我的5天AI Agents之旅 🚀

Source: Dev.to

Introduction

我参加了 Google 与 Kaggle 合作的 5 天 AI 代理密集课程，旨在了解现代 AI 代理的工作原理以及它们如何用于解决真实世界的问题。

在此课程之前，我只使用过简单的聊天机器人。完成课程后，我学会了构建 具备工具、记忆和工作流的真实多代理系统。

这就是我的学习历程和项目反思。

🗓️ Day 1 – From Prompts to Real Agents

What I learned

• 聊天机器人与 AI 代理 的区别
• 代理可以执行动作，而不仅仅是回复
• 基本的代理架构

My reflection

这是我最大的思维转变。我了解到代理并非仅仅是“聪明的回复”——它们是能够 思考、决策并采取行动 的系统。

🛠️ Day 2 – Agent Tools & Interoperability

What I learned

• 代理如何使用 工具（函数 / API）
• 工具帮助代理与外部系统交互
• 安全使用工具的最佳实践

My application

我创建了 预约工具，使我的代理能够：

• 创建新的医院预约
• 从 CSV 数据库中获取已有预约详情

这让我的代理感觉像一个真正可工作的系统。

🧠 Day 3 – Sessions & Memory (Context Engineering)

What I learned

• 代理如何记住对话
• 会话处理与记忆存储
• 为什么记忆让代理更具人性化

My implementation

我将主代理与以下组件连接：

• InMemorySessionService
• InMemoryMemoryService

现在我的医院代理能够 在会话期间记住用户上下文。

✅ Day 4 – Agent Quality & Observability

What I learned

• 如何衡量代理质量
• 可观测性：追踪代理的思考和行为
• 为什么评估在生产环境中的代理至关重要

My reflection

这一天帮助我认识到，构建代理不仅仅是实现功能——更是关于 信任、可靠性和安全。

🚀 Day 5 – Multi‑Agent System (Agent2Agent)

What I learned

• 代理之间如何相互通信
• Agent2Agent（A2A）架构
• 如何部署代理

My capstone implementation

我构建了一个 多代理医院系统：

• 远程预约代理 – 处理 CSV 数据
• 医院编排代理 – 与用户交互并调用远程代理

这种设计使系统具备可扩展性和模块化。

🏥 My Capstone Project – Hospital Appointment AI Agent

Project Idea

许多医院仍在使用手工预约系统。我构建了一个 AI 代理系统，能够：

• 预约挂号
• 根据时间自动分配诊室
• 即时获取预约详情

Architecture

User → Orchestrator Agent → Remote Appointment Agent → CSV Database

该架构帮助我理解了 真实场景下的代理系统设计。

🎯 Key Learnings

• 代理是 行动驱动 的，而不仅仅是聊天驱动
• 工具让代理成为真正的应用程序
• 记忆和会话创造个性化体验
• 多代理系统强大且可扩展

🙏 Gratitude

衷心感谢 Google 与 Kaggle 组织的这场精彩的 5 天 AI 代理密集课程。它为我提供了动手实践的机会，也让我有信心构建真实的 AI 代理系统。这门课程改变了我对 AI 的看法——从简单的聊天机器人到智能的自主系统。

🔮 If I Had More Time

• 为代理添加语音支持
• 构建 Web UI 仪表盘
• 与真实的医院 API 对接
• 增加身份验证和安全层

Final Thoughts

这门课程不仅是学习——更是 构建、实验与成长。我期待继续在 Agentic AI 的道路上前行。

Thank you! 🚀