# 第十六章毕业设计：构建属于你的多智能体应用恭喜你来到 Hello-Agents 教程的最后一章！在前面的 15 章中，我们从零开始构建了 HelloAgents 框架，学习了智能体的核心概念、多种范式、工具系统、记忆机制、通信协议、强化学习训练和性能评估等知识。在第 13-15 章中，我们还通过三个完整的实战项目（智能旅行助手、自动化深度研究智能体、赛博小镇）展示了如何将所学知识融会贯通。现在，是时候让你成为真正的智能体系统构建者了！本章将指导你构建属于你自己的多智能体应用，并通过开源协作的方式与社区分享你的成果。 ## 16.1 毕业设计的意义 ### 16.1.1 为什么要做毕业设计学习技术最好的方式不是看教程，而是动手实践。通过前面章节的学习，你已经掌握了构建智能体系统的理论知识和技术工具。但是，真正的挑战在于：如何将这些知识应用到实际问题中？如何设计一个完整的系统？如何处理各种边界情况和异常？ 毕业设计的核心价值在于培养你的综合应用能力，将前面学到的所有知识（智能体范式、工具系统、记忆机制、通信协议等）选择性的整合到一个完整的项目中。通过本章的学习和实践，希望你能够独立设计并实现一个完整的智能体应用，熟练使用 HelloAgents 框架的各种功能，掌握 Git 和 GitHub 的基本操作，学会编写清晰的项目文档，参与开源社区的协作开发，最终获得一个可以展示的技术作品。 ### 16.1.2 毕业设计的形式你的毕业设计将以开源项目的形式提交到 Hello-Agents 的共创项目仓库（`Co-creation-projects`目录）。具体要求如下： 1. 项目命名：使用`{你的GitHub用户名}-{项目名称}`的格式，例如`jjyaoao-CodeReviewAgent` 2. 项目内容： - 一个可运行的 Jupyter Notebook（`.ipynb`文件）或 Python 脚本 - 完整的依赖列表（`requirements.txt`） - 清晰的 README 文档（`README.md`） - 可选：演示视频、截图、数据集等 3. 提交方式：通过 GitHub 的 Pull Request（PR）提交 4. 评审流程：社区成员会 review 你的代码，提出改进建议，通过后合并到主仓库 ## 16.2 项目选题指南 ### 16.2.1 选题原则一个好的毕业设计项目应该具有实用性，解决真实的问题而不是为了技术而技术，我们需要追求在有限的时间和资源内可以完成，并且能够清晰地展示你的技术能力。 ### 16.2.2 推荐选题方向以下是一些推荐的项目方向，你可以选择其中一个，也可以自己提出新的想法： （1）生产力工具类 - 智能代码审查助手：自动分析代码质量、发现潜在 bug、提出优化建议 - 智能文档生成器：根据代码自动生成 API 文档、用户手册 - 智能会议助手：记录会议内容、生成会议纪要、提取行动项 - 智能邮件助手：自动分类邮件、生成回复草稿、提醒重要事项 （2）学习辅助类 - 智能学习伙伴：根据学习进度推荐学习资源、生成练习题、答疑解惑 - 智能论文助手：帮助查找文献、总结论文、生成引用 - 智能编程导师：提供编程练习、代码 review、学习路径规划 - 智能语言学习助手：提供对话练习、语法纠错、词汇扩展 （3）创意娱乐类 - 智能故事生成器：根据用户输入生成小说、剧本、诗歌 - 智能游戏 NPC：创建有个性的游戏角色，能够与玩家自然对话 - 智能音乐推荐：根据心情、场景推荐音乐，生成播放列表 - 智能菜谱助手：根据食材、口味推荐菜谱，生成购物清单 （4）数据分析类 - 智能数据分析师：自动分析数据、生成可视化图表、撰写分析报告 - 智能股票分析：分析股票数据、新闻舆情，提供投资建议 - 智能舆情监控：监控社交媒体、新闻网站，分析舆情趋势 - 智能竞品分析：收集竞品信息、对比分析、生成报告 （5）生活服务类 - 智能健康助手：记录健康数据、提供健康建议、制定运动计划 - 智能理财助手：记录收支、分析消费习惯、提供理财建议 - 智能购物助手：比价、推荐商品、生成购物清单 - 智能家居控制：通过自然语言控制智能家居设备 ### 16.2.3 选题示例让我们通过一个具体的例子来说明如何选题和设计项目。 项目名称：智能代码审查助手（CodeReviewAgent） 问题分析：代码审查是软件开发中的重要环节，但人工审查耗时且容易遗漏问题。现有的静态分析工具只能发现语法错误，无法理解代码逻辑，因此需要一个能够理解代码语义、提供深度分析的智能助手。 核心功能：该项目将实现代码质量分析（检查代码风格、命名规范、注释完整性）、潜在 bug 检测（发现逻辑错误、边界条件问题、资源泄漏）、性能优化建议（识别性能瓶颈、提出优化方案）、安全漏洞扫描（检测 SQL 注入、XSS 等安全问题）以及最佳实践推荐（根据语言特性和设计模式提出改进建议）。 预期成果：最终将交付一个可运行的 Jupyter Notebook 展示完整的审查流程，支持 Python、JavaScript 等主流语言，能够生成结构化的 Markdown 格式审查报告，并提供具体的代码示例和改进建议。 ## 16.3 开发环境准备 ### 16.3.1 安装必要工具在开始开发之前，请确保你的开发环境已经安装了以下工具： （1）Python 环境 ```bash # 安装HelloAgents pip install "hello-agents[all]" ``` （2）Git 和 GitHub ```bash # 检查Git版本 git --version # 配置Git用户信息 git config --global user.name "你的名字" git config --global user.email "你的邮箱" # 配置GitHub SSH密钥（推荐） # 1. 生成SSH密钥 ssh-keygen -t ed25519 -C "你的邮箱" # 2. 将公钥添加到GitHub # 复制 ~/.ssh/id_ed25519.pub 的内容 # 在GitHub Settings > SSH and GPG keys 中添加 # 3. 测试连接 ssh -T git@github.com ``` （3）Jupyter Notebook ```bash # 安装Jupyter pip install jupyter notebook # 或者使用JupyterLab（推荐） pip install jupyterlab # 启动Jupyter jupyter lab ``` ### 16.3.2 Fork 项目仓库 步骤 1：Fork 仓库 1. 访问 Hello-Agents 仓库：https://github.com/datawhalechina/hello-agents 2. 点击右上角的"Fork"按钮，如图 16.1 红色方框位置 3. 选择你的 GitHub 账号，创建 Fork

图 16.1 Fork 仓库步骤

步骤 2：克隆到本地 ```bash # 如图16.2所示，克隆你Fork的仓库 git clone git@github.com:你的用户名/hello-agents.git # 进入项目目录 cd Hello-Agents # 添加上游仓库（用于同步更新） git remote add upstream https://github.com/datawhalechina/hello-agents.git # 查看远程仓库 git remote -v ```

图 16.2 克隆仓库到本地

步骤 3：创建开发分支 ```bash # 创建并切换到新分支 git checkout -b feature/你的项目名称 # 例如: git checkout -b feature/code-review-agent ``` ### 16.3.3 项目目录结构在`Co-creation-projects`目录下创建你的项目文件夹： ```bash # 进入共创项目目录 cd Co-creation-projects # 创建项目文件夹（格式:GitHub用户名-项目名称） mkdir 你的用户名-项目名称 # 例如: mkdir jjyaoao-CodeReviewAgent # 进入项目目录 cd jjyaoao-CodeReviewAgent ``` 推荐的项目结构： ``` jjyaoao-CodeReviewAgent/ ├── README.md # 项目说明文档 ├── requirements.txt # Python依赖列表 ├── main.ipynb # 主要的Jupyter Notebook ├── data/ # 数据文件（可选） │ ├── sample_code.py │ └── test_cases.json ├── outputs/ # 输出结果（可选） │ ├── review_report.md │ └── screenshots/ ├── src/ # 源代码（可选，如果代码较多） │ ├── agents/ │ ├── tools/ │ └── utils/ └── ``` ## 16.4 项目开发指南 ### 16.4.1 编写 README 文档 README 是项目的门面，一个好的 README 应该包含以下内容： ```markdown # 项目名称 > 一句话描述你的项目 ## 📝 项目简介详细介绍你的项目: - 解决什么问题？ - 有什么特色功能？ - 适用于什么场景？ ## ✨ 核心功能 - [ ] 功能1:描述 - [ ] 功能2:描述 - [ ] 功能3:描述 ## 🛠️ 技术栈 - HelloAgents框架 - 使用的智能体范式（如ReAct、Plan-and-Solve等） - 使用的工具和API - 其他依赖库 ## 🚀 快速开始 ### 环境要求 - Python 3.10+ - 其他要求 ### 安装依赖 pip install -r requirements.txt ### 配置API密钥 # 创建.env文件 cp .env.example .env # 编辑.env文件，填入你的API密钥 ### 运行项目 # 启动Jupyter Notebook jupyter lab # 打开main.ipynb并运行 ## 📖 使用示例展示如何使用你的项目，最好包含代码示例和运行结果。 ## 🎯 项目亮点 - 亮点1:说明 - 亮点2:说明 - 亮点3:说明 ## 📊 性能评估如果有评估结果，展示在这里: - 准确率:XX% - 响应时间:XX秒 - 其他指标 ## 🔮 未来计划 - [ ] 待实现的功能1 - [ ] 待实现的功能2 - [ ] 待优化的部分 ## 🤝 贡献指南欢迎提出Issue和Pull Request！ ## 📄 许可证 MIT License ## 👤 作者 - GitHub: [@你的用户名](https://github.com/你的用户名) - Email: 你的邮箱（可选） ## 🙏 致谢感谢Datawhale社区和Hello-Agents项目！ ``` ### 16.4.2 编写 requirements.txt 列出项目所需的所有 Python 依赖： ```txt # 核心依赖 hello-agents[all]>=0.2.7 # 可视化（如果需要） matplotlib>=3.7.0 plotly>=5.14.0 # Web框架（如果需要） fastapi>=0.109.0 uvicorn>=0.27.0 ``` ### 16.4.3 开发 Jupyter Notebook （1）Notebook 结构建议 一个好的 Jupyter Notebook 应该包含以下部分： ```python # ======================================== # 第1部分:项目介绍 # ======================================== """ # 项目名称 ## 项目简介简要介绍项目的目标和功能 ## 作者信息 - 姓名:XXX - GitHub:@XXX - 日期:2025-XX-XX """ # ======================================== # 第2部分:环境配置 # ======================================== # 安装依赖 !pip install -q hello-agents[all] # 导入必要的库 from hello_agents import SimpleAgent, HelloAgentsLLM from hello_agents.tools import BaseTool import os from dotenv import load_dotenv # 加载环境变量 load_dotenv() # ======================================== # 第3部分:工具定义 # ======================================== class CustomTool(BaseTool): """自定义工具类""" name = "tool_name" description = "工具描述" def run(self, query: str) -> str: """工具执行逻辑""" # 实现你的工具逻辑 return "结果" # ======================================== # 第4部分:智能体构建 # ======================================== # 创建LLM llm = HelloAgentsLLM() # 创建智能体 agent = SimpleAgent( name="智能体名称", llm=llm, system_prompt="系统提示词" ) # 添加工具 agent.add_tool(CustomTool()) # ======================================== # 第5部分:功能演示 # ======================================== # 示例1:基础功能 print("=== 示例1:基础功能 ===") result = agent.run("用户输入") print(result) # 示例2:复杂场景 print("\n=== 示例2:复杂场景 ===") result = agent.run("复杂的用户输入") print(result) # ======================================== # 第6部分:性能评估（可选） # ======================================== # 评估代码 # ... # ======================================== # 第7部分:总结与展望 # ======================================== """ ## 项目总结 ### 实现的功能 - 功能1 - 功能2 ### 遇到的挑战 - 挑战1及解决方案 - 挑战2及解决方案 ### 未来改进方向 - 改进1 - 改进2 """ ``` ### 16.4.4 测试你的项目在提交之前，可以使用测试清单来判断自己的项目是否满足提交要求： ```markdown - [ ] 代码能够正常运行，没有报错 - [ ] README文档完整，说明清晰 - [ ] requirements.txt包含所有依赖 - [ ] 有清晰的使用示例 - [ ] 代码有适当的注释 - [ ] 输出结果符合预期 - [ ] 处理了常见的异常情况 - [ ] 项目结构清晰，文件命名规范 - [ ] 大文件已妥善处理（见下节） ``` ### 16.4.5 大文件处理指南 ⚠️ 重要：避免主仓库过大 为了保持 Hello-Agents 主仓库的轻量化，请遵循以下大文件处理规范： （1）文件大小限制 - **项目总大小**：不超过 5MB - **禁止直接提交**：视频文件、大型数据集、模型文件 （2）大文件处理方案 如果你的项目包含大文件（数据集、视频、模型等），请使用以下方案： **方案 1：使用外部链接（推荐）** 将大文件上传到外部平台，在 README 中提供下载链接： ```markdown ## 数据集本项目使用的数据集较大，请从以下链接下载: - 数据集1: [百度网盘](链接) 提取码: xxxx - 数据集2: [Google Drive](链接) - 演示视频: [B站](链接) / [YouTube](链接) ``` 推荐的外部平台： - **数据集**：百度网盘、Google Drive、Kaggle、HuggingFace Datasets - **视频**： B 站、YouTube、腾讯视频 - **模型**： HuggingFace Models、ModelScope - **图片**： GitHub Issues、图床服务 **方案 2：创建独立仓库** 如果项目资源较多，建议创建独立的数据仓库： ```markdown ## 项目资源由于项目包含大量数据和演示资源，已单独创建资源仓库: - 资源仓库: https://github.com/你的用户名/项目名称-resources - 包含内容: 数据集、演示视频、模型文件、测试数据等 ### 使用方法 \`\`\`bash # 克隆资源仓库 git clone https://github.com/你的用户名/项目名称-resources.git # 将数据放到项目目录 cp -r 项目名称-resources/data ./data \`\`\` ``` **方案 3：使用示例数据** 在主仓库中只提供小规模的示例数据： ```python # 在README中说明 ## 数据说明 - `data/sample.csv`: 示例数据（100条记录） - 完整数据集（10万条记录）请从[这里](链接)下载 ``` （3）最佳实践示例 ``` 你的用户名-项目名称/ ├── README.md # 包含外部资源链接 ├── requirements.txt ├── main.ipynb ├── .gitignore # 忽略大文件 ├── data/ │ └── sample.csv # 仅示例数据（<1MB） └── outputs/ └── demo_result.png # 仅演示结果（<1MB） ``` README 中的说明： ```markdown ## 数据和资源 ### 示例数据项目包含小规模示例数据用于快速测试（位于`data/sample.csv`） ### 完整数据集完整数据集（500MB）请从以下链接下载: - 百度网盘: [链接] 提取码: xxxx - 下载后解压到`data/`目录 ### 演示视频 - B站: [项目演示视频](链接) - YouTube: [Demo Video](链接) ``` ## 16.5 提交 Pull Request ### 16.5.1 提交代码到 GitHub 步骤 1：检查修改 ```bash # 查看修改的文件 git status ``` 步骤 2：添加文件 ```bash # 添加所有修改的文件 git add . # 或者添加特定文件 git add Co-creation-projects/你的用户名-项目名称/ ``` 步骤 3：提交修改 提交信息应遵循以下格式： ```bash # 格式:类型: 简短描述 git commit -m "feat: 添加XXX毕业设计项目" ``` 提交类型规范： - `feat`：新增功能或项目（毕业设计项目使用此类型） - `fix`：修复 bug - `docs`：文档更新 - `style`：代码格式调整（不影响功能） - `refactor`：代码重构 - `test`：测试相关 - `chore`：其他修改（如依赖更新） 步骤 4：推送到 GitHub ```bash # 推送到你的Fork仓库 git push origin feature/你的项目名称 ``` ### 16.5.2 创建 Pull Request 步骤 1：访问 GitHub 1. 访问你 Fork 的仓库：`https://github.com/你的用户名/hello-agents` 2. 点击"Pull requests"标签，如图 16.3 所示 3. 点击"New pull request"按钮

图 16.3 创建 Pull Request

步骤 2：选择分支 - Base repository： `datawhalechina/hello-agents` - Base branch： `main` - Head repository： `你的用户名/hello-agents` - Compare branch： `feature/你的项目名称` 步骤 3：填写 PR 信息 ⚠️ 重要：PR 标题统一格式 为了便于管理和检索，所有毕业设计项目的 PR 标题必须遵循以下格式： ``` [毕业设计] 项目名称 - 简短描述 ``` 示例： - `[毕业设计] CodeReviewAgent - 智能代码审查助手` - `[毕业设计] StudyBuddy - AI学习伙伴` - `[毕业设计] DataAnalyst - 智能数据分析师` PR 描述模板： ```markdown ## 项目信息 - **项目名称**:XXX - **作者**:@你的用户名 - **项目类型**:生产力工具/学习辅助/创意娱乐/数据分析/生活服务 ## 项目简介简要描述你的项目（2-3句话） ## 核心功能 - [ ] 功能1 - [ ] 功能2 - [ ] 功能3 ## 技术亮点 - 使用了XXX范式 - 实现了XXX功能 - 优化了XXX性能 ## 演示效果（可选）添加截图或GIF展示项目效果 ## 自检清单 - [ ] 代码能够正常运行 - [ ] README文档完整 - [ ] requirements.txt完整 - [ ] 有清晰的使用示例 - [ ] 代码有适当的注释 ## 其他说明（可选）其他需要说明的内容 ``` 步骤 4：提交 PR 如图 16.4 所示，点击"Create pull request"按钮提交。

图 16.4 提交 Pull Request

### 16.5.3 响应 Review 意见提交 PR 后，社区成员会 review 你的代码并提出建议。请及时响应： 1. 查看评论：在 PR 页面查看 reviewer 的评论 2. 修改代码：根据建议修改代码 3. 提交更新： ```bash git add . git commit -m "fix: 根据review意见修改XXX" git push origin feature/你的项目名称 ``` 4. 回复评论：在 GitHub 上回复 reviewer，说明你的修改 ## 16.6 示例项目展示为了帮助你更好地理解毕业设计的要求，这里展示一个完整的示例项目，请别担心，小的创意同样可以被收录，只要是自己动手的作品都是值得珍惜的。 项目信息 - **项目名称**：CodeReviewAgent - **作者**：@jjyaoao - **项目路径**：`Co-creation-projects/jjyaoao-CodeReviewAgent/` 项目结构 ``` jjyaoao-CodeReviewAgent/ ├── README.md # 项目文档 ├── requirements.txt # 依赖列表 ├── main.ipynb # 主程序(含快速演示和完整功能) ├── .env.example # 环境变量示例 ├── .gitignore # Git忽略规则 ├── data/ │ └── sample_code.py # 示例代码 └── outputs/ └── review_report.md # 示例报告 ``` 核心代码片段（main.ipynb） ```python # ======================================== # 智能代码审查助手 # ======================================== from hello_agents import SimpleAgent, HelloAgentsLLM, ToolRegistry from hello_agents.tools import Tool, ToolParameter from typing import Dict, Any, List import ast import os # ======================================== # 0. 配置LLM参数 # ======================================== os.environ["LLM_MODEL_ID"] = "Qwen/Qwen2.5-72B-Instruct" os.environ["LLM_API_KEY"] = "your_api_key_here" os.environ["LLM_BASE_URL"] = "https://api-inference.modelscope.cn/v1/" os.environ["LLM_TIMEOUT"] = "60" # ======================================== # 1. 定义代码分析工具 # ======================================== class CodeAnalysisTool(Tool): """代码静态分析工具""" def __init__(self): super().__init__( name="code_analysis", description="分析Python代码的结构、复杂度和潜在问题" ) def run(self, parameters: Dict[str, Any]) -> str: """分析代码并返回结果""" code = parameters.get("code", "") if not code: return "错误:代码不能为空" try: tree = ast.parse(code) functions = [node for node in ast.walk(tree) if isinstance(node, ast.FunctionDef)] classes = [node for node in ast.walk(tree) if isinstance(node, ast.ClassDef)] result = { "函数数量": len(functions), "类数量": len(classes), "代码行数": len(code.split('\n')), "函数列表": [f.name for f in functions], "类列表": [c.name for c in classes] } return str(result) except SyntaxError as e: return f"语法错误:{str(e)}" def get_parameters(self) -> List[ToolParameter]: return [ ToolParameter( name="code", type="string", description="要分析的Python代码", required=True ) ] class StyleCheckTool(Tool): """代码风格检查工具""" def __init__(self): super().__init__( name="style_check", description="检查代码是否符合PEP 8规范" ) def run(self, parameters: Dict[str, Any]) -> str: """检查代码风格""" code = parameters.get("code", "") if not code: return "错误:代码不能为空" issues = [] lines = code.split('\n') for i, line in enumerate(lines, 1): if len(line) > 79: issues.append(f"第{i}行:超过79个字符") if line.startswith(' ') and not line.startswith(' '): if len(line) - len(line.lstrip()) not in [0, 4, 8, 12]: issues.append(f"第{i}行:缩进不规范") if not issues: return "代码风格良好，符合PEP 8规范" return "发现以下问题:\n" + "\n".join(issues) def get_parameters(self) -> List[ToolParameter]: return [ ToolParameter( name="code", type="string", description="要检查的Python代码", required=True ) ] # ======================================== # 2. 创建工具注册表和智能体 # ======================================== # 创建工具注册表 tool_registry = ToolRegistry() tool_registry.register_tool(CodeAnalysisTool()) tool_registry.register_tool(StyleCheckTool()) # 初始化LLM llm = HelloAgentsLLM() # 定义系统提示词 system_prompt = """你是一位经验丰富的代码审查专家。你的任务是: 1. 使用code_analysis工具分析代码结构 2. 使用style_check工具检查代码风格 3. 基于分析结果，提供详细的审查报告审查报告应包括: - 代码结构分析 - 风格问题 - 潜在bug - 性能优化建议 - 最佳实践建议请以Markdown格式输出报告。""" # 创建智能体 agent = SimpleAgent( name="代码审查助手", llm=llm, system_prompt=system_prompt, tool_registry=tool_registry ) # ======================================== # 3. 运行示例 # ======================================== # 读取示例代码 with open("data/sample_code.py", "r", encoding="utf-8") as f: sample_code = f.read() print("=== 待审查的代码 ===") print(sample_code) print("\n" + "="*50 + "\n") # 执行代码审查 print("=== 开始代码审查 ===") review_result = agent.run(f"请审查以下Python代码:\n\n```python\n{sample_code}\n```") print(review_result) # 保存审查报告 with open("outputs/review_report.md", "w", encoding="utf-8") as f: f.write(review_result) print("\n审查报告已保存到 outputs/review_report.md") ``` README.md 示例 ```markdown # CodeReviewAgent - 智能代码审查助手 > 基于HelloAgents框架的智能代码审查工具 ## 📝 项目简介 CodeReviewAgent是一个智能代码审查助手，能够自动分析Python代码的质量、发现潜在问题并提供优化建议。 ### 核心功能 - ✅ 代码结构分析:统计函数、类、代码行数等 - ✅ 风格检查:检查是否符合PEP 8规范 - ✅ 智能建议:基于LLM提供深度分析和优化建议 - ✅ 报告生成:生成Markdown格式的审查报告 ## 🛠️ 技术栈 - HelloAgents框架（SimpleAgent + ToolRegistry） - Python AST模块（代码解析） - ModelScope API（Qwen2.5-72B模型） ## 🚀 快速开始 ### 安装依赖 \`\`\`bash pip install -r requirements.txt \`\`\` ### 配置LLM参数 **方式1: 使用.env文件** \`\`\`bash cp .env.example .env # 编辑.env文件,填入你的API密钥 \`\`\` **方式2: 直接在Notebook中设置** 项目已预配置ModelScope API,可直接运行。如需修改,编辑main.ipynb第1部分的配置代码。 ### 运行项目 \`\`\`bash jupyter lab # 打开main.ipynb并运行所有单元格 \`\`\` ## 📖 使用示例 1. 将待审查的代码放入`data/sample_code.py` 2. 运行`main.ipynb` 3. 查看生成的审查报告`outputs/review_report.md` ## 🎯 项目亮点 - **自动化**:无需人工逐行检查，自动发现问题 - **智能化**:利用LLM理解代码语义，提供深度建议 - **可扩展**:易于添加新的检查规则和工具 ## 👤 作者 - GitHub: [@jjyaoao](https://github.com/jjyaoao) - 项目链接:[CodeReviewAgent](https://github.com/datawhalechina/hello-agents/tree/main/Co-creation-projects/jjyaoao-CodeReviewAgent) ## 🙏 致谢感谢Datawhale社区和Hello-Agents项目！ ``` ## 16.7 总结与展望通过完成毕业设计，你应该已经掌握了智能体系统设计的完整流程。从需求出发设计系统架构，熟练使用 HelloAgents 框架的各种功能和组件，开发自定义工具扩展智能体能力，完成从需求分析到代码实现的完整项目开发，学会使用 Git 和 GitHub 进行开源协作，以及编写清晰的技术文档。在本项目中，我们从零开始构建了 HelloAgents 框架，并用它实现了多个实用的应用。完成毕业设计只是开始，你可以继续深入学习更多智能体范式和算法、提示工程和上下文工程、多智能体协作机制等理论知识；也可以扩展技术栈，学习 Web 开发构建完整的应用、学习数据库实现数据持久化、学习部署将应用上线；还可以持续优化你的项目，添加更多功能、优化性能和用户体验、完善测试和文档；更重要的是，积极参与社区贡献，帮助其他学习者、参与 Hello-Agents 框架开发、分享你的经验和心得。从第一章的简单智能体，到现在能够独立构建完整的多智能体应用，你已经走过了一段精彩的学习旅程。但这不是终点，而是新的起点。 AI 技术日新月异，智能体领域更是充满无限可能。希望你能够保持好奇心持续学习新技术，勇于用 AI 技术解决实际问题创造价值，乐于将你的经验和成果分享给社区，不断打磨你的作品追求卓越。最后，感谢你完整阅读了本项目。希望你在学习的过程中有所收获，也希望你能够将所学应用到实际项目中，创造出令人惊叹的智能体应用。AI 的未来充满无限可能，让我们一起探索和创造! 记住：最好的学习方式就是动手实践！ 现在，开始构建属于你的智能体应用吧！我们期待在 Co-creation-projects 目录中看到你的精彩作品！如果你觉得 Hello-Agents 项目对你有帮助，请给我们一个⭐Star！ ---

🎓 恭喜你完成了 Hello-Agents 教程的学习！🎉