微软开源 AI Agent 学习教程，GitHub 狂揽超 73K Stars

最新推荐文章于 2026-09-13 07:14:32 发布
原创 最新推荐文章于 2026-09-13 07:14:32 发布 · 238 阅读 · 4 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测

你还在花钱学 AI 吗？别再花冤枉钱了，先看过来。微软已经开源了一套 AI Agent 系列课程，而且完全免费。

github地址如下:https://github.com/microsoft/ai-agents-for-beginners

图片

这篇 AI Agent 文章会带你从基础概念到实际开发，系统梳理 AI Agent 相关的核心知识。文章内容主要来自微软在 GitHub 上开源的一门 AI Agent 教程，整个教程共分为 18 节，从 Agent 基础、工具调用、RAG、多智能体、记忆、上下文工程，一直到 Microsoft Agent Framework、Agent 部署、本地 Agent 和安全等内容，覆盖得比较完整。

这门教程目前支持 53 种语言，中文也提供了多个版本，包括：

  • 简体中文（中国大陆）
  • 繁体中文（香港）
  • 繁体中文（澳门）
  • 繁体中文（台湾）

简体中文地址：https://github.com/microsoft/ai-agents-for-beginners/tree/main/translations/zh-CN

图片

如果完整看完这个系列，相信你会对 AI Agent 的开发体系有一个更加系统、完整的认识。

每一节下面我都整理了一组问题，先别急着翻资料，看看你凭现有的理解能答对多少。

01 AI Agent 简介与应用场景

  • 什么是 AI Agent，以及常见的 Agent 类型
  • 哪些任务更适合使用 AI Agent
  • 设计 Agentic Solution 时需要关注哪些核心组成部分

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/01-intro-to-ai-agents/README.md

图片

02 探索 AI Agent Framework

  • 什么是 AI Agent Framework，它能够帮助开发者完成什么
  • 如何利用 Framework 快速构建、迭代和改进 Agent
  • Microsoft Agent Framework 和 Microsoft Foundry Agent Service 有什么区别
  • 如何与现有 Azure 服务进行集成
  • 什么是 Microsoft Foundry Agent Service

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/02-explore-agentic-frameworks/README.md

图片

03 AI Agentic 设计原则

  • 什么是 Agentic Design Principles
  • 实施这些设计原则时应该遵循哪些 Guidelines
  • 如何在实际 Agent 设计中使用这些原则

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/03-agentic-design-patterns/README.md

图片

04 工具的设计模式

  • 什么是 Tool Use Design Pattern
  • Tool Use Design Pattern 适用于哪些场景
  • 实现 Tool Use Design Pattern 需要哪些核心组件
  • 使用 Tool Use Design Pattern 构建可信 AI Agent 时需要注意什么

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/04-tool-use/README.md

图片

05 智能体检索增强生成（Agentic RAG）

  • 什么是智能体检索增强生成（Agentic RAG）
  • 什么是迭代式生成-检查模式（Maker-Checker Style）
  • Agentic RAG 的实际应用场景

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/05-agentic-rag/README.md

图片

06 构建可信赖的 AI Agent

  • 如何构建和部署安全、有效的 AI Agent
  • 开发 AI Agent 时需要关注的安全问题
  • 如何保护数据和用户隐私

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/06-building-trustworthy-agents/README.md

图片

07 Planning 设计模式

  • 如何定义清晰的总体目标，并把复杂任务拆分成可管理的子任务
  • 如何使用结构化输出（Structured Output），让结果更加可靠，也方便其他 Agent 或 Service 继续处理
  • 如何通过事件驱动方式（Event-Driven Approach）处理动态任务和意外输入

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/07-planning-design/README.md

图片

08 多智能体设计模式

  • 哪些场景适合使用多智能体（Multi-Agent）
  • 多智能体相比单智能体有哪些优势
  • 实现多智能体设计模式需要哪些基础组件
  • 如何观察多个 Agent 之间的交互过程

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/08-multi-agent/README.md

图片

09 AI Agent 的元认知

  • 理解 Agent 中推理循环（Reasoning Loop）所带来的影响
  • 使用规划（Planning）和评估（Evaluation）帮助 Agent 自我纠正
  • 构建能够生成和执行代码来完成任务的 Agent

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/09-metacognition/README.md

图片

10 生产环境中的 AI Agent 可观测性与评估

  • Agent 实际执行了什么
  • Agent 的表现如何
  • Agent 为什么产生某个结果
  • 哪些步骤影响了性能
  • 哪些操作产生了较高成本
  • 如何系统地评估 Agent 输出

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/10-ai-agents-production/README.md

图片

11 Agent 协议 MCP、A2A 和 NLWeb

  • MCP 如何让 AI Agent 访问外部工具和数据，从而完成用户任务
  • A2A 如何让不同 AI Agent 之间进行通信和协作
  • NLWeb 如何为网站提供自然语言交互接口，让 AI Agent 能够发现并使用网站中的内容

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/11-agentic-protocols/README.md

图片

12 AI Agent 的上下文工程

  • 什么是上下文工程（Context Engineering），以及它与提示词工程（Prompt Engineering）的区别
  • 如何通过写入、选择、压缩和隔离信息来管理上下文
  • 常见的上下文问题，以及如何处理这些问题

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/12-context-engineering/README.md

图片

13 AI Agent 的记忆

  • 理解 AI Agent 记忆：什么是记忆，以及为什么记忆对 Agent 很重要
  • 实现和存储记忆：如何为 Agent 添加短期记忆和长期记忆
  • 让 Agent 持续改进：如何利用过去的交互和经验不断改善后续行为

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/13-agent-memory/README.md

图片

14 探索 Microsoft Agent Framework

  • Microsoft Agent Framework 的核心特性和价值
  • Microsoft Agent Framework 的关键概念
  • 更高级的 Microsoft Agent Framework 模式，包括工作流（Workflow）、中间件（Middleware）和记忆（Memory）

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/14-microsoft-agent-framework/README.md

图片

15 构建计算机使用智能体 CUA

  • 什么情况下计算机使用智能体比只使用 API 的自动化方式更合适
  • 如何结合 Browser-Use、Playwright 和 Chrome DevTools Protocol（CDP），更加可靠地管理浏览器生命周期
  • 如何使用 Azure OpenAI 的视觉能力和 Pydantic 结构化输出，从动态网页中提取数据
  • 如何在以 Agent 为主、以 Actor 为主和混合浏览器自动化模式之间进行选择

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/15-browser-use/README.md

图片

16 使用 Microsoft Foundry 部署可扩展的 AI Agent

  • 原型 Agent 和已部署 Agent 之间的区别
  • Agent 的几种部署模式
  • Microsoft Foundry 中 Agent 的生命周期
  • Agent 的扩展策略
  • 使用 OpenTelemetry 和 Foundry Trace 实现可观测性
  • 通过模型选择、模型路由和评估控制成本
  • 企业环境中的治理、人工审批以及 MCP Server 的安全使用

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/16-deploying-scalable-agents/README.md

图片

17 使用 Foundry Local 和 Qwen 创建本地 AI Agent

  • 什么是小语言模型（Small Language Model，SLM），适合什么任务，又有哪些限制
  • Microsoft Foundry Local 如何在设备本地下载、管理和运行模型
  • 为什么 Qwen 的函数调用（Function Calling）能力对本地 Agent 很重要
  • 如何实现本地工具、本地 RAG 和本地 MCP
  • 什么情况下应该使用本地模型，什么情况下应该使用云端模型

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/17-creating-local-ai-agents/README.md

图片

18 使用加密收据保护 AI Agent

  • 为什么 Agent 需要可验证的审计轨迹（Audit Trail）
  • 什么是加密收据，以及它与普通日志的区别
  • 如何使用 Python 为 Tool Call 生成签名收据
  • 如何离线验证收据并检测篡改
  • 如何把多个收据组成哈希链
  • 加密收据能够证明什么，又不能证明什么

原文内容：https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/zh-CN/18-securing-ai-agents/README.md

图片

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

👇👇扫码免费领取全部内容👇👇
在这里插入图片描述

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。
在这里插入图片描述

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

在这里插入图片描述

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

在这里插入图片描述

4. 2026行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

在这里插入图片描述

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

在这里插入图片描述

7. 资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇
在这里插入图片描述

标签
#microsoft #人工智能 #学习 #prompt #数据库
#spring #结对编程
Agent Runtime已商品化：Session-as-Event-Log成生产级Agent生存底线
chouchijiao8952的博客
06-15 485
AI Agent并非新概念，而是大模型时代下任务编排与状态管理的技术演进；其核心原理在于解耦‘思考’与‘记忆’，避免将工具调用结果持续堆入有限的context window导致信息衰减与决策失真；技术价值体现在可追溯、可恢复、可审计的生产就绪能力，支撑金融、医疗、HR等强合规场景落地；随着AWS Bedrock AgentCore、Google Vertex AI Agent Builder及Anthropic Managed Agents相继GA，Runtime层正快速标准化与去商品化；本文聚焦‘Sess
Agent Runtime 正式进入工业化时代：Session-as-Event-Log 架构解析
weixin_30512089的博客
06-25 423
Agent runtime 是支撑 AI 代理稳定运行的底层执行环境，其核心挑战在于状态管理、安全隔离与可观测性。传统方案将 session 状态塞入 LLM 上下文，导致静默失效、不可审计、难以恢复；而以 Anthropic Managed Agents 为代表的新型架构，提出 'Session-as-Event-Log' 范式——将状态持久化为不可变事件日志，执行层无状态化，凭证按需注入。这一设计不仅解决了上下文溢出、credential 泄露等高频生产故障，更使 agent 具备可中断、可重放、可计费
微软开源 AI Agent 学习教程，GitHub 狂揽超 73K Stars！
寒冰屋的专栏
08-27 40
微软开源 AI Agent 学习教程，GitHub 狂揽超 73K Stars！
大模型命名的工程逻辑：性能锚点、能力域与生态身份
weixin_30279671的博客
06-17 401
大语言模型命名远非修辞装饰，而是承载性能指标、能力边界与生态定位的技术契约。从Sonnet、Opus到Qwen、Llama，命名体系实质是将抽象能力（如推理延迟、参数量、上下文长度）映射为可感知、可传播、可验证的语义符号。这种命名即契约的设计逻辑，支撑着开发者选型决策、API服务分级与开源生态兼容。尤其在模型微调、量化部署与跨平台适配中，名称已隐含架构约束（如滑动窗口大小、NF4量化要求）和硬件调度策略。理解命名背后的工程锚点，是高效落地大模型应用的前提。
Hindsight 何以成为增长最快的开源 AI 记忆项目：star 数据方法论、第三方佐证与实测上手
gitblog_00136的博客
09-12 364
> 导读：本文以 Hindsight 官方发布的增长分析博客为骨架，完整复盘"增长最快开源 AI 记忆项目"这一结论的论证过程——从 GitHub 每颗 star 的时间戳反查、同年龄段横向对比、逐月累积曲线，到 OSSCAR 与安全厂商流量扫描两个独立第三方佐证，并落到项目本身的架构事实（记忆即学习、BEAM 10M token 档 64.1%、MIT 许可与 60+ 集成）与一条可复现的 Do
Agent Runtime层：从上下文陷阱到托管沙箱的工程实践
weixin_30924087的博客
06-06 1102
Agent 运行时（Agent Runtime）是支撑长流程、多步骤智能体稳定执行的核心基础设施，其本质是将模型推理与状态管理、凭证安全、事件追溯等工程能力解耦并标准化。它解决的关键问题是传统 LLM 上下文窗口的易失性缺陷——无法持久化、不可回溯、注意力衰减，导致静默崩溃与事实漂移；同时通过沙箱隔离、凭证实时注入、事件日志（Event Log）等机制，保障生产级安全性与可观测性。当前主流方案如 Anthropic Managed Agents、AWS AgentCore 和开源 Daytona，均围绕 s
大模型工程化弹药库：模型-数据-工具三维协同实战指南
weixin_30897233的博客
06-17 427
大模型工程化不是单纯选模型，而是构建可复用、可验证、可演进的资源体系。其核心在于模型能力与任务需求的精准匹配、数据质量的可信度分级治理、以及工具链的生产级稳定性保障。当前开发者普遍面临Agent多API调用格式不统一、RAG检索因分块失当导致语义断裂、微调后模型泛化能力退化等典型问题，根源常不在算法本身，而在资源协同失效。本文基于真实项目压测数据，聚焦中文场景下的开源模型选型逻辑、高可信数据集筛选标准、轻量高效工具链落地实践，为AI工程师提供一套即插即用的工程化‘弹药库’配置方案。
51c深度学习~合集8
whaosoft~aiotの开发板商城
11-22 2892
方法的完整数学描述略显复杂，如果只是想了解主要思想，可以只看上面 PatchMix的流程图即可（其实只是公式多，每个公式也不复杂，后续有机会做个演示动画，帮助大家理解。这个方法也可以用简单的 Mask 方法实现，但是本方法在大规模图像处理上效率是最高的），对该工作感兴趣的同行可以看一下，我尽量写得清楚一些。结合 PatMix 的流程图，主要过程如下：由于混合图像和混合图像之间，重叠比例的不同，mix-to-mix label 中每一项的权重分数是不同的，根据上图，可以得到权重系数可以表示为。
Claude Mythos：AI安全能力阶跃与自动化漏洞挖掘新范式
weixin_30889885的博客
07-13 466
大模型在网络安全领域的应用正从基础代码生成迈向深度系统理解与攻击链构建。以Claude Mythos为代表的新型AI模型，依托推理时计算调度、符号化系统建模和超长上下文状态感知等核心技术，首次实现对真实软件生态的语义级逆向分析与端到端漏洞利用链自动生成。其能力已超越传统SAST/DAST工具的静态检测边界，在SWE-bench Pro等高保真基准上展现出接近人类高级渗透工程师的‘攻击直觉’。该技术突破不仅重塑漏洞挖掘效率，更推动安全工作流从人工审计转向人机协同决策，并加速组织级漏洞知识图谱与免疫体系构建。
Mythos模型：大模型在软件安全与漏洞挖掘中的能力跃迁
chikuai9995的博客
06-15 365
大型语言模型（LLM）正从通用文本生成工具，演进为具备深度推理、状态追踪与工具协同能力的智能代理。其核心原理在于测试时计算量（test-time compute）驱动的动态规划能力，结合结构化记忆与对抗性强化学习，显著提升在代码理解、漏洞识别与利用链构建等任务中的表现。这种技术价值不仅体现于SWE-bench Pro、CyberGym等基准分数跃升，更在于对存量系统安全审计、开源项目漏洞治理及红蓝对抗范式的重构。典型应用场景包括自动化代码审计、零日漏洞挖掘、沙箱环境下的多跳攻击模拟等。Mythos作为代表性
微软技术日报 2026-09-08：Patch Tuesday 任务栏自由了，GPT-6 Astra 四平台齐发
海盗Sharp的博客
09-08 405
今天推送的 9 月补丁让 Windows 11 找回了任务栏与开始菜单的自由，而 Copilot 一周内接入两大前沿模型、Studio Harness 转 GA，则标志着微软的"智能体平台化"从口号进入账单期——本地跑大模型（Project Zenith）与云端多模型编排（Copilot Studio）两条路线正在同时加速。
微软技术日报 2026-09-09：Project Opal 自主智能体亮相，Patch Tuesday 966 漏洞含 2 零日
海盗Sharp的博客
09-09 302
每天 5 分钟，速览微软技术圈最新动态。今日看点：Project Opal 让 Copilot 学会"自主干活"、创纪录的 966 漏洞 Patch Tuesday、WinUI 3 三十分钟速成新范式。
微软技术日报 2026-09-13：Grok 正式登陆 Copilot，Win11 补上后量子加密与智能体容器
最新发布
海盗Sharp的博客
09-13 235
每天 8 点，5 分钟看懂微软技术圈。今天是 2026 年 9 月 13 日，星期日。
CSharp: Task Scheduler
Geovin Du Dream Park
09-10 206
本项目为基于C# .NET 10的定时任务调度系统，采用模块化设计，支持YAML配置、SQLite存储、多数据库兼容。核心功能包括：基于cron表达式的精准调度（自研解析器）、并发控制、任务重试、日志滚动（按5MB切割），支持命令行与GUI双界面操作。提供任务增删改查、一键执行、导入导出JSON、实时仪表盘统计等功能，具备一次性任务自动禁用、执行历史追踪等特性，适用于Windows环境下的自动化运维场景。
GitHub今日热榜 | 2026-09-08：微软 markitdown 冲进前三
m0_68631449的博客
09-08 418
<think>好的，用户需要根据提供的GitHub趋势榜内容，写一篇不超过150字的文章摘要。内容包含榜单变化、亮点项目和分析。需要简洁覆盖核心要点：今日榜单变化大，新进8个，两个持续项目撑住，微软markitdown和字节deer-flow等新面孔上榜，主题是AI Agent工具链。控制字数。 先梳理关键信息：今日榜单10个中8个是新进，昨日霸榜项目集体跌出，ECC和FckSignups持续。微软markitdown冲至第二，字节deer-flow等新项目上榜，主线是AI Agent技能与工具链。需要把这
专项事件体系
2401_83227843的博客
09-12 123
专项事件体系是浏览器针对特定业务场景提供的垂直事件集合，覆盖表单交互、剪贴板操作、拖拽交互、页面状态、网络状态等专项业务场景，能够精准响应特定功能的状态变化与用户操作。 这类事件针对性强，具备专属的事件对象属性与操作方法，是实现对应业务功能的核心事件支撑。
微软技术日报 2026-09-10：Project Zenith 开发者设备亮相，.NET 11 RC1 可投产
海盗Sharp的博客
09-10 426
今天的微软把重心放在「开发者的一公里」：设备端（Project Zenith）、运行时（.NET 11 RC1）、模型层（Copilot 多模型矩阵）三层同时发力，开发者环境从"自己搭"走向"买来就能写"。参考来源：微软官方博客（Project Zenith）、.NET 官方发布说明、TechRepublic、腾讯新闻科技频道、第一财经、IT之家。本文由 AI 辅助整理，仅覆盖技术动态，不含财务信息。
MCP + 应用生成：让 AI 直接产出可交互的应用
yunque_xianguang的博客
09-09 214
2025年，MCP迎来革命性升级：可交互输出让AI不再仅返回文本，而是生成带表单、图表、按钮的结构化UI卡片。用户可在卡片中直接筛选、导出，实现“一问一操作”闭环。通过返回UI Schema或独立HTML片段，结合客户端渲染与后端调用回流，显著提升效率（任务轮次↓65%），尤其适合数据看板、表单填报等重操作场景。但需克制：纯查询仍以文本为佳。落地关键在于合理设计交互、控制复杂度，并规避版本不一致、数据过载等六大坑。本质是将AI从“告知者”变为“应用交付者”，开启智能体原生交互新范式。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值