我在 Kaggle 上的 5 天 AI Agents 课程体验

Source: Dev.to

Overview

在过去的一周里，我参加了 Kaggle 的 5 天 AI 代理课程，这是一门关于智能自主代理的密集入门课程。作为一个对 AI 充满热情但对基于代理的系统还很陌生的人，这门课程为我打开了 AI 能力的全新维度。课程内容简短、动手且实用，让我能够直接在 Kaggle notebook 中使用免费 GPU 和协作环境构建并测试真实的代理。

Day‑by‑Day Learning Highlights

Day 1 – What AI Agents Are

介绍了代理的概念——它们是能够 计划、决策和行动 并使用工具的系统，而不仅仅是聊天机器人。

Day 2 – Building a Basic Agent

创建了我的第一个能够调用简单计算器工具的代理，教会模型一步一步“思考”。

Day 3 – Multi‑step Reasoning

开发了一个能够拆解数学文字题、选择合适工具并求解的代理。

Day 4 – Retrieval‑Augmented Generation (RAG)

学习了代理如何从知识库中检索相关信息，并利用此技术构建了一个简易的 FAQ 机器人。

Day 5 – Agent Memory

实现了记忆功能，使代理能够回忆之前步骤的上下文。将其应用于一个小项目：一个能够记住用户偏好的图书推荐助理。

Final Project: Travel Assistant Agent

在结业项目中，我构建了一个旅行助理，具体功能包括：

1. 询问用户的目的地和旅行兴趣。
2. 获取天气数据。
3. 推荐旅行目的地。
4. 使用 Python 工具和基础 RAG 设置生成简短行程安排。

该代理并不完美，但它展示了结合 LangChain、Python 与外部工具的实际潜力。

What I Learned

• LLM 本身不是代理；它们需要工具、记忆和结构化提示才能成为有用的助理。
• Prompt engineering（提示工程） 至关重要——细微的改动可能带来巨大的差异。
• 将 LangChain + Python + 外部工具 组合使用可以产生强大的效果。
• Kaggle notebook 提供了对初学者友好的环境和免费算力，使实验快速且轻松。

Why This Course Matters

在 AI 时代，代理代表了智能系统的未来——无论是编码助理、研究助手还是个性化机器人。这门课程为我奠定了从使用 AI 转向 构建能够思考、推理和行动的智能系统 的基础技能。

Final Thoughts

我非常感谢 Kaggle 和 #kagglexaiagentschallenge 提供的这次免费、动手的学习机会。它激发了我的新想法，提升了我构建项目的信心，也展示了 AI 开发的易得性。

如果你对 AI 如何 思考、推理和行动 有哪怕一点点好奇，千万不要错过这门课程！