第十六章毕业设计

文档摘要

第十六章毕业设计：构建属于你的多智能体应用恭喜你来到 Hello-Agents 教程的最后一章！在前面的 15 章中，我们从零开始构建了 HelloAgents 框架，学习了智能体的核心概念、多种范式、工具系统、记忆机制、通信协议、强化学习训练和性能评估等知识。在第 13-15 章中，我们还通过三个完整的实战项目（智能旅行助手、自动化深度研究智能体、赛博小镇）展示了如何将所学知识融会贯通。现在，是时候让你成为真正的智能体系统构建者了！本章将指导你构建属于你自己的多智能体应用，并通过开源协作的方式与社区分享你的成果。 16.1 毕业设计的意义 16.1.1 为什么要做毕业设计学习技术最好的方式不是看教程，而是动手实践。

第十六章毕业设计：构建属于你的多智能体应用

恭喜你来到 Hello-Agents 教程的最后一章！在前面的 15 章中，我们从零开始构建了 HelloAgents 框架，学习了智能体的核心概念、多种范式、工具系统、记忆机制、通信协议、强化学习训练和性能评估等知识。在第 13-15 章中，我们还通过三个完整的实战项目（智能旅行助手、自动化深度研究智能体、赛博小镇）展示了如何将所学知识融会贯通。

现在，是时候让你成为真正的智能体系统构建者了！本章将指导你构建属于你自己的多智能体应用，并通过开源协作的方式与社区分享你的成果。

16.1 毕业设计的意义

16.1.1 为什么要做毕业设计

学习技术最好的方式不是看教程，而是动手实践。通过前面章节的学习，你已经掌握了构建智能体系统的理论知识和技术工具。但是，真正的挑战在于：如何将这些知识应用到实际问题中？如何设计一个完整的系统？如何处理各种边界情况和异常？

毕业设计的核心价值在于培养你的综合应用能力，将前面学到的所有知识（智能体范式、工具系统、记忆机制、通信协议等）选择性的整合到一个完整的项目中。

通过本章的学习和实践，希望你能够独立设计并实现一个完整的智能体应用，熟练使用 HelloAgents 框架的各种功能，掌握 Git 和 GitHub 的基本操作，学会编写清晰的项目文档，参与开源社区的协作开发，最终获得一个可以展示的技术作品。

16.1.2 毕业设计的形式

你的毕业设计将以开源项目的形式提交到 Hello-Agents 的共创项目仓库（Co-creation-projects目录）。具体要求如下：

项目命名：使用{你的GitHub用户名}-{项目名称}的格式，例如jjyaoao-CodeReviewAgent
项目内容：
- 一个可运行的 Jupyter Notebook（.ipynb文件）或 Python 脚本
- 完整的依赖列表（requirements.txt）
- 清晰的 README 文档（README.md）
- 可选：演示视频、截图、数据集等
提交方式：通过 GitHub 的 Pull Request（PR）提交
评审流程：社区成员会 review 你的代码，提出改进建议，通过后合并到主仓库

16.2 项目选题指南

16.2.1 选题原则

一个好的毕业设计项目应该具有实用性，解决真实的问题而不是为了技术而技术，我们需要追求在有限的时间和资源内可以完成，并且能够清晰地展示你的技术能力。

16.2.2 推荐选题方向

以下是一些推荐的项目方向，你可以选择其中一个，也可以自己提出新的想法：

（1）生产力工具类

智能代码审查助手：自动分析代码质量、发现潜在 bug、提出优化建议
智能文档生成器：根据代码自动生成 API 文档、用户手册
智能会议助手：记录会议内容、生成会议纪要、提取行动项
智能邮件助手：自动分类邮件、生成回复草稿、提醒重要事项

（2）学习辅助类

智能学习伙伴：根据学习进度推荐学习资源、生成练习题、答疑解惑
智能论文助手：帮助查找文献、总结论文、生成引用
智能编程导师：提供编程练习、代码 review、学习路径规划
智能语言学习助手：提供对话练习、语法纠错、词汇扩展

（3）创意娱乐类

智能故事生成器：根据用户输入生成小说、剧本、诗歌
智能游戏 NPC：创建有个性的游戏角色，能够与玩家自然对话
智能音乐推荐：根据心情、场景推荐音乐，生成播放列表
智能菜谱助手：根据食材、口味推荐菜谱，生成购物清单

（4）数据分析类

智能数据分析师：自动分析数据、生成可视化图表、撰写分析报告
智能股票分析：分析股票数据、新闻舆情，提供投资建议
智能舆情监控：监控社交媒体、新闻网站，分析舆情趋势
智能竞品分析：收集竞品信息、对比分析、生成报告

（5）生活服务类

智能健康助手：记录健康数据、提供健康建议、制定运动计划
智能理财助手：记录收支、分析消费习惯、提供理财建议
智能购物助手：比价、推荐商品、生成购物清单
智能家居控制：通过自然语言控制智能家居设备

16.2.3 选题示例

让我们通过一个具体的例子来说明如何选题和设计项目。

项目名称：智能代码审查助手（CodeReviewAgent）

问题分析：代码审查是软件开发中的重要环节，但人工审查耗时且容易遗漏问题。现有的静态分析工具只能发现语法错误，无法理解代码逻辑，因此需要一个能够理解代码语义、提供深度分析的智能助手。

核心功能：该项目将实现代码质量分析（检查代码风格、命名规范、注释完整性）、潜在 bug 检测（发现逻辑错误、边界条件问题、资源泄漏）、性能优化建议（识别性能瓶颈、提出优化方案）、安全漏洞扫描（检测 SQL 注入、XSS 等安全问题）以及最佳实践推荐（根据语言特性和设计模式提出改进建议）。

预期成果：最终将交付一个可运行的 Jupyter Notebook 展示完整的审查流程，支持 Python、JavaScript 等主流语言，能够生成结构化的 Markdown 格式审查报告，并提供具体的代码示例和改进建议。

16.3 开发环境准备

16.3.1 安装必要工具

在开始开发之前，请确保你的开发环境已经安装了以下工具：

（1）Python 环境



# 安装HelloAgents

pip install "hello-agents[all]"

（2）Git 和 GitHub



# 检查Git版本

git --version



# 配置Git用户信息

git config --global user.name "你的名字"

git config --global user.email "你的邮箱"



# 配置GitHub SSH密钥（推荐）

# 1. 生成SSH密钥

ssh-keygen -t ed25519 -C "你的邮箱"



# 2. 将公钥添加到GitHub

# 复制 ~/.ssh/id_ed25519.pub 的内容

# 在GitHub Settings > SSH and GPG keys 中添加



# 3. 测试连接

ssh -T git@github.com

（3）Jupyter Notebook



# 安装Jupyter

pip install jupyter notebook



# 或者使用JupyterLab（推荐）

pip install jupyterlab



# 启动Jupyter

jupyter lab

16.3.2 Fork 项目仓库

步骤 1：Fork 仓库

访问 Hello-Agents 仓库：https://github.com/datawhalechina/Hello-Agents
点击右上角的"Fork"按钮，如图 16.1 红色方框位置
选择你的 GitHub 账号，创建 Fork

图 16.1 Fork 仓库步骤

步骤 2：克隆到本地



# 如图16.2所示，克隆你Fork的仓库

git clone git@github.com:你的用户名/Hello-Agents.git



# 进入项目目录

cd Hello-Agents



# 添加上游仓库（用于同步更新）

git remote add upstream https://github.com/datawhalechina/Hello-Agents.git



# 查看远程仓库

git remote -v

图 16.2 克隆仓库到本地

步骤 3：创建开发分支



# 创建并切换到新分支

git checkout -b feature/你的项目名称



# 例如:

git checkout -b feature/code-review-agent

16.3.3 项目目录结构

在Co-creation-projects目录下创建你的项目文件夹：



# 进入共创项目目录

cd Co-creation-projects



# 创建项目文件夹（格式:GitHub用户名-项目名称）

mkdir 你的用户名-项目名称



# 例如:

mkdir jjyaoao-CodeReviewAgent



# 进入项目目录

cd jjyaoao-CodeReviewAgent

推荐的项目结构：



jjyaoao-CodeReviewAgent/

├── README.md              # 项目说明文档

├── requirements.txt       # Python依赖列表

├── main.ipynb            # 主要的Jupyter Notebook

├── data/                 # 数据文件（可选）

│   ├── sample_code.py

│   └── test_cases.json

├── outputs/              # 输出结果（可选）

│   ├── review_report.md

│   └── screenshots/

├── src/                  # 源代码（可选，如果代码较多）

│   ├── agents/

│   ├── tools/

│   └── utils/

└──

16.4 项目开发指南

16.4.1 编写 README 文档

README 是项目的门面，一个好的 README 应该包含以下内容：



# 项目名称



> 一句话描述你的项目



##  项目简介



详细介绍你的项目:

- 解决什么问题？

- 有什么特色功能？

- 适用于什么场景？



## ✨ 核心功能



- [ ] 功能1:描述

- [ ] 功能2:描述

- [ ] 功能3:描述



## ️ 技术栈



- HelloAgents框架

- 使用的智能体范式（如ReAct、Plan-and-Solve等）

- 使用的工具和API

- 其他依赖库



##  快速开始



### 环境要求



- Python 3.10+

- 其他要求



### 安装依赖



\`\`\`bash

pip install -r requirements.txt

\`\`\`



### 配置API密钥



\`\`\`bash

# 创建.env文件

cp .env.example .env



# 编辑.env文件，填入你的API密钥

\`\`\`



### 运行项目



\`\`\`bash

# 启动Jupyter Notebook

jupyter lab



# 打开main.ipynb并运行

\`\`\`



##  使用示例



展示如何使用你的项目，最好包含代码示例和运行结果。



##  项目亮点



- 亮点1:说明

- 亮点2:说明

- 亮点3:说明



##  性能评估



如果有评估结果，展示在这里:

- 准确率:XX%

- 响应时间:XX秒

- 其他指标



##  未来计划



- [ ] 待实现的功能1

- [ ] 待实现的功能2

- [ ] 待优化的部分



##  贡献指南



欢迎提出Issue和Pull Request！



##  许可证



MIT License



##  作者



- GitHub: [@你的用户名](https://github.com/你的用户名)

- Email: 你的邮箱（可选）



##  致谢



感谢Datawhale社区和Hello-Agents项目！

16.4.2 编写 requirements.txt

列出项目所需的所有 Python 依赖：



# 核心依赖

hello-agents[all]>=0.2.7



# 可视化（如果需要）

matplotlib>=3.7.0

plotly>=5.14.0



# Web框架（如果需要）

fastapi>=0.109.0

uvicorn>=0.27.0

16.4.3 开发 Jupyter Notebook

（1）Notebook 结构建议

一个好的 Jupyter Notebook 应该包含以下部分：



# ========================================

# 第1部分:项目介绍

# ========================================



"""

# 项目名称



## 项目简介

简要介绍项目的目标和功能



## 作者信息

- 姓名:XXX

- GitHub:@XXX

- 日期:2025-XX-XX

"""



# ========================================

# 第2部分:环境配置

# ========================================



# 安装依赖

!pip install -q hello-agents[all]



# 导入必要的库

from hello_agents import SimpleAgent, HelloAgentsLLM

from hello_agents.tools import BaseTool

import os

from dotenv import load_dotenv



# 加载环境变量

load_dotenv()



# ========================================

# 第3部分:工具定义

# ========================================



class CustomTool(BaseTool):

    """自定义工具类"""



    name = "tool_name"

    description = "工具描述"



    def run(self, query: str) -> str:

        """工具执行逻辑"""

        # 实现你的工具逻辑

        return "结果"



# ========================================

# 第4部分:智能体构建

# ========================================



# 创建LLM

llm = HelloAgentsLLM()



# 创建智能体

agent = SimpleAgent(

    name="智能体名称",

    llm=llm,

    system_prompt="系统提示词"

)



# 添加工具

agent.add_tool(CustomTool())



# ========================================

# 第5部分:功能演示

# ========================================



# 示例1:基础功能

print("=== 示例1:基础功能 ===")

result = agent.run("用户输入")

print(result)



# 示例2:复杂场景

print("\n=== 示例2:复杂场景 ===")

result = agent.run("复杂的用户输入")

print(result)



# ========================================

# 第6部分:性能评估（可选）

# ========================================



# 评估代码

# ...



# ========================================

# 第7部分:总结与展望

# ========================================



"""

## 项目总结



### 实现的功能

- 功能1

- 功能2



### 遇到的挑战

- 挑战1及解决方案

- 挑战2及解决方案



### 未来改进方向

- 改进1

- 改进2

"""

16.4.4 测试你的项目

在提交之前，可以使用测试清单来判断自己的项目是否满足提交要求：



- [ ] 代码能够正常运行，没有报错

- [ ] README文档完整，说明清晰

- [ ] requirements.txt包含所有依赖

- [ ] 有清晰的使用示例

- [ ] 代码有适当的注释

- [ ] 输出结果符合预期

- [ ] 处理了常见的异常情况

- [ ] 项目结构清晰，文件命名规范

- [ ] 大文件已妥善处理（见下节）

16.4.5 大文件处理指南

⚠️ 重要：避免主仓库过大

为了保持 Hello-Agents 主仓库的轻量化，请遵循以下大文件处理规范：

（1）文件大小限制

项目总大小：不超过 5MB
禁止直接提交：视频文件、大型数据集、模型文件

（2）大文件处理方案

如果你的项目包含大文件（数据集、视频、模型等），请使用以下方案：

方案 1：使用外部链接（推荐）

将大文件上传到外部平台，在 README 中提供下载链接：



## 数据集



本项目使用的数据集较大，请从以下链接下载:



- 数据集1: [百度网盘](链接) 提取码: xxxx

- 数据集2: [Google Drive](链接)

- 演示视频: [B站](链接) / [YouTube](链接)

推荐的外部平台：

数据集：百度网盘、Google Drive、Kaggle、HuggingFace Datasets
视频： B 站、YouTube、腾讯视频
模型： HuggingFace Models、ModelScope
图片： GitHub Issues、图床服务

方案 2：创建独立仓库

如果项目资源较多，建议创建独立的数据仓库：



## 项目资源



由于项目包含大量数据和演示资源，已单独创建资源仓库:



- 资源仓库: https://github.com/你的用户名/项目名称-resources

- 包含内容: 数据集、演示视频、模型文件、测试数据等



### 使用方法



\`\`\`bash

# 克隆资源仓库

git clone https://github.com/你的用户名/项目名称-resources.git



# 将数据放到项目目录

cp -r 项目名称-resources/data ./data

\`\`\`

方案 3：使用示例数据

在主仓库中只提供小规模的示例数据：



# 在README中说明

## 数据说明



- `data/sample.csv`: 示例数据（100条记录）

- 完整数据集（10万条记录）请从[这里](链接)下载

（3）最佳实践示例



你的用户名-项目名称/

├── README.md              # 包含外部资源链接

├── requirements.txt

├── main.ipynb

├── .gitignore            # 忽略大文件

├── data/

│   └── sample.csv        # 仅示例数据（<1MB）

└── outputs/

https://www.aiknowledge.cn/images/hello-agents/    └── demo_result.webp

README 中的说明：



## 数据和资源



### 示例数据

项目包含小规模示例数据用于快速测试（位于`data/sample.csv`）



### 完整数据集

完整数据集（500MB）请从以下链接下载:

- 百度网盘: [链接] 提取码: xxxx

- 下载后解压到`data/`目录



### 演示视频

- B站: [项目演示视频](链接)

- YouTube: [Demo Video](链接)

16.5 提交 Pull Request

16.5.1 提交代码到 GitHub

步骤 1：检查修改



# 查看修改的文件

git status

步骤 2：添加文件



# 添加所有修改的文件

git add .



# 或者添加特定文件

git add Co-creation-projects/你的用户名-项目名称/

步骤 3：提交修改

提交信息应遵循以下格式：



# 格式:类型: 简短描述

git commit -m "feat: 添加XXX毕业设计项目"

提交类型规范：

feat：新增功能或项目（毕业设计项目使用此类型）
fix：修复 bug
docs：文档更新
style：代码格式调整（不影响功能）
refactor：代码重构
test：测试相关
chore：其他修改（如依赖更新）

步骤 4：推送到 GitHub



# 推送到你的Fork仓库

git push origin feature/你的项目名称

16.5.2 创建 Pull Request

步骤 1：访问 GitHub

访问你 Fork 的仓库：https://github.com/你的用户名/Hello-Agents
点击"Pull requests"标签，如图 16.3 所示
点击"New pull request"按钮

图 16.3 创建 Pull Request

步骤 2：选择分支

Base repository： datawhalechina/Hello-Agents
Base branch： main
Head repository： 你的用户名/Hello-Agents
Compare branch： feature/你的项目名称

步骤 3：填写 PR 信息

⚠️ 重要：PR 标题统一格式

为了便于管理和检索，所有毕业设计项目的 PR 标题必须遵循以下格式：



[毕业设计] 项目名称 - 简短描述

示例：

[毕业设计] CodeReviewAgent - 智能代码审查助手
[毕业设计] StudyBuddy - AI学习伙伴
[毕业设计] DataAnalyst - 智能数据分析师

PR 描述模板：



## 项目信息



- **项目名称**:XXX

- **作者**:@你的用户名

- **项目类型**:生产力工具/学习辅助/创意娱乐/数据分析/生活服务



## 项目简介



简要描述你的项目（2-3句话）



## 核心功能



- [ ] 功能1

- [ ] 功能2

- [ ] 功能3



## 技术亮点



- 使用了XXX范式

- 实现了XXX功能

- 优化了XXX性能



## 演示效果



（可选）添加截图或GIF展示项目效果



## 自检清单



- [ ] 代码能够正常运行

- [ ] README文档完整

- [ ] requirements.txt完整

- [ ] 有清晰的使用示例

- [ ] 代码有适当的注释



## 其他说明



（可选）其他需要说明的内容

步骤 4：提交 PR

如图 16.4 所示，点击"Create pull request"按钮提交。

图 16.4 提交 Pull Request

16.5.3 响应 Review 意见

提交 PR 后，社区成员会 review 你的代码并提出建议。请及时响应：

查看评论：在 PR 页面查看 reviewer 的评论
修改代码：根据建议修改代码

提交更新：



git add .

git commit -m "fix: 根据review意见修改XXX"

git push origin feature/你的项目名称

回复评论：在 GitHub 上回复 reviewer，说明你的修改

16.6 示例项目展示

为了帮助你更好地理解毕业设计的要求，这里展示一个完整的示例项目，请别担心，小的创意同样可以被收录，只要是自己动手的作品都是值得珍惜的。

项目信息

项目名称：CodeReviewAgent
作者：@jjyaoao
项目路径：Co-creation-projects/jjyaoao-CodeReviewAgent/

项目结构



jjyaoao-CodeReviewAgent/

├── README.md              # 项目文档

├── requirements.txt       # 依赖列表

├── main.ipynb            # 主程序(含快速演示和完整功能)

├── .env.example          # 环境变量示例

├── .gitignore            # Git忽略规则

├── data/

│   └── sample_code.py    # 示例代码

└── outputs/

    └── review_report.md  # 示例报告

核心代码片段（main.ipynb）



# ========================================

# 智能代码审查助手

# ========================================



from hello_agents import SimpleAgent, HelloAgentsLLM, ToolRegistry

from hello_agents.tools import Tool, ToolParameter

from typing import Dict, Any, List

import ast

import os



# ========================================

# 0. 配置LLM参数

# ========================================



os.environ["LLM_MODEL_ID"] = "Qwen/Qwen2.5-72B-Instruct"

os.environ["LLM_API_KEY"] = "your_api_key_here"

os.environ["LLM_BASE_URL"] = "https://api-inference.modelscope.cn/v1/"

os.environ["LLM_TIMEOUT"] = "60"



# ========================================

# 1. 定义代码分析工具

# ========================================



class CodeAnalysisTool(Tool):

    """代码静态分析工具"""



    def __init__(self):

        super().__init__(

            name="code_analysis",

            description="分析Python代码的结构、复杂度和潜在问题"

        )



    def run(self, parameters: Dict[str, Any]) -> str:

        """分析代码并返回结果"""

        code = parameters.get("code", "")

        if not code:

            return "错误:代码不能为空"



        try:

            tree = ast.parse(code)

            functions = [node for node in ast.walk(tree)

                        if isinstance(node, ast.FunctionDef)]

            classes = [node for node in ast.walk(tree)

                      if isinstance(node, ast.ClassDef)]



            result = {

                "函数数量": len(functions),

                "类数量": len(classes),

                "代码行数": len(code.split('\n')),

                "函数列表": [f.name for f in functions],

                "类列表": [c.name for c in classes]

            }

            return str(result)

        except SyntaxError as e:

            return f"语法错误:{str(e)}"



    def get_parameters(self) -> List[ToolParameter]:

        return [

            ToolParameter(

                name="code",

                type="string",

                description="要分析的Python代码",

                required=True

            )

        ]



class StyleCheckTool(Tool):

    """代码风格检查工具"""



    def __init__(self):

        super().__init__(

            name="style_check",

            description="检查代码是否符合PEP 8规范"

        )



    def run(self, parameters: Dict[str, Any]) -> str:

        """检查代码风格"""

        code = parameters.get("code", "")

        if not code:

            return "错误:代码不能为空"



        issues = []

        lines = code.split('\n')

        for i, line in enumerate(lines, 1):

            if len(line) > 79:

                issues.append(f"第{i}行:超过79个字符")

            if line.startswith(' ') and not line.startswith('    '):

                if len(line) - len(line.lstrip()) not in [0, 4, 8, 12]:

                    issues.append(f"第{i}行:缩进不规范")



        if not issues:

            return "代码风格良好，符合PEP 8规范"

        return "发现以下问题:\n" + "\n".join(issues)



    def get_parameters(self) -> List[ToolParameter]:

        return [

            ToolParameter(

                name="code",

                type="string",

                description="要检查的Python代码",

                required=True

            )

        ]



# ========================================

# 2. 创建工具注册表和智能体

# ========================================



# 创建工具注册表

tool_registry = ToolRegistry()

tool_registry.register_tool(CodeAnalysisTool())

tool_registry.register_tool(StyleCheckTool())



# 初始化LLM

llm = HelloAgentsLLM()



# 定义系统提示词

system_prompt = """你是一位经验丰富的代码审查专家。你的任务是:



1. 使用code_analysis工具分析代码结构

2. 使用style_check工具检查代码风格

3. 基于分析结果，提供详细的审查报告



审查报告应包括:

- 代码结构分析

- 风格问题

- 潜在bug

- 性能优化建议

- 最佳实践建议



请以Markdown格式输出报告。"""



# 创建智能体

agent = SimpleAgent(

    name="代码审查助手",

    llm=llm,

    system_prompt=system_prompt,

    tool_registry=tool_registry

)



# ========================================

# 3. 运行示例

# ========================================



# 读取示例代码

with open("data/sample_code.py", "r", encoding="utf-8") as f:

    sample_code = f.read()



print("=== 待审查的代码 ===")

print(sample_code)

print("\n" + "="*50 + "\n")



# 执行代码审查

print("=== 开始代码审查 ===")

review_result = agent.run(f"请审查以下Python代码:\n\n```python\n{sample_code}\n```")



print(review_result)



# 保存审查报告

with open("outputs/review_report.md", "w", encoding="utf-8") as f:

    f.write(review_result)



print("\n审查报告已保存到 outputs/review_report.md")

README.md 示例



# CodeReviewAgent - 智能代码审查助手



> 基于HelloAgents框架的智能代码审查工具



##  项目简介



CodeReviewAgent是一个智能代码审查助手，能够自动分析Python代码的质量、发现潜在问题并提供优化建议。



### 核心功能



- ✅ 代码结构分析:统计函数、类、代码行数等

- ✅ 风格检查:检查是否符合PEP 8规范

- ✅ 智能建议:基于LLM提供深度分析和优化建议

- ✅ 报告生成:生成Markdown格式的审查报告



## ️ 技术栈



- HelloAgents框架（SimpleAgent + ToolRegistry）

- Python AST模块（代码解析）

- ModelScope API（Qwen2.5-72B模型）



##  快速开始



### 安装依赖



\`\`\`bash

pip install -r requirements.txt

\`\`\`



### 配置LLM参数



**方式1: 使用.env文件**



\`\`\`bash

cp .env.example .env

# 编辑.env文件,填入你的API密钥

\`\`\`



**方式2: 直接在Notebook中设置**



项目已预配置ModelScope API,可直接运行。如需修改,编辑main.ipynb第1部分的配置代码。



### 运行项目



\`\`\`bash

jupyter lab

# 打开main.ipynb并运行所有单元格

\`\`\`



##  使用示例



1. 将待审查的代码放入`data/sample_code.py`

2. 运行`main.ipynb`

3. 查看生成的审查报告`outputs/review_report.md`



##  项目亮点



- **自动化**:无需人工逐行检查，自动发现问题

- **智能化**:利用LLM理解代码语义，提供深度建议

- **可扩展**:易于添加新的检查规则和工具



##  作者



- GitHub: [@jjyaoao](https://github.com/jjyaoao)

- 项目链接:[CodeReviewAgent](https://github.com/datawhalechina/Hello-Agents/tree/main/Co-creation-projects/jjyaoao-CodeReviewAgent)



##  致谢



感谢Datawhale社区和Hello-Agents项目！

16.7 总结与展望

通过完成毕业设计，你应该已经掌握了智能体系统设计的完整流程。从需求出发设计系统架构，熟练使用 HelloAgents 框架的各种功能和组件，开发自定义工具扩展智能体能力，完成从需求分析到代码实现的完整项目开发，学会使用 Git 和 GitHub 进行开源协作，以及编写清晰的技术文档。

在本项目中，我们从零开始构建了 HelloAgents 框架，并用它实现了多个实用的应用。完成毕业设计只是开始，你可以继续深入学习更多智能体范式和算法、提示工程和上下文工程、多智能体协作机制等理论知识；也可以扩展技术栈，学习 Web 开发构建完整的应用、学习数据库实现数据持久化、学习部署将应用上线；还可以持续优化你的项目，添加更多功能、优化性能和用户体验、完善测试和文档；更重要的是，积极参与社区贡献，帮助其他学习者、参与 Hello-Agents 框架开发、分享你的经验和心得。

从第一章的简单智能体，到现在能够独立构建完整的多智能体应用，你已经走过了一段精彩的学习旅程。但这不是终点，而是新的起点。

AI 技术日新月异，智能体领域更是充满无限可能。希望你能够保持好奇心持续学习新技术，勇于用 AI 技术解决实际问题创造价值，乐于将你的经验和成果分享给社区，不断打磨你的作品追求卓越。

最后，感谢你完整阅读了本项目。希望你在学习的过程中有所收获，也希望你能够将所学应用到实际项目中，创造出令人惊叹的智能体应用。AI 的未来充满无限可能，让我们一起探索和创造!

记住：最好的学习方式就是动手实践！

现在，开始构建属于你的智能体应用吧！我们期待在 Co-creation-projects 目录中看到你的精彩作品！

如果你觉得 Hello-Agents 项目对你有帮助，请给我们一个⭐Star！

恭喜你完成了 Hello-Agents 教程的学习！

作者与出处

原作者： Datawhale

来源：Datawhale

原文： https://github.com/datawhalechina/hello-agents

许可证：CC BY-SA 4.0

整理：灏天文库整理

由灏天文库结构化整理，提供目录导航、全文检索与在线阅读，便于系统化学习

第十六章 毕业设计

文档摘要