零基础跟我学做AI Agent环境安装系列教程第一课

本系列教程将深入探讨 AI Agent（智能体）的开发与部署实战，专为 Python 初学者设计。即便你仅掌握 Python 基础语法，也能轻松跟随实践。所有示例代码均保持简洁，通常不超过 50 行。

一、Agent 简介

AI Agent 的核心优势在于“自主规划、自主执行、自主反馈”，这与传统大模型的被动响应模式截然不同。形象地说，Agent 如同人类的数字化分身——你只需下达任务，它便会自动拆解问题、制定方案，遇到障碍时自主调整策略，经过多次内部迭代后直接交付最终结果，全程无需人工干预。

二、依赖环境

Agent 的运作依赖两大核心：大模型的文本生成能力与精心构建的提示词（即思考框架）。因此，所需环境仅包含两项：一个可运行的大模型，以及一个支持 Python 的虚拟化环境。

针对大模型，鉴于本教程面向零基础，我们跳过繁琐的 GPU 部署方案（操作门槛较高），直接采用 Ollama 进行本地部署——安装简便，Windows 系统即可兼容。尽管在精度和效果上有所折衷，但对于学习场景而言完全足够。而 Python 环境，建议不要直接安装到系统，最好使用虚拟化环境进行管理。此处推荐 Miniconda（Anaconda 的精简版），轻量化且易于操作。

三、环境安装

1、Ollama

访问 Ollama 官网下载安装包进行安装。安装完成后，在终端执行如下命令启动模型：

ollama run qwen

qwen（即千问）为模型名称，其他可用模型可前往 ollama.com 浏览。尽管模型列表种类繁多，但真正适用于 Agent 开发的模型有限——关键在于 Agent 要求模型支持 Function-Calling（函数调用）特性，而 qwen 恰好是少数具备此能力的模型之一。

有一个实用技巧：当安装进度达到 90% 后，速度往往会显著下降，这通常由 Ollama 服务器的限速机制导致。此时可中断下载并重新尝试，第二次加载通常会快得多。

Ollama 运行的模型支持交互模式，直接在命令行提问就能测试，如下图：

2、Miniconda

前往 Miniconda 官网下载并安装。

安装完毕后，务必将 Miniconda 安装目录下的 Scripts 文件夹添加至系统环境变量中。如此，在命令行输入 conda -V 即可正常识别并显示版本号。

至此，环境安装步骤已全部完成。