳定资产。2.3 方法论宣言先懂马再配鞍导学一句话定义了本课与框架速成课的路线分歧“好马配好鞍但得先熟悉模型原始的 Agent 性能才能根据项目需求找到最合适的开发框架。”2025 年前后 Agent 概念爆火市面同时存在十几个主流框架新手面对 LangChain、LangGraph、Dify、AutoGen、MCP 很容易陷入选择瘫痪而大量课程直接选一个框架教 API 调用。本课反其道而行无论哪种 Agent 框架本质都是增强模型的 Agent 能力先把模型裸机的 Function Calling 摸透框架就从需要学习的知识降级为需要挑选的工具——这是两种完全不同的认知地位。熟悉底层 Function Calling 实现流程后Dify、LangChain、LangGraph、Agents SDK、AutoGen、MCP 背后的技术逻辑都能一目了然。2.4 MiniManus 功能预告后面 13 集的作业清单导学最后是项目路演也是整门课的需求文档。MiniManus 对标当时爆火的 Manus——课程判断自 Manus 以来能解决各类问题的通用型智能体已成为企业大模型落地的最佳参考方案。课程承诺从源码级底层 API 手搓一个具备 Manus 基础功能的迷你版四组工具能力联网搜索、本地文件管理、Python 代理、SQL 代理三项系统级特性多工具并行调用、复杂问题拆解、自动 debug典型应用操作浏览器取数、撰写类似 Deep Research深度研究的长报告、自动连接本地 Python 环境与数据库完成数据提取/清洗/机器学习建模、一句话生成图文并茂且数据准确的数据分析报告。该项目可写进简历讲师明确支持亦有学员约 3 小时 50 分钟从零复现并跑通并行调用。三、第 2 集 · 把 Agent 还原成工程对象大脑 手脚 循环12 分 07 秒“Agent是近年被滥用最严重的技术词之一十个人能给出十个定义。第 2 集的作用是消毒”把它从营销语境捞出来还原成可拆解、可编码、可测试的工程对象。一个智能体的最小完整结构包含三要素大脑作为决策核心的大模型LLM手脚一组可调用的外部工具搜索、代码执行、数据库、API 等神经反射弧驱动二者协同的执行循环。用户给出自然语言任务后模型理解意图、规划步骤、判断当前需要哪个工具并生成结构化调用指令工具执行完毕结果回填给模型模型观察结果决定是继续调用下一个工具还是已可生成最终答案。这个“感知Perception—规划Planning—行动Action—观察Observation”的闭环就是 Agent 的核心运转方式。图 1 Agent 的感知—规划—行动—观察闭环大模型基于任务与历史观察进行规划通过 Function Calling 发起工具调用工具结果回填后再次进入规划循环直至产出最终答案。flowchart LR U[用户任务] -- P[感知与规划br/大模型理解意图、拆解步骤] P --|tool_calls 结构化指令| A[行动br/调用外部工具] A -- O[观察br/工具结果回填] O --|是否完成否| P O --|已完成| R[生成最终自然语言回答] R -- U style P stroke:#E58522,stroke-width:1.5px style A stroke:#3B7DD8,stroke-width:1.5px对初学者这一集建立的心智模型值回全部 12 分钟Agent 不是一个新模型而是一种使用模型的新方式——模型本身没变变的是它被套进了一个能与外部世界交互的循环。理解这点后面看到 Function Calling 代码时就不会把它当成孤立的 API 技巧而能认出它正是循环中行动环节的协议规范。四、第 3 集 · Agent 开发通用范式从一问一答到自主循环11 分 53 秒第 2 集回答是什么第 3 集回答怎么建。其核心是一条能力递进的阶梯第一级 · 一问一答用户提问模型仅凭参数中的知识直接回答无任何外部交互第二级 · 单工具调用模型在必要时调用一个外部函数查天气、查数据库这是 Function Calling 的最小应用形态第三级 · 多工具与多步循环模型把复杂任务自主拆解为子任务按依赖关系依次或并行调用多个工具每步观察结果再规划下一步——即业内常说的 **ReActReasoning Acting推理与行动交替**工作模式。这条阶梯与课程集数编排是一一对应的同构关系第 6–7 集教单工具调用这一级第 9 集多工具并联、第 10 集多工具串联是第三级上展开的两种拓扑第 15 集 MiniManus 的 WorkFlow则把完整多步循环落成工程代码。因此第 3 集堪称全课后半部分的目录页。学习时值得亲手画一遍这条阶梯到第 15 集再拿出来对照——架构图里每个模块都能在范式阶梯上找到位置这种理论伏笔在代码里回收的设计是本课程最讲究的地方。五、第 4 集 · 十二种主流开发工具一张地图而非一份作业17 分 24 秒17 分钟讲十二种工具、平均每种一分半节奏本身就说明态度这是全景扫描不是深度学习。点名的阵容至少包括 Dify、LangChain、LangGraph、OpenAI Agents SDK、AutoGen 和 MCP各占不同生态位工具类型 / 生态位典型特点LangChain老牌通用编排框架生态最全、集成最多也相对臃肿LangGraph图结构工作流框架主打状态化、可控的复杂 Agent 编排Dify低代码low-code平台把 Agent 搭建做成可视化拖拽上手快AutoGen微软多智能体multi-agent框架主打多个 Agent 对话协作OpenAI Agents SDK官方轻量开发套件轻量、与官方接口贴合MCP工具/数据接入协议Anthropic 提出统一模型如何连接外部工具与数据讨论度高课程的定位清醒且反焦虑要求建立两个认知这些工具本质都在做同一件事——增强和封装模型的 Agent 能力区别只在抽象层次、目标用户与生态绑定选型是项目驱动、而非潮流驱动——先摸透模型原生能力边界遇到具体项目时自然知道哪种工具的封装恰好补上你的缺口。这一集的正确用法是当字典收藏工作中遇到某个框架再回来翻对应片段定向补课比现在逐帧消化 17 分钟名词轰炸划算得多。六、隐藏主线前四集拆掉了新手的三堵墙把第 1–4 集连起来会发现它们在合力拆除新手学习 Agent 开发的三堵墙第一堵 · 选型墙——“模型那么多用哪个” 导论用 R1 与 V3-0324 的对比拆除Agent 开发选模型看的不是推理跑分而是原生 Function Calling 能力。第二堵 · 概念墙——“Agent 到底是什么” 第 2、3 集用大脑 手脚 循环心智模型与范式阶梯拆除。第三堵 · 工具墙——“框架那么多学哪个” 第 4 集用框架都是壳、底层才是核的立场拆除。三堵墙拆完通往第 5–10 集 Function Calling 核心技术的路就清干净了知道了为什么用 V3选型、要造的东西是什么概念、不用先学框架立场剩下的就是沉进去看模型裸机到底怎么调工具。这门课的组织逻辑不是知识点列表而是排除学习障碍——这是它区别于同类教程最明显的设计感。七、前四集速查表与观看建议集数标题时长核心产出建议倍速 / 动作1课程导学4:21V3/R1 选型、先底层后框架立场、MiniManus 功能清单原速或 1.25抄下功能清单当验收标准2大模型 Agent 智能体开发入门介绍12:07Agent 三要素与感知—规划—行动—观察循环小白原速、有基础 1.5用自己的话写一遍三要素3大模型 Agent 开发通用范式11:53三级范式阶梯问答/单工具/多步循环 ReAct原速手绘范式阶梯留到第 15 集对照4主流十二种 Agent 开发工具介绍17:24六大代表工具生态位地图1.5 倍速只收藏、不细学当工具地图八、自测清单四个问题检验地基看完前四集可用四个问题自测能不能一句话说清R1 和 V3-0324 在 Agent 开发上的分工能不能不查资料画出感知—规划—行动—观察循环能不能说出范式阶梯的三级分别对应课程哪几集被问该学 LangChain 还是 LangGraph时能不能给出先懂底层、再按项目选型的回答并解释为什么四题都过说明地基已打好可放心进入第 5 集有卡壳的回看对应集数即可——加起来也就 45 分钟是全课性价比最高的一段。九、FAQ 高频问答Q1DeepSeek-V3-0324 和 R1 做 Agent 到底怎么选看任务对工具调用的要求。需要稳定的 Function Calling、结构化输出、多工具编排等 Agent 执行类任务选原生支持工具调用的V3-0324通用模型需要复杂推理、数学、多步深度思考可选R1推理模型但 R1 原生不具备 Function Calling做 Agent 通常要额外封装。二者架构相同、部署方案可复用也可在系统中V3 负责执行、R1 负责规划推理混合使用。Q2Agent 和普通聊天机器人Chatbot的本质区别是什么聊天机器人只在模型参数范围内说无法影响外部世界Agent 能说还能做——它可以调用搜索、代码执行、数据库、业务 API 等外部工具并根据返回结果自主决定下一步。判别标志是是否存在工具调用与观察结果再决策的闭环。Q3感知—规划—行动—观察循环具体怎么转模型先感知用户任务与已有上下文感知把任务拆成步骤、决定用哪个工具规划发出结构化的工具调用指令行动系统执行后把结果回填观察模型据此判断是继续调工具还是输出最终答案未完成则回到规划如此循环。Function Calling 就是行动这一环的标准协议。Q4什么是 ReAct 范式ReAct Reasoning推理 Acting行动让模型交替进行思考下一步与调用工具每拿到一次工具结果就再思考、再行动直至完成。它对应范式阶梯的第三级多工具多步循环是绝大多数通用 Agent 的基础工作模式。Q5LangChain、LangGraph、Dify、AutoGen、MCP 有什么区别新手先学哪个它们不在同一层LangChain/LangGraph 是代码编排框架后者偏可控的图状工作流Dify 是低代码可视化平台AutoGen 偏多智能体协作MCP 是连接工具与数据的协议而非框架。新手不必先学任何一个——按本课程主张先掌握原生 Function Calling再按项目形态选快速搭原型用 Dify复杂可控流程用 LangGraph多 Agent 协作参考 AutoGen。Q6MCP 是什么它和 Function Calling 冲突吗不冲突是两层东西。Function Calling 是模型决定调哪个工具的原生能力MCPModel Context Protocol模型上下文协议是一套标准化应用如何接入外部工具与数据源的协议类似 AI 应用的统一接口常被比作USB-C。可以理解为Function Calling 解决会不会调MCP 解决工具怎么统一接进来。Q7理论集第 2–4 集零代码能不能直接跳到 Function Calling不建议。第 2、3 集建立的大脑—手脚—循环心智模型与范式阶梯是理解第 6–7 集 FC 循环、第 11 集 MiniManus 架构的前提跳过会导致代码都认识但不知为何这样写。第 4 集工具盘点则可只当地图、快速浏览。Q8零基础学 Agent 开发要什么基础这 45 分钟怎么看最高效最低门槛是Python 基础语法 看得懂 JSON 会调简单 HTTP APISQL 了解基础查询更佳但非必需。这 45 分钟建议第 1 集原速记功能清单、第 2–3 集原速并手绘循环图 范式阶梯、第 4 集 1.5 倍速当工具地图看完用本文第八节四问自测再进入第 5–10 集核心技术。十、资料来源与内容说明课程与配套哔哩哔哩 ·《DeepSeek 智能体开发实战从零手搓 MiniManus》课程页本篇可视化导论与 Agent 理论基础深挖系列总览可视化MiniManus 四阶段学习路线图延伸阅读DeepSeek API 官方文档V3 / R1 模型说明与 Function Calling 指南ReAct 范式原始论文ReAct: Synergizing Reasoning and Acting in Language Models, arXiv:2210.03629MCP 模型上下文协议官网LangChain 官方文档内容说明信息边界B 站页面公开可抓取的完整字幕仅含第 1 集导学第 2–4 集正文字幕未包含在页面数据中。因此本文第 1 集基于完整字幕逐句还原第 2–4 集基于课程标题、页面简介、导学明确披露的教学大纲以及 Agent 开发领域的标准知识体系ReAct、主流框架定位、MCP 官方资料整理个别细节以视频正片为准。前两个板块没有一行代码却完成了全课最重要的工作统一认知、排除噪音、立稳立场。导学用四分半讲清为什么用 V3-0324与先底层后框架两条主线理论三集把 Agent 的概念、范式与工具生态各立住一脚。真正的硬仗在下一板块——第 5–10 集 Function Calling 核心技术接入、原理、代码循环、NL2SQL/NL2Python、多工具并联与串联那才是这门课的地基工程也是系列深挖下一篇的主题。