17
篇教程
5,385
行内容
4
个阶段
50+
代码示例
hello.py
from agno.agent import Agent
from agno.models.openai import OpenAIChat
agent = Agent(model=OpenAIChat(id="gpt-4o-mini"))
agent.print_response("Hello, Agno!")
学习路径
按阶段循序渐进,每篇都可独立阅读
1
入门篇
从零开始,搭建第一个 Agent
2
核心能力篇
掌握 Agent 的核心特性
04
05
06
07
08
09
指令的艺术:让 Agent 听话又聪明
一句话总结:同一个模型,指令写得好不好,直接决定了 Agent 是"实习生"还是"高级工程师"。
会话与持久化:让 Agent 有记性
一句话总结:用 session_id 管理对话上下文,用 SqliteDb 把对话存下来,Agent 重启也不会失忆。
记忆系统:让 Agent 真正"认识"用户
一句话总结:用 MemoryManager 让 Agent 跨越所有会话记住用户的偏好和信息,从"有记性"进化到"有记忆"。
知识库与 RAG:让 Agent 基于你的数据回答
一句话总结:用 Knowledge + 向量数据库把你的文档灌进去,Agent 就能基于你的数据回答问题,而不是瞎编。
安全护栏:给 Agent 加上"红线"
一句话总结:用 pre_hooks 拦截危险输入,用 post_hooks 过滤不当输出,让你的 Agent 在安全边界内干活。
钩子与生命周期:精细控制 Agent 行为
一句话总结:用 pre_hooks 在 Agent 处理前拦截输入,用 post_hooks 在响应后做验证和记录,用 tool_hooks 给工具调用加中间件 -- 像 Web 框架的 middleware 一样控制 Agent 的每个阶段。
3
进阶篇
多 Agent 协作与高级模式
10
11
12
13
14
多 Agent 协作:Team 的四种模式
一句话总结:当一个 Agent 搞不定的时候,组个团队 -- Agno 的 Team 提供四种协作模式,覆盖从路由分发到自主任务拆解的全部场景。
Team 进阶:知识共享、记忆传递与嵌套团队
一句话总结:Team 不只是把 Agent 凑一起,还能共享知识库、传递上下文记忆、甚至把子团队当成员用,搭出真正复杂的协作体系。
Workflow:流水线式任务编排
一句话总结:Workflow 让你把多个 Agent 串成流水线,每一步的输出自动成为下一步的输入,执行顺序明确、数据流清晰。
推理能力:让 Agent "想清楚再回答"
一句话总结:通过 `reasoning=True`、`reasoning_model` 和 `ReasoningTools` 三种方式,让 Agent 从"脱口而出"升级为"深思熟虑"。
学习系统:让 Agent 越用越聪明
一句话总结:用 LearningMachine 让 Agent 从每次对话中提取模式、洞察和最佳实践,随着使用次数增多而不断进化。
4
生产实战篇
上线前的最后一公里
15
16
17
模型切换:一套代码,多种模型
一句话总结:Agno 把模型抽象成了一个参数,换模型就是换一行代码的事 -- 从 OpenAI 到 Claude 到本地 Ollama,业务逻辑一个字不用改。
评估与测试:如何知道 Agent 好不好用
一句话总结:传统软件可以断言输入输出,但 Agent 的回答天生不确定 -- 你需要用断言检查、关键词匹配、工具调用验证、甚至用另一个 Agent 当裁判,才能系统性地衡量 Agent 的质量。
综合实战:从零构建一个 AI 研究助手
一句话总结:把前 16 篇学到的所有概念(Agent、Tools、Knowledge、Memory、Structured Output、Team)串成一个完整项目,从零搭出一个真正能用的 AI 研究助手。