03 · 实验教程：76 个可动手实验，按章组织
文档摘要
03 · 实验教程：76 个可动手实验，按章组织 本书全部配套实验的中文版，覆盖 10 章共 76 个项目，每个都可独立阅读和修改。 每章子目录下都有一个 README 支柱页，列出该章全部实验、难度星级、类型标识和阅读建议。本页是它们的总入口。 怎么用这一卷 按章进入：从下面的「各章入口」表格，点进对应章节的支柱页，挑感兴趣的实验动手。 配正文读：每章实验与「02-正文」的章节一一对应，建议「读一章正文 → 做一章实验」。 看类型选：标 ✅ 的配好 API Key 即可独立运行；标 📖 的需先 外部仓库（克隆脚本见「00-门面 / 项目首页」的附录）。
03 · 实验教程：76 个可动手实验，按章组织
本书全部配套实验的中文版，覆盖 10 章共 76 个项目，每个都可独立阅读和修改。
每章子目录下都有一个 README 支柱页，列出该章全部实验、难度星级、类型标识和阅读建议。本页是它们的总入口。
怎么用这一卷
- 按章进入：从下面的「各章入口」表格，点进对应章节的支柱页，挑感兴趣的实验动手。
- 配正文读：每章实验与「02-正文」的章节一一对应，建议「读一章正文 → 做一章实验」。
- 看类型选：标 ✅ 的配好 API Key 即可独立运行；标 📖 的需先
git clone外部仓库（克隆脚本见「00-门面 / 项目首页」的附录）。
类型与难度说明
| 标记 | 含义 |
|---|---|
| ✅ | 可独立运行：自带完整代码，配好 API Key 即可跑 |
| 📖 | 复现指南：依赖需自行 git clone 的外部仓库 |
| 🚧 | 设计文档：仅含架构方案，可运行代码仍在完善 |
| ★ ~ ★★★ | 从易到难，★ 为入门级、★★★ 为进阶挑战 |
各章入口
| 章 | 实验目录 | 数量 | 核心命题 |
|---|---|---|---|
| 1 | 第 1 章支柱页（01-第1章/README.md） |
4 | 「模型即 Agent」新范式 + Agent = LLM + 上下文 + 工具 |
| 2 | 第 2 章支柱页（02-第2章/README.md） |
8 | 上下文决定能力上限：KV Cache、提示工程、上下文压缩 |
| 3 | 第 3 章支柱页（03-第3章/README.md） |
14 | 跨会话记住用户、接入外部知识：记忆、RAG、结构化索引 |
| 4 | 第 4 章支柱页（04-第4章/README.md） |
7 | 工具是 Agent 的双手：MCP 协议、感知/执行/协作三类工具 |
| 5 | 第 5 章支柱页（05-第5章/README.md） |
12 | 代码是「能创造新工具的工具」，生产级 Coding Agent 全景 |
| 6 | 第 6 章支柱页（06-第6章/README.md） |
6 | 把表现变成可比较信号：评估环境、指标、统计显著性 |
| 7 | 第 7 章支柱页（07-第7章/README.md） |
13 | 预训练/SFT/RL 三阶段：何时选 SFT、何时选 RL |
| 8 | 第 8 章支柱页（08-第8章/README.md） |
6 | 不改权重也能成长：经验学习、从工具使用者到创造者 |
| 9 | 第 9 章支柱页（09-第9章/README.md） |
5 | 从文本扩展到语音、GUI、物理世界 |
| 10 | 第 10 章支柱页（10-第10章/README.md） |
5 | 群体智能高于个体：协作框架、上下文共享/隔离 |
| 合计 | 76 |
全部实验速查
按章排列。难度星级取自各章支柱页；📖 类型需先克隆外部仓库。
第 1 章 · Agent 基础知识
| 实验 | 类型 | 难度 | 一句话说明 |
|---|---|---|---|
learning-from-experience.md |
✅ | ★★ | 对比 Q-learning 与 LLM 上下文学习，复现 The Second Half：LLM 以 250–400 倍样本效率超越传统 RL |
web-search-agent.md |
✅ | ★ | 基于 Kimi K3 的智能搜索 Agent，演示「模型即 Agent」 |
search-codegen.md |
✅ | ★★ | GPT-5 原生工具集成，综合利用网络搜索与代码沙盒 |
context.md |
✅ | ★★★ | 系统性消融实验，展示 Agent 上下文各组件的重要性 |
第 2 章 · 上下文工程
| 实验 | 类型 | 难度 | 一句话说明 |
|---|---|---|---|
local_llm_serving.md |
✅ | ★ | 跨平台本地 LLM 部署，0.6B 小模型也能出色工具调用 |
attention_visualization.md |
✅ | ★★ | 可视化 token 序列与注意力权重，理解模型如何处理上下文 |
kv-cache.md |
✅ | ★★ | 探索上下文管理模式对 KV Cache 的影响，错误模式如何破坏缓存 |
context-compression.md |
✅ | ★★ | 实现并对比多种压缩策略，保持能力的同时减少 token |
prompt-engineering.md |
✅ | ★★ | 扩展 Tau-Bench，量化语气/指令/工具描述对完成率的影响 |
system-hint.md |
✅ | ★★ | 研究系统提示对 Agent 行为的影响，五种状态栏技术 |
log-sanitization.md |
✅ | ★★ | 智能日志脱敏，保留调试信息同时保护敏感数据 |
prompt-injection.md |
✅ | ★★ | 3×4 攻防矩阵，逐层叠加防御后注入成功率下降 |
第 3 章 · 用户记忆和知识库
| 实验 | 类型 | 一句话说明 |
|---|---|---|
user-memory.md |
✅ | 长期用户记忆系统，记住偏好与历史交互、提供个性化服务 |
mem0.md / 03-第3章/memobase.md |
✅ | 用 mem0、Memobase 两框架各实现一版用户记忆作对照 |
user-memory-evaluation.md |
✅ | 系统化评估用户记忆系统的准确性、相关性和有效性 |
dense-embedding.md |
✅ | 对比 ANNOY（树）与 HNSW（图）两种 ANN 算法的权衡 |
sparse-embedding.md |
✅ | 从零实现基于 BM25 的稀疏向量搜索，可视化内部机制 |
retrieval-pipeline.md |
✅ | 稠密+稀疏+神经重排序的完整流水线，展示混合检索互补 |
multimodal-agent.md |
✅ | 对比原生多模态/提取为文本/工具化分析三种策略 |
structured-index.md |
✅ | 对比 RAPTOR（递归抽象树）与 GraphRAG（知识图谱） |
agentic-rag.md |
✅ | 对比 Non-Agentic 与 Agentic RAG，ReAct 迭代检索 |
agentic-rag-for-user-memory.md |
✅ | 用 Agentic RAG 管理用户对话历史，跨会话记忆检索 |
contextual-retrieval.md |
✅ | 上下文感知检索，提升检索精度 |
contextual-retrieval-for-user-memory.md |
✅ | 上下文感知检索用于用户记忆 |
structured-knowledge-extraction.md |
✅ | 结构化知识抽取 |
第 4 章 · 工具
| 实验 | 类型 | 一句话说明 |
|---|---|---|
perception-tools.md |
✅ | 感知工具 MCP：网络搜索、多模态、文件系统、公共数据源，大多无需 Key |
execution-tools.md |
✅ | 执行工具 MCP：文件操作、代码解释器、虚拟终端，LLM 二次审批 |
collaboration-tools.md |
✅ | 协作工具 MCP：浏览器自动化、HITL、通知、定时器 |
agent-with-event-trigger.md |
✅ | FastAPI 事件驱动 Agent，原生异步集成前三组 MCP 工具 |
active-tool-selection.md |
✅ | 让 Agent 根据任务主动选择最合适的工具组合 |
active-tool-discovery.md |
✅ | 对比全量注入 schema 与 discover_tools 按需检索 |
async-agent.md |
✅ | asyncio 事件驱动框架 Flux：队列分派、并行、打断、取消 |
第 5 章 · Coding Agent 与代码生成
| 实验 | 类型 | 一句话说明 |
|---|---|---|
coding-agent.md |
✅ | 基于 Claude 的生产级编码助手，纯 Python 实现 17 个工具 |
code-for-math.md |
✅ | 同题集对比纯思维链与代码辅助，代码准确率显著更高 |
code-for-logic.md |
✅ | 把逻辑谜题转化为 CSP 用 python-constraint 求解 |
small-model-codified-rules.md |
✅ | 把规则从提示词搬进代码后，小模型成功率大幅提升 |
paper-to-ppt.md |
✅ | 把「做 PPT」重构为代码生成：Slidev + Vision LLM 迭代 |
paper-to-video.md |
✅ | 在「论文→PPT」基础上生成讲解词、TTS、ffmpeg 合成视频 |
video-edit.md |
✅ | 自然语言需求 + Vision 定位，剪出片段并抽帧核对 |
adaptive-log-parser.md |
✅ | 遇新格式让代码 Agent 生成 parse 函数并热更新 |
log-diagnosis.md |
✅ | 诊断 Agent 定位根因、生成回归测试、重放框架验证 |
dynamic-form.md |
✅ | 动态生成含级联逻辑的 HTML 表单让用户补全信息 |
erp-agent.md |
✅ | 自然语言转 SQL，artifact 模式省 token 又防错 |
conversational-ui.md |
✅ | 自然语言提 UI 定制需求，改 React 源码借 Vite HMR 生效 |
第 6 章 · Agent 的评估
| 实验 | 类型 | 一句话说明 |
|---|---|---|
elo-leaderboard.md |
✅ | 基于 ELO 评分的 Agent 性能排行榜，通过对战比较相对能力 |
model-benchmark.md |
✅ | 横向压测多家 API 的 TTFT、延迟、吞吐与成功率 |
agent-cost-analysis.md |
✅ | 多轮任务全链路成本拆解 + KV-cache/压缩 A/B 节省量化 |
tts-quality-eval.md |
✅ | LLM-as-a-Judge 按 Rubric 逐维度给 TTS 打分 |
public-health-reporting-eval.md |
✅ | 评估公共卫生报告 Agent 的工具调用与计算准确性 |
android-world.md |
📖 | 评估 Agent 在 Android 环境的 UI 交互与任务完成（需克隆） |
第 6 章另有 terminal-bench、SWE-bench、GAIA、OSWorld、tau2-bench 共 5 个 📖 外部评测基准，克隆命令见「00-门面 / 项目首页」附录。
第 7 章 · 模型后训练
| 实验 | 类型 | 一句话说明 |
|---|---|---|
continued-pretraining.md |
✅ | 在特定领域数据上持续预训练，提升目标领域表现 |
Intuitor.md |
✅ | 训练模型的直觉推理，快速做出合理判断 |
MultilingualReasoning.md |
✅ | 训练模型在多语言环境下的推理能力 |
sesame.md |
✅ | 专注于序列建模任务的训练和评估方法 |
orpheus.md |
✅ | 训练模型的音乐生成与理解能力 |
cot-distillation.md |
✅ | 调用前沿模型蒸馏 CoT 轨迹，规则验证后生成 SFT 数据 |
AdaptThink.md |
📖 | 按难度自适应选 Thinking/NoThinking，降成本 45–69% |
retool.md |
📖 | 多轮对话+代码沙箱提升数学推理，SFT→RL 两阶段 |
AWorld-train.md |
📖 | 基于 AWorld 框架训练具身 Agent |
SpatialReasoning.md |
📖 | 训练模型的空间推理能力 |
SimpleVLA-RL.md |
📖 | 视觉-语言-动作 RL |
MiniMind-pretrain.md |
📖 | 从零预训练小型 LLM/VLM |
RLVP.md |
📖 | RLVP 论文代码 |
第 7 章另有 SFTvsRL、verl、tinker-cookbook 共 3 个 📖 外部训练框架，克隆命令见「00-门面 / 项目首页」附录。
第 8 章 · Agent 的自我进化
| 实验 | 类型 | 一句话说明 |
|---|---|---|
gaia-experience.md |
✅ | 「学习-应用」闭环：总结成功轨迹为结构化经验，新任务检索应用 |
browser-use-rpa.md |
✅ | 浏览器工作流录制，把重复操作封装为参数化工具，3–5 倍加速 |
prompt-distillation.md |
✅ | 把复杂提示的效果蒸馏进模型参数 |
prompt-auto-optimization.md |
✅ | Coding Agent 读/改 prompt → 重新评测 → 验证闭环 |
self-evolving-tools.md |
✅ | Alita 式「最小预定义，最大自我进化」，五个通用元工具 |
self-evolution-eval.md |
✅ | 20 个跨领域任务 + 分层验证 harness，考察发现/创造/复用质量 |
第 9 章 · 多模态与实时交互
| 实验 | 类型 | 一句话说明 |
|---|---|---|
live-audio.md |
✅ | 实时语音聊天，VAD+ASR+LLM+TTS，WebSocket 低延迟 |
phone-agent.md |
✅ | 标准 ReAct Agent 想清号码与目标，调用电话语音 API 通话 |
end-to-end-speech.md |
✅ | 端到端语音思考「听→想→说」，与级联方案对比 |
streaming-speech.md |
✅ | 音频分块喂 ASR 降首包延迟，对比整句识别 |
controllable-tts.md |
✅ | LLM 输出控制标记映射到参考语音库风格再合成 |
第 9 章另有 browser-use、claude-quickstarts 共 2 个 📖 外部仓库，克隆命令见「00-门面 / 项目首页」附录。
第 10 章 · 多 Agent 协作
| 实验 | 类型 | 一句话说明 |
|---|---|---|
staged-system-prompt.md |
✅ | 同一 Agent 在澄清/实现/审查三阶段加载不同提示词与工具 |
multi-role-transfer.md |
✅ | 共享上下文下的链式 handoff，多角色自主切换 |
book-translation.md |
✅ | 管理者模式拆分翻译给术语/翻译/审校专职 Agent |
parallel-web-research.md |
✅ | N 个子 Agent 并行搜索，命中即级联终止 |
voice-werewolf.md |
✅ | 多 Agent 狼人杀演示「上下文不共享」的信息权限 |
第 10 章另有 use-computer-while-calling（已独立为 TalkAct）、generative_agents（斯坦福 AI 小镇）共 2 个 📖 外部仓库。
上手第一个实验
刚来想 10 分钟跑通一个 Agent？推荐第 1 章的 web-search-agent——配置最简单，最能直观体会「模型 + 工具 = Agent」。
想理解 Agent 各组件的价值？做 context 消融实验——它会一个个去掉上下文组件，让你看到 Agent 是怎么一步步「变笨」的。
← 返回主目录 · 📖 进入正文 · 📑 看章节索引 · 📚 系统学习看学习建议
评论区
(0)
U