前两天看咖哥在Datawhale上的直播，他说：
如果要需要Agent框架，只有两个选择：Langchain或者手搓
关于Langchain，第六章有相关的介绍，市面上的图书资料也非常多，而Hello-Agents能把手搓框架作为教程的核心内容，是非常难得的。
首先，是要把第七章的代码跑起来，主打一个先跑通再学通，运行代码过程中遇到几个需要注意的地方：
1.如果使用魔搭（ModelScope）平台的LLM API，则需要在.env文件中多配置一行：
2.pip安装hello-agents库时一定要注明版本：即
- × pip install hello-agents
- √ pip install "hello-agents==0.1.1"
另外，用一个几年前的Nvidia JETSON XAVIERR 开发套件部署了一个本地的OLLAMA，跑了Gemma4和QWen的小参数模型，本来准备用本地模型，但时间有限就不折腾了。 简单看一下运行结果：
python .\my_main.py
正在使用自定义的 ModelScope Provider ModelScope Response: 🧠 正在调用 Qwen/Qwen3.5-27B 模型... ✅ 大语言模型响应成功: 你好！我是 Qwen3.5，阿里巴巴最新推出的超大规模语言模型。我基于更全面的知识语料训练，在多个维度进行了升级，能更好地服务于各种复杂场景。以下是我的核心特点：
- 超长上下文：原生支持 256K tokens，可轻松处理数十万字的文档或小时级视频内容，精准定位关键信息。
- 多语言与跨模态：精通全球 100+ 语言，支持文字、图像、公式等多模态内容的理解与生成，能解析图表中的深层逻辑。
- 专业领域增强：在医疗、法律等垂直领域经过专项优化，提供准确的专业建议；代码能力覆盖全栈开发，支持从需求分析到调试部署的全流程。
- 智能体协作：可自主规划任务链，调用工具（如搜索、计算器）完成复杂操作，甚至通过视觉识别执行界面交互。
- 高效精准响应：采用混合注意力机制，在保持速度的同时提升长文本理解力，逻辑推理与数学计算能力显著增强。
我完全免费开放，无需注册即可直接使用。无论是写报告、解数学题、分析数据，还是创作故事、翻译文档，都可以随时告诉我你的需求～ 你希望我先帮你解决什么问题 呢？ 😊
教程中看到一句话：
遵循“约定优于配置”的原则
回想起多年前学Spring Boot框架的那个遥远的下午。
教程的一个特点是彻底贯彻万物皆为工具的思想，将Memory（记忆）、RAG（检索增强生成）、RL（强化学习）、MCP（协议）等模块统一抽象为一种“工具”。
这节课很多是从源码实现上进行讨论的，习惯了vibe coding后，看代码变得有点难懂了。
