Hugging Face Agents Course 快速上手3 步装好环境并构建你的第一个 AI 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-courseHugging Face Agents Courseagents-course是 Hugging Face 开源的 AI Agent 课程内容从 Agent 概念讲到 smolagents、LangGraph、LlamaIndex 的实战最后以基准测试收尾。面向会写基础 Python 的读者照本文跟做后你将拥有一个可运行的课程环境并能开始 Unit 1 的第一个 Agent。 第 1 步克隆课程并安装最小依赖git clone https://gitcode.com/GitHub_Trending/ag/agents-course这条命令把课程仓库拉到本地units/ 目录下的 mdx 文件就是各单元的课程正文。cd agents-course python -m venv agents-env source agents-env/bin/activate第一行进入课程目录第二行创建虚拟环境并立即激活让课程依赖不污染你机器上的全局 Python。课程声明的核心依赖在 quiz/pyproject.toml 里直接安装这 4 个包即可pip install datasets3.2.0 huggingface-hub0.27.1 ipykernel6.29.5 requests2.32.3四个包分别负责读取课程数据、访问 Hub、注册 Jupyter 内核和发起 HTTP 请求装齐后课程主流程就能跑。✅ 第 2 步用 2 条命令验证环境python --version输出应为 3.11 或更高这是课程要求的最低 Python 版本。python -c import ipykernel, requests, huggingface_hub, datasets没有任何报错说明 4 个核心依赖全部就位Jupyter 内核也已注册可以放心打开 Notebook。 第 3 步用 smolagents 跑通第一个 Agent先安装课程主打的轻量框架pip install smolagents[all]smolagents 用代码块执行动作、用运行结果做观察all 附加项会一并装上常用工具。然后按 units/en/unit1/tutorial.mdx 的官方教程操作复制课程提供的 Agent 模板 Space填入你的模型 Token补全 app.py 里的工具定义就能看到 Agent 完成图片生成、网页搜索这类任务。教程里每一步都有截图说明跟着做即可。按需加料本地模型与其他框架用 Ollama 跑本地模型不想依赖云端 API 的话从 Ollama 官网下载安装后执行ollama pull qwen2:7b这条命令把 7B 参数的模型下载到本地。onboarding 章节 给了完整示例用 smolagents 的 LiteLLMModel 指向 127.0.0.1:11434 的本地接口代码不用其他改动。学到对应单元再装框架Unit 2 分三章讲三个框架目录见 units/en/unit2/。建议学到哪章装哪个避免一次装多套依赖冲突pip install langgraph langchain-openai llama-index-llms-huggingface-api llama-index-embeddings-huggingface这是 LangGraph 与 LlamaIndex 两条线常用的包组合按需取舍。排错常见问题怎么处理依赖冲突。重建虚拟环境重新安装不要试图在旧环境里逐个回退版本。下载慢或超时。给 pip 配置一个镜像索引源后重试命令行加-i参数指定镜像地址即可。smolagents 导入失败。先确认当前在虚拟环境里再升级 pippip install -U pip多数情况是内核或构建工具过旧。下一步清单python --version输出 3.112 条验证命令均无报错smolagents 安装成功教程里的第一个 Agent 跑通一次确定模型来源本地 Ollama 或云端 Token并完成一次简单调用打开 units/en/_toctree.yml 通读单元目录排好学习顺序进入 units/en/unit1/ 开始正式课程【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
