| name | university-aiagent-course |
| description | AI Agent开发实战课程作业工作流 — 教材配套代码目录、学生信息替换、作业文件规范、常见坑和修复 |
AI Agent 开发实战 课程作业
大学「Linux 应用程序开发」课程 · 学生：冯周杰(20250421042)
项目布局
E:\ToDo\University - Linux Applications\ (/mnt/e/ToDo/University - Linux Applications/)
├── assignments/ ← 已完成的作业（编号文件）
│ ├── 0-deepseek_api.py
│ ├── 1-deepseek_api_functioncalling.py
│ ├── 2-agent_react.py
│ ├── 3-llamacpp.py
│ ├── 4-llamafactory.py
│ ├── 5-medical-finetune.md
│ ├── 6-env-setup.py
│ ├── 7-mcp-experiment/ ← MCP Server 实验 (server.py + client)
│ └── 8-mcp-protocols/ ← 三种传输协议 (test_all.py)
├── reference/AIAgent-main/ ← 教材配套代码（第1/2/4/6/7章）
├── mcp-protocols/ ← 老师附件代码（三种MCP协议）
├── materials/ ← 教材材料(思维导图/彩图)
└── pyproject.toml ← managed=false, venv 软链接到 Linux 侧
作业处理流程
1. 收到新作业
- 确定章节：从用户消息找到对应教材章节（如 "4.2-4.3"、"104-105页"）
- 查参考代码：先看
reference/AIAgent-main/第X章/ 有没有配套代码
- 理解需求：确认是要跑代码、写方案还是验证环境
- 替换学生信息：所有出现「张三」「李四」的地方替换为「冯周杰(20250421042)」
2. 学生信息
- 姓名：冯周杰
- 学号：20250421042
- 替换规则：
张三 → 冯周杰(20250421042)，李四可保留做对比
3. 文件规范
- 有代码的作业：创建
assignments/N-name.py（自包含单文件，或子目录）
- 方案文档：
assignments/N-name.md
- 老师附件代码：放在项目根目录下的独立子目录（如
mcp-protocols/）
- 每次运行结果必须截图，输出中要看到学号和姓名
环境注意事项
WSL / NTFS
- WSL 是 Arch Linux，用
pacman 不是 apt
- NTFS 盘 (E:) 上 Python venv 有权限问题：
uv sync/pip install 写入失败
- 解决方案：venv 建在 Linux 侧 (
~/.venvs/deepseek-api)，项目目录用 ln -sf 软链接 .venv
pyproject.toml 设置 [tool.uv] managed = false 让 uv 不自动管理 venv- 所有 Python 命令从 WSL 终端运行，不用 Windows 侧
uv run
代理
export HTTP_PROXY=http://127.0.0.1:7890 HTTPS_PROXY=http://127.0.0.1:7890
模型下载
- HuggingFace 下载容易断 → 优先用 ModelScope（国内 CDN）
urllib.request.urlretrieve(url, path) 比 curl 稳定
常见坑
DeepSeek ReAct Agent (第1章 1.4)
- DeepSeek 不遵守
PAUSE 停止指令 → 加 stop=["PAUSE"] 参数
- 模型可能用中文冒号
： → 正则用 [:：] 兼容中英文
- ReAct prompt 模板需包含明确的 Action / Action Input / Observation / Final Answer 标记
ReAct 正则兼容
re.search(r"Action[:：]\s*(\w+)", text)
re.search(r"Action Input[:：]\s*({.*?})", text, re.DOTALL)
re.search(r"Final Answer[:：]\s*(.*)", text)
llama.cpp (第4周)
- 新版 llama.cpp 只有 CMake 构建，Makefile 已废弃
- 编译：
cmake -B build -DGGML_CUDA=OFF && cmake --build build --target llama-cli
-st (single-turn) 标志防止进入交互模式卡住
LLaMA-Factory (第5周)
- 需要 Python 3.12，用
uv python install 3.12 安装
- 先装 PyTorch CPU：
uv pip install torch --index-url https://download.pytorch.org/whl/cpu
- 再装依赖：
uv pip install transformers datasets... 然后 uv pip install -e . --no-deps
MCP Server (第8-9周)
FastMCP.run() 只接受 transport 参数，不接受 host/port- SSE 服务器：
app = mcp.sse_app(); uvicorn.run(app, host=..., port=...)
- Streamable：
app = mcp.streamable_http_app(); uvicorn.run(app, host=..., port=...)
- Stdio 客户端用 subprocess 启动服务器进程，测试完 kill
版本信息
- Node.js: v25.2.1 (Windows), v26.2.0 (WSL)
- PostgreSQL: 18.4 (Windows)
- VSCode: Windows 侧，
code 命令在 WSL 需配置
- Python: 3.13.11 (主 venv), 3.12.12 (LLaMA-Factory)
