三步装完并跑通你的第一个 AI Agent：Hugging Face Agents Course 完整安装指南
【免费下载链接】agents-courseThis repository contains the Hugging Face Agents Course.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-course
Hugging Face Agents Course 是一门免费的开源 AI Agent 系统课程，从概念入门一路讲到 smolagents、LlamaIndex、LangGraph 三大框架实战。本指南带你用三步完成环境搭建：克隆仓库、建虚拟环境、装依赖，验证通过后即可进入 Unit 0 开始正式学习。
跑起来之后你能得到什么 🚀
这门课的价值在于"从零到认证"的完整路径，你不需要自己拼凑资料：
- 完整知识路径：Unit 0 到 Unit 4 五大单元，外加 3 个加餐单元，完整章节顺序见 units/en/_toctree.yml
- 可运行的 Agent：Unit 1 的教程会带你用 smolagents 从零写出第一个 Agent，产出就是能跑的代码
- 三大框架实战：Unit 2 分三节深入 smolagents、LlamaIndex、LangGraph，各框架分别讲清适用场景并动手
- RAG 实战项目：Unit 3 做一个 Agentic RAG 案例，让 Agent 会检索、会用工具回答复杂问题
- 课程认证：Unit 4 在 GAIA 基准上测试你的 Agent，通过即可获得证书，流程见 units/en/unit4/get-your-certificate.mdx
⚠️ 前置要求：会基础 Python 语法、对 LLM 有初步认识（来自课程 README），其余交给本指南。
五分钟上手
环境自查
装之前先花一分钟确认三件事，任何一项不达标都会让后续报错：
| 依赖项 | 要求 | 确认命令 |
|---|---|---|
| Python | ≥ 3.11（quiz/pyproject.toml 声明requires-python = ">=3.11"） | python --version |
| git | 已安装，任意较新版本 | git --version |
| 网络 | 可访问 PyPI 与 Hugging Face | 直接执行下面的安装命令即可验证 |
安装
以下三条命令连续执行即可完成全部准备，版本号约束来自项目配置，不要省略。
第一条，克隆课程仓库：
git clone https://gitcode.com/GitHub_Trending/ag/agents-course预期结果：当前目录下生成agents-course文件夹，内含units/（课程内容）、quiz/（测验工具）等子目录。
第二条，进入仓库并创建、激活虚拟环境，隔离依赖避免污染系统 Python：
cd agents-course && python -m venv agents-env && source agents-env/bin/activate预期结果：命令行提示符前出现(agents-env)。Windows PowerShell 用户改用agents-env\Scripts\Activate.ps1激活。
第三条，安装核心依赖与第一个实操单元要用的 Agent 框架：
pip install "datasets>=3.2.0" "huggingface-hub>=0.27.1" "ipykernel>=6.29.5" "requests>=2.32.3" "smolagents[all]"预期结果：所有包显示Successfully installed，无红色报错。
验证是否跑通 ✅
一条命令确认四个核心包都能正常导入：
python -c "import datasets, huggingface_hub, ipykernel, requests; print('Agents Course 依赖就绪')"看到Agents Course 依赖就绪即表示环境可用。然后立即打开第一个入口文件 units/en/unit0/introduction.mdx，按课程引导完成账号注册与社区加入，即可开始正式学习。
学习路线图
按表格顺序推进即可，每单元自带测验与总结，可按单元独立安排时间：
| 单元 | 内容 | 产出 |
|---|---|---|
| Unit 0 | 课程入门：注册账号、加入 Discord 社区 | 完成课程注册 |
| Unit 1 | Agent 是什么、LLM 充当"大脑"、思考-行动-观察循环 | 用 smolagents 写出你的第一个 Agent |
| Bonus 1 | 微调模型支持函数调用（Function Calling） | 微调过的模型 |
| Unit 2 | smolagents / LlamaIndex / LangGraph 三节框架实战 | 三个框架各自的运行示例 |
| Bonus 2 | Agent 可观测性与评估 | 可追踪、可评估的 Agent |
| Unit 3 | Agentic RAG：检索 + 工具整合 | 会回答复杂问题的 RAG Agent |
| Bonus 3 | 宝可梦对战游戏 Agent | 能自主对战的游戏 Agent |
| Unit 4 | GAIA 基准最终项目 | 课程认证证书 |
踩坑速查
| 现象 | 原因 | 一条命令解决 |
|---|---|---|
pip install报requires Python >=3.11 | 系统默认 Python 版本过低 | python3.11 -m venv agents-env用高版本解释器重建虚拟环境 |
source: command not found | 在 Windows CMD 中用了 Linux/macOS 语法 | PowerShell 中执行agents-env\Scripts\Activate.ps1激活 |
| 安装依赖长时间无响应或超时 | 直连 PyPI 速度慢 | pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ datasets huggingface-hub换镜像源 |
| Notebook 找不到内核、无法运行 | ipykernel 未注册到虚拟环境 | python -m ipykernel install --user --name agents-env注册内核 |
学完之后
- 社区答疑：课程 README 提供官方 Discord 入口，卡住时先搜历史帖子再去提问
- 进阶路径：Unit 2 三框架学完后，直接进入 Unit 3 的 Agentic RAG 实战，再挑战 Unit 4 的 GAIA 最终项目拿认证；结业后 units/en/unit4/additional-readings.mdx 列出后续学习方向
- 可选加餐：对函数调用微调或 Agent 评估感兴趣，加学 Bonus Unit 1 和 Bonus Unit 2；喜欢游戏场景就看 Bonus Unit 3
下一步动作：现在打开 units/en/unit0/introduction.mdx 完成注册，接着到 units/en/unit1/tutorial.mdx 写出你的第一个 Agent。
【免费下载链接】agents-courseThis repository contains the Hugging Face Agents Course.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-course
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
