Summer is coming..是时候学习点知识了，我将尝试在这个夏天完成系列文章撰写 “以 Agno 为例，以七个模块分别介绍 AI Agent 入门的基础知识”，同时配有大量的实践代码，欢迎大家一起讨论交流。

如果你对该话题感兴趣，不妨关注我。

第一篇：学会调用模型和工具

准备工作

• • 默认使用 Mac 电脑，代码在 Windows 也可以正常运行

• • IDE 使用 Vscode \ Trae | Cursor ，可以免费使用 Claude 3.7 模型

• • Python 3.10.x 以上版本

智能体框架 Agno

Agno 是一个专为构建多模态智能体而设计的轻量级 Python 库。它旨在为开发者提供一种简单、高效且灵活的方式来创建智能体，满足多样化的应用需求。与传统框架相比，Agno 的优势显著。

在智能体创建速度上，Agno 比 LangGraph 快约10000倍，极大缩短了开发周期。

Agno 的无依赖性架构，使其不依赖任何特定模型、提供商或模态，赋予开发者更大的选择自由。

更多关于 Agno 的文档：https://docs.agno.com/

安装 Agno

1. 1. 创建虚拟环境

python3 -m venv ~/.venvs/agno
source ~/.venvs/agno/bin/activate

1. 2. 安装 agno

pip install -U agno
pip isntall -U ollama
pip install -U baidusearch
pip install -U pycountry

本地启动大模型

使用 Ollama 启动本地大模型，Ollama 是一个开源工具，支持快速部署和运行大预言模型，安装地址：https://ollama.com/

ollama run qwen3

执行上面命令会自动从 Ollama 下载安装 Qwen 大模型，等安装完之后可以在命令行直接向 Qwen 提问：

 

编写代码

• • 创建文件 1-basic.py，把下面的代码复制到里面：

from agno.agent import Agent, RunResponse
from agno.models.ollama import Ollama

agent = Agent(
    model=Ollama(id="qwen3:8b"),
    markdown=True
)

# Print the response in the terminal
agent.print_response("你是谁？")

这个代码比较简单，首先创建了一个 agent 实例，参数是本地模型 ID，第二个参数是以 Markdown 格式交互数据。最后这是向大模型问了一个问题。

• • 执行 python 1-basic.py运行结果如下：

 

上述是一个简单的调用本地大模型的流程，如果你本地没有模型，也可以通过 API 授权的方式调用远程模型。

调用工具

现在我们完善下代码，添加调用工具的代码，本案例中将使用百度搜索引擎搜索结果并传递给大模型：

from agno.agent import Agent, RunResponse
from agno.models.ollama import Ollama
from agno.tools.baidusearch import BaiduSearchTools

agent = Agent(
    model=Ollama(id="qwen3:8b"),
    tools=[BaiduSearchTools()],
    description="You are a search agent that helps users find the most relevant information using Baidu.",
    instructions=[
        "Respond in Chinese.",
        "Given a topic by the user, respond with the 3 most relevant search results about that topic.",
        "Search in Chinese.",
    ],
    show_tool_calls=True,
)

agent.print_response("2025年北京高考的语文作文题是啥？", markdown=True)

代码解释：

 

第5到15航，定义了 Agent，其中：

• • 模型使用了 Qwen3 模型，这是阿里开元的一个多模态大语言模型，而 Ollama 是一个开源工具，支持快速部署和运行大预言模型。

• • Agent 的核心是模型自主使用工具，这里的工具我们使用了百度搜索引擎。

• • Description 和 Instructions 定义了该 Agent 的行为模型（系统提示词）

• • show_tool_calls 让我们能方便观测到 Agent 是否进行工具调用。

定义好 Agent 后，就可以使用 print_response 函数让 Agent 执行我们的任务了，这里给的任务是 “2025年北京高考的语文作文题是啥？”，显然模型需要联网搜索，才能给出答案。于是模型自主调用了百度搜索工具。Markdown=True 是让模型以 Markdown 格式输出，有利于我们阅读。

执行结果：

 

总结

使用 Agno 框架，可以方便的构建智能体。智能体的核心是大模型自主调用工具，完成指定任务。

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

 

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓