关于《零基础构建智能体工程》——从笔记管理到智能知识助手

别再只和 AI “聊天”，开始构建能为你“干活”的系统。 不写一行代码，把你的 Obsidian 变成会思考、能行动的智能知识助教。

1. 课程简介

课程封面

在生成式 AI 普及的今天，大多数人仍然停留在“聊天框式”的交互：把 AI 当作一个更聪明的搜索引擎，问一句答一句？收藏了无数 Prompt 技巧，却发现换个场景就失效？笔记软件里躺着几千条想法，却依然要手动整理周报、拼凑文章？

并不是 AI 不够强，而是你的打开方式还在“石器时代”。 真正的 AI 高手，早已不再手动写提示词，而是构建“会自己干活的系统”**。

《零基础构建智能体工程》是一门“三无”课程：

无代码：不需要安装 Python、Docker 或复杂的开发环境。只要会打字，你就能跟上。
无废话：不长编大论讲 AI 理论，只讲怎么解决你手边的问题。
无风险：本地优先（Local-First）。你的数据、你的知识、你的智能体，全部存在你自己的电脑里，绝对安全。

本课程的工具实验将基于 Obsidian（黑曜石） 这一款强大的知识管理工具。你将学到的不是编程，而是“工程”

2. 课程核心设计理念

本课程基于借鉴了敏捷开发（Agile）与精益思想（Lean）中“以最小可行成果驱动迭代、以真实反馈持续改进”的核心原则，将复杂的智能系统学习过程拆解为可验证、可积累的学习阶段，帮助学员掌握构建“最小可行智能体 (MVA)”的工程化方法和实践：

本地优先——Local-First：你的数据、你的知识、你的智能体，全部运行在你的电脑上。安全可控，无隐私焦虑。
无代码/低代码—Low-Code：我们使用 Obsidian 插件与模版来替代 Python 代码。只要你会打字，就能跟上节奏
笔记即数据库—Note as Database：把笔记看作半结构化的数据记录。通过 YAML 元数据和原子化切片，我们让非结构化的笔记变得“机器可读”。
人机协同——Human-in-the-Loop：AI 负责建议 (Suggest)，你负责确认 (Confirm)。在享受自动化的同时，保留对结果的最终控制权。

3. 课程智能体工程架构选择

在智能体开发领域，我们将本课程的技术选型定位为 “低门槛、高上限”的工程中间路线。我们选择Obsidian + MCP，而不是刻意避开了市面上主流的纯云端或纯代码方案，基于以下工程考量：

对抗“云端失忆症”**：网页端 AI 虽然智商章节高，但患有“顺行性遗忘症”。我们引入 Obsidian 作为智能体的 “海马体”。通过本地 Markdown 文件存储，让 AI 拥有持久、可视化的长期记忆。你是在积累资产，而不是消耗对话。
拒绝“黑盒”与“显卡门槛”： LangChain 等框架往往将 Prompt 逻辑封装在代码深处，初学者难以理解底层原理；Ollama 等本地推理工具对显卡（GPU）有硬性要求。本课程采用 MVA (最小可行智能体) 策略——利用云端 API (大脑) + 本地轻量级 MCP (手脚)，即使是普通笔记本电脑也能跑通复杂的智能体工作流。
**拥抱协议化未来 (MCP)**：我们不教你写死代码，我们教你用 Model Context Protocol。这是 AI 时代的“USB 接口”。通过标准协议，你的智能体可以即插即用式地连接搜索、文件系统或
GitHub/ModelScope ，实现真正的系统级协作。

这套架构允许系统随着学员能力的提升而演进：

入门：用 Text Generator 插件做简单的 Prompt 工程。
进阶：通过 MCP 接入外部工具，构建多智能体协作网络（Planner/Executor/Critic）。
高阶：引入 RAG 和 Git 版本控制，管理知识资产。

选择 Obsidian + MCP，是因为我们不希望你只是 AI 的“游客”（聊完即走），也不希望你被复杂的代码框架劝退。我们希望赋予你一套 低门槛、高上限、完全私有 的工程体系，让你亲手打造一个能持续生长、为你干活的数字分身。

本课程教你的是“内燃机原理”（底层机制），而 LangChain 是“法拉利”（高级工具）。只有懂原理的赛车手，才能在赛道上发挥出法拉利的极限性能，而不是并在第一个弯道冲出跑道。

4. 课程结构设计章节

4.1 课程进阶之旅

课程总共 14 天。你每天只需要花 30-45 分钟进行学习和动手实验，你将从一个只会跟 AI 聊天的‘提问者’，进阶为能亲手打造专属智能知识助教的工程设计者。

第 1-3 章：驯服 AI 的嘴 —— 从“随机聊天”到“精准指令”，让 AI 输出你真正想要的 Markdown 表格和 JSON 数据。
第 4-7 章：构建 AI 的脑 —— 改造你的 Obsidian 笔记，让 AI 读懂你的知识网络，学会你的写作风格。
第 8-14 章：打造 AI 的手 —— 实战构建“笔记园丁”智能体。不需人工干预，让它自动把你的碎片灵感整理成结构化知识。

未来只有两种人：一种是忙着敲键盘的人，一种是懂得指挥 AI 敲键盘的人。 加入我们，成为后者。

4.2 课程大纲

章	主题	主要内容	学习目标	视频	播客
第1章	环境觉醒	存算分离架构，Obsidian初始化，Text Generator / Tars 插件配置。	跑通“Hello World”交互，夺回数据主权，构建最小可行智能体(MVA)的物理底座。	▶️	📻
第2章	结构化提示工程	S.C.O.R.E. 模型拆解，提示词即协议(Prompt as Protocol)，信息熵减原理。	将模糊的自然语言转化为确定性执行指令，通过“白盒化”控制大幅降低AI幻觉。	▶️	📻
第3章	强制输出	Schema 数据契约，Markdown表格（人机共读）与 JSON信封（机器通信）。	强迫大模型停止写散文，输出纯净的结构化数据，打通上下游的自动化数据接口。	▶️	📻
第4章	风格克隆	少样本学习 (Few-Shot Learning)，潜空间漂移，注意力诱导头机制。	无需微调模型参数，通过示例锚点激活上下文学习，完成机器味到人格化交互的蜕变。	▶️	📻
第5章	知识切片	应对 Transformer $O (N^{2})$ 算力魔咒与“中间迷失现象”，自动化原子化拆解。	像外科医生一样将长文本去语境化为高信噪比卡片，为高精度 RAG 系统铺设物理基石。	▶️	📻
第6章	数据契约	YAML Frontmatter 注入，枚举限制 (Enums)，Dataview 极速本地看板查询。	为散落的笔记赋予机器可读的“数字基因”，实现结构化对象的精准过滤与语义路由。	▶️	📻
第7章	记忆链接	GraphRAG，双向链接，AI 图书管理员挖掘隐性关系，内容地图 (MOC) 收束。	打破向量检索的孤岛，构建图谱神经网络，赋予智能体“看地图找路线”的多跳推理能力。	▶️	📻
第8章	智能体觉醒	PEAR 架构 (感知-评估-行动-反思)，ReAct 范式，可视化系统蓝图设计。	跨越聊天框的桎梏，实现从被动问答到主动规划、调用工具及自我反思的执行闭环。	▶️	📻
第9章	协议握手	MCP (模型上下文协议) 架构，Inbound (入站) 模式部署，JSON-RPC 通信。	建立“换脑不换身”的通用总线，让外部大模型客户端主动、安全地读取本地 Obsidian 记忆。	▶️	📻
第10章	本地触手	Outbound (出站) 模式，Python MCP Server 编写，底层安全沙箱 (白名单)。	打造干涉物理世界的手脚，跑通从“自然语言意图”到“机器 JSON”再到“文件落盘”的闭环。	▶️	📻
第11章	技能装载	ModelScope MCP 生态集成，智能工具路由机制，基于排他性的“描述工程”。	告别单点手搓脚本，即插即用外部工具，让AI精准识别意图并在多工具间自主分发协同。	▶️	📻
第12章	安全围栏	分级风险控制 (L1-L3)，认知层软围栏 vs 操作系统级硬围栏，人机协同 (HITL)。	构筑 Tkinter 物理弹窗硬拦截，在享受自动化的同时，将高危指令的最终裁决权握在人类手中。	▶️	📻
第13章	MVA 实战	组装前12天的提示词、知识库、MCP与脚本，设计状态机与闭环反馈流。	亲手构建首个数字员工“笔记园丁”，实现全自动扫描、裁决、强制数据契约与安全归档蜕变。	▶️	📻
第14章	协同涌现	单 Client 中枢挂载多 Server 触手 (记忆引擎+网络触角+执行器)，复杂任务流动态重规划。	打破单一工具局限，见证 AI 完全依靠 ReAct 范式自主调度多能力产生的智能涌现，毕业成为系统架构师。	▶️	📻

4.3 课程仓库结构

在这个仓库里，你不是在“上课”，而是在“参与一个开源项目”；你不是在“下载”课程，而是在 Fork（派生）课程。你的学习产出（作业、笔记、代码修改）将通过issue和 Pull Request的形式提交回主仓库或小组仓库。你的每一次 Commit，都是在为你的数字大脑添砖加瓦。

📂aAgentic-KW-Engineering-2026/
├── 📂docs                    # 课程文档和讲义
│   ├── 📂module-notes        # 每日课程讲义 (Markdown)
│   ├── 📂labs-guide          # 实验手册 (一步步操作指南)
│   └── 📂references          # 参考资料
│
├── 📂src                      # 课程代码
│   ├── 📂components           # 各个模块的实现代码
│   ├── 📂utils                # 工具函数和API集成
│   └── main.py                # 主程序
│
├── 📂assets                   # 课程图像和可视化文件
│   ├── 📂images               # 课程相关图表、架构图
│   └── 📂examples             # 示例数据和输出
│
├── 📂resources                # 外部资源和插件说明
│   ├── 📂tools                # 相关工具介绍和使用方法
│   └── 📂tutorials            # 外部教程和学习资源
│
└── README.md                  # 课程介绍和使用说明

5. 学习准备

你不需要具备编程基础，但需要准备以下环境：

硬件：一台能够运行桌面软件的电脑 (Win/Mac/Linux)。
软件：
- Obsidian
- Cherry Studio
API Key：DeepSeek / Qwen / OpenAI 等任意一个主流模型的 API Key（课程样例推荐使用硅基流动介入免费的DeepSeek/Qwen免费模型）。
心态：
- 愿意尝试 Git 驱动的学习模式 (Fork -> Edit -> PR)。
- 愿意接受“AI 会犯错”，并学习如何纠正它。

推荐学习可以先阅读 快速指南

6. 打卡指南

为了记录你的学习成长并获得结课反馈，《零基础构建智能体工程》组队学习（2026年4月16日-2026年3月23日）将采用 ‘Issue’ 评论打卡的方式。学员们根据学习进度，在完成每个任务的学习任务后，在对应任务打卡（Issue) 下方点击“添加评论”：

任务编号	任务名称	关联章节	打卡链接
任务1	利用 S.C.O.R.E. 模型清洗会议记录	第 1-3 章	打卡
任务2	将长文档拆解为原子化笔记	第 4-7 章	打卡
任务3	构建自动化个人知识管理系统 (MVA 笔记助手)	第 8-14 章	打卡

7. 答疑与协作

代码仓库的Issue（疑修）是课程唯一的正式技术交流渠道,，用于所有的技术讨论、作业提交和疑难解答。Issue 不仅仅是一个提问框，它是我们共同构建的“异步知识库”和“协作实验室”。

提问流程

新建 Issue ：点击 新建 Issue 按钮。
选择模板：使用 “学习过程 Q&A” 模板。
标题格式：[提问] 章节编号 - 核心问题简述（例：[提问] 第一章 - 安装 TextGenerator 报错）。

协作规范

沉淀价值：所有技术疑问请沉淀至 Issue，以便后续搜索与回溯。
结构化描述：请务必提供完整的报错截图或代码块。
异步处理：老师与助教将在 24 小时内通过 Issue 进行回复。
关闭即完成：当你的 Issue 被标记为 Closed，代表该任务或问题已达成共识并解决。你所有的 Closed Issue 将自动形成一份可回顾的学习笔记。

质量标准

高质量 Issue（述清晰、复现完整、具备初步分析）将被被置顶或纳入课程知识库。
积极在他人 Issue 下有效回答（提供调试思路、指出文档位置）同样获得互助加分。

💡 荣誉激励：高质量的 Issue 提问与深度讨论将被收录至课程官方知识库，并作为学员贡献的重要参考。

8. 共创与贡献

本课程践行 知识即代码 (Knowledge as Code) 的理念，我们认为课程讲义不应是静态的文件，而应像开源软件一样不断迭代进化。

Gitconomy Research为讲义提供了核心骨架，而你们的实战经验将赋予它血肉。我们鼓励学员提交基于原始讲义的衍生版本 (Derived Versions)。

如果你在学习过程中完成了以下任意一项：

对某个晦涩的概念进行了更通俗易懂的重写或扩写。
为某个理论补充了自己所在行业的具体应用案例。
绘制了比官方讲义更清晰的流程图或架构图。
整理了针对某一章节的深度思维导图。

请参考以下步骤共享和贡献你的智慧：

Fork 本仓库：确保你拥有自己的代码库副本。
创建文件：在目录下新建 Markdown 文件。
- 推荐命名规范： DayXX-Topic-Enhanced-by-YourName.md
- （例如：Day03-Prompt-Engineering-Enhanced-by-ZhangSan.md）
引用声明：请在你的文档开头注明基于那一个讲义文件进行衍生，并简述你的增强点（如：增加了医疗行业的 Prompt 案例）。
提交 PR：将你的修改提交给主仓库。

一经合并，你将成为本课程的贡献者，你的名字将被永久记录在贡献者列表中。Gitconomy Research将会根据学员贡献的内容，挑选合适的内容补充增加到原有的课程讲义和相关文件中。让我们一起持续迭代和更新高质量的课程内容，这《零基础构建智能体工程》课程打造成最实用的智能体工程指南！

9. 社区助教与学习支持

本课程不仅是一次个人学习，更是一场真实的开源协作。为了保障大家在Git 驱动的学习模式（Fork -> Edit -> PR）下能够顺畅地进行项目推进与知识沉淀，课程特别邀请了优秀的社区开发者担任助教（TA）。

助教团队主要分为以下两个核心角色，为你提供全方位的支持：

运行助教（Operations TA）：负责学习组织与课程安排，如打卡引导、作业发布、实验协调等。
答疑与内容维护助教（Content & QA TA）：负责技术答疑、实验指导，同时参与课程仓库内容维护，引导学员像管理代码一样管理 Agent Skill、Workflow 和智能体配置。

如果在学习过程中遇到 流程或技术障碍，请随时在仓库的 Issues 或 Discussions 区呼叫助教，我们会尽快为你提供指导。如果你在学习过程中遇到任何流程或技术障碍，请随时在仓库的 Issues 或 Discussions 区呼叫助教。

🌟 加入助教团队 / 了解审查标准

如果你有志于成为社区助教，或者想提前了解助教们是如何审查你的作业与架构代码的，请仔细阅读我们的官方工作规范：👉 课程学习社区助教工作指南 (TA Guide)

10. 常见问题（FAQ）

对于课程的定位、目标人群、与现有智能体工具的关系、学习成果等常见疑问，我们整理了一份详细的 FAQ 文档，涵盖以下主题：

这门课到底教什么？和“使用智能体”有什么区别？
零基础如何进入系统层思维？
与 AI 编程、Prompt Engineering、AIGC 课程的关系
学完后能产出什么具体成果？
为什么现在就应该学？
如何启动学习？

👉 请查阅完整 FAQ 文档