LubanAgent 是一个开源（Apache-2.0）的 Agent 工程基座：Python + LangChain + LangGraph，克隆仓库、配一个模型，第一天就能写自己的业务 Agent。本课程改编自官方新手教程，从认识 Agent 概念开始，到跑通开发栈、写出第一个自己的 Agent、接真实模型、写工具、建知识库、做评测、写图编排与多 Agent 团队，最终 Docker 全栈部署上线——8 课全部动手实操，每条命令都在教程写作时真实跑过。
按顺序学习，每章结束后可以做对应测验
不写一行代码认识 Agent：从幻觉、工具调用、RAG、记忆、评测到图编排与多 Agent，逐个看懂每项发明被什么坑逼出来，并看懂一次 Run 的事件流与 app/lubanagent 领地划分。
克隆仓库跑通 migrate→init→start 三步链路，零密钥靠 FakeLLM 完成首次对话，用 curl 看懂 SSE 事件流，逛遍工作台九个页面，认清「链路通」与「模型聪明」是两件独立的事。
复制内置客服写出图书馆助手「小图」的定义，亲手验证 YAML 投喂口与数据库存储的分工、init 幂等的版本化行为，学会用 export 导出定义，建立「Agent 是配置不是代码」的心智。
完成本章测验，检验学习成果（5 题单选，60% 及格）
注册 DeepSeek 到模型工厂并绑到 smart 槽位，让小图按人设说话，亲历真实工具调用与大额退款人工审批，体会换模型只改一条库映射、代码零改动，并从 Trace 算出对话成本。
用 @tool 装饰器写出查借阅（低风险直通）和挂失（高风险走审批）两个工具，理解 risk/approval/idempotent/timeout 治理参数、签名冻结机制与「模型说、代码做」的分工。
上传规章文档切块入库，用检索实验校准相似度阈值（切块大小直接影响分数分布），配好阈值、兜底拒答、引用编号三道代码守门，做到宁可说不知道、绝不错着答。
完成本章测验，检验学习成果（5 题单选，60% 及格）
写覆盖输出、工具、拒答、judge 四类断言的评测集，亲历 judge 方差等校准问题，跑通「基线→故意改坏→回归红灯→恢复绿灯」循环，改动质量从此不靠感觉。
用 GraphBuilder 写出含人工审批节点的逾期处理图，体验 interrupt/resume 暂停续跑；再搭 supervisor 分诊 + 专家坐席的多 Agent 团队，建立单 Agent/图/团队的选型框架。
用 Docker 起五服务全栈并接 Langfuse 双端回放 Trace，演练跟上游升级而不丢 app/ 领地改动（领地契约），最后用评测回归证明升级没改坏，完成毕业。
完成本章测验，检验学习成果（5 题单选，60% 及格）
请求失败
请求失败