从基础到突破：我在 Kaggle Google AI Agents 强化训练中的旅程
Source: Dev.to
我的 AI 代理强化学习之旅
当我加入 Kaggle × Google AI Agents Intensive 时，我只对代理有基本的了解——仅仅是术语层面。我想在职业上成长，参与前沿技术，并在 Kaggle 和 Google 等平台上获得认可。我没有预料到这为期五天的项目会如此改变我。
课程期间我的转变
每个模块都在前一个的基础上构建，但有一个概念改变了一切：代理架构，尤其是 Orchestrator（协调者） 的理念。
- 课程之前，我把代理视为孤立的工具。
- 现在我把它们看作在中心智能指引下协同工作的专才，中心智能负责管理记忆、推理和工作流。
“恍然大悟”的时刻出现在毕业项目中，当我构建的 notebook 开始无缝地将多个代理串联起来时。每个代理表现不同，独立推理，却形成了一个统一的系统。
我跟随每个 notebook 和指南，深入学习材料。每当产生疑问，我都可以回到结构化的解释中，把复杂概念转化为直观的理解。
我获得的技能
我培养的两项核心技能是：
- 多代理工作流设计
- LangGraph 与协同代理系统
我还克服了一个重要的误解：我曾认为代理行为难以解释。构建自己的系统后，我明白只要架构得当，代理既可预测、可控，又极具威力。
我的毕业项目 — LearnLytics 2.0
AI 驱动的学生学习行为分析器
一个多代理流水线，能够：
- 清洗凌乱的教育数据
- 提取洞察
- 生成 SQL
- 预测学生成绩
目标虽简单却意义重大：帮助教育者更早、更有效地了解并支持学生。最大挑战在于决定使用哪些代理以及如何协调它们。架构确定后，系统仿佛有了生命——每个代理都为拼图贡献自己的部分。
该项目还强化了我之前发表的 IEEE 论文；代理概念的引入让我们的研究更具可扩展性和智能化。
资源
- Kaggle Notebook:
- GitHub Repository:
- YouTube Demo:
构建过程中的收获
我意识到每个代理都有自己的“性格”，这会影响它处理信息和与其他代理交互的方式。
我的下一步
这个项目只是起点。我计划使用 Vertex AI Agent Engine 部署整个系统，打造面向学校、学院和教育者的真实产品。由于毕业项目已经解决了真实世界的问题，将其投入生产是自然而然的下一步。
给未来参与者的寄语
这次强化训练是一次难得的机会，让你深入、动手体验 AI 代理。大胆投入，进行实验，让协同架构重新塑造你对 AI 系统的认知。
最终感想
AI Agents Intensive 给我的不仅是技能——更是清晰、信心和方向。我从基础知识起步；现在能够设计、协调并构建真实的多代理系统。我已准备好迎接下一个层级。