把考试压力转化为AI项目：我的AI Agents密集体验

Source: Dev.to

如果说有一个每个学生都再熟悉不过的时刻，那就是考试前的那个夜晚——一切似乎瞬间崩塌。我经历过这种时刻的次数比我愿意承认的要多：坐在堆满笔记的桌前，在恐慌与困惑之间来回跳动，默默祈祷有个人能帮我理清思路。

不是另一个聊天机器人。大多数 LLM 对我来说从未达到过那种感觉。它们会回复，但没有紧迫感。有时它们喋喋不休，有时出现幻觉，有时根本抓不住情绪基调。

所以当我加入 Google & Kaggle AI Agents Intensive 时，我只希望能得到一个新想法……结果收获远超预期。

---

Intensive 之前的挑战

1. 模板代码的疲惫 – 我一半的时间都在把零碎的代码拼凑起来，而不是构建有意义的东西。工具这儿，路由那儿，配置到处都是——这让兴趣迅速消退。
2. 记忆与会话的混乱 – 我从未完全相信代理是否记得它应该记住的内容。有时它能保持上下文，有时却完全忘记。我想弄清 原因，而不是死记硬背规则。
3. 部署恐惧 – 一个小小的错误——环境不匹配、缺少密钥——就会导致全部崩溃。感觉就像在没有准备的情况下走进考场，令人恐惧。
4. 学生的计费担忧 – 许多框架依赖于绑定信用卡的 API 密钥。作为没有收入、且家庭情况让这些对话变得不易的我，始终担心：
   • 随机费用
   • 速率限制
   • 自动续费

这些顾虑让实验变得紧张。

ADK 体验

第 1–2 天：减轻负担

当我在课程表上看到 “ADK” 时，第一反应是 “糟了，又要多学一样东西了。” 然而前两天给我的印象截然不同。

• 重复的接线消失了。
• 路由和记忆被整洁地处理。
• 结构立刻让人明白。

我终于可以专注于业务逻辑，而不是底层 plumbing。感觉像是有人为我的思维方式专门打造了工具。

第 3 天：最艰难的部分

没有任何东西按我预期工作：

• 代理有时会在中途忘记上下文。
• 工具调用改变了一切。
• 会话状态和记忆状态像一对难分的双胞胎，我总是混淆。

我反复重放实验，翻阅讨论，并使用 run_debug 进行调试，次数多到几乎成了第二天性。那一刻，一切都豁然开朗。

• 记忆与会话终于理清。
• 路由器直观易用。
• 工具行为保持一致。
• google_search 不再随意。
• ParallelAgent 不再令我害怕。
• 调试转变为真正的推理过程。

这是我第一次真切感受到自己能够构建一个完整的多代理系统，而不是硬凑在一起。

临时学习副驾（Last‑Minute Learning Copilot）

架构概览

该项目直接来源于我作为学生的亲身经历。它的目标不仅是一个答题机器人——它会察觉困惑、感知紧迫、安抚压力、清晰解释概念、制定切实可行的学习计划，并智能使用工具，将所有信息融合成一个有根有据的回复。

视频制作

我希望学生们能够感受到系统背后的故事，而不仅仅是文字说明。于是我自行录制了配音，用以展示项目的人文侧面与技术细节的结合。

第一次干净运行

• 路由器走对了路径。
• 计划器生成了合理的学习计划。
• 压力代理平稳响应。
• 解释代理获取了准确的信息。
• 编排器把所有内容整合成一条连贯的答案。

第一次，我不再觉得这是一堆拼凑的部件，而是一个协同工作的专家团队。

关键收获

• ADK 消除了我过去的许多摩擦点。
• 记忆与会话的设计至关重要。
• 多代理架构解决了单模型无法应对的问题。
• run_debug 简直是黑暗隧道里的手电筒。
• 加入 创意叙事 能真正提升技术项目的价值。
• 真实的问题往往孕育最佳的项目创意。

个人成长

• 我对自己作为 AI 工程师的信心提升了。
• 我形成了更清晰的设计思维。
• 我学会了将创意与技术工作相结合。
• 我对自己在 AI 领域的方向更加明确。

临时学习副驾不仅是一个项目——它是我在最需要时真心希望拥有的工具。

项目代码

完整代码（从早期路由测试到最终的多代理流程）已在我的 Kaggle notebook 中记录：

👀 Look Inside the Machine Room
(将 # 替换为实际的 notebook URL。)

---

衷心感谢 Google 与 Kaggle 打造了这门兼具理论、实践、直觉与创意的课程。这段经历不仅教会我如何构建代理——更教会我 像代理一样思考。

标签: aiagents google kaggle ai reflection learning multiagent adk