一、环境配置问题与解决
问题描述
使用 conda 创建新的 Python 虚拟环境后，无法正常安装所需依赖包。
解决方案
原系统环境变量中，Python 环境路径被直接指定到某一虚拟环境目录，导致环境切换异常。处理步骤：
- 删除该错误指向虚拟环境的 Python 路径；
- 新增以下三条系统环境变量：
- .conda
- Anaconda3/Library/bin
- Anaconda3/Scripts
- 配置完成后，使用 conda 切换虚拟环境时，系统会自动加载并更新对应环境变量。
小提示
- Windows 11 手动修改环境变量的入口与 Windows 10 不同；
- 可通过快捷键
Win + R打开运行窗口，输入sysdm.cpl快速定位环境变量配置界面。
Python 版本建议
推荐使用 Python 3.12，不建议使用更高版本，避免因版本不稳定导致项目运行异常。
二、API Key 相关说明
项目需申请两个 API Key，用途分工明确：
- ModelScope：项目核心大语言模型，承担主体推理能力；
- Tavily Search：专门用于实现景点推荐功能的 AI 搜索服务。
模型调用问题
ModelScope 中无法选择 deepseek-r1-llama-70b 模型，提示可用额度受限。目前使用qwen-32b，运行比较稳定。
三、.env 文件与代码运行问题
-
字段名修正：.env 文件中默认字段为
model_name，需修改为model_id。 -
变量加载方式：课程提供的代码中，无需手动修改环境配置变量，通过
python-dotenv包可自动读取 .env 文件中的变量并赋值。 - 参数格式：.env 文件中的参数值建议统一添加双引号包裹。
-
Jupyter 运行注意：课程代码末尾包含带
input()函数的交互逻辑，在 Jupyter 中运行会造成阻塞，无法正常执行，建议在原生 Python 环境运行或注释掉交互部分。
四、智能体（Agent）基础知识点
Agent 四要素
- sensors（感知器）
- environment（环境）
- actuators（执行器）
- action（动作）
核心特性：autonomy（自主性）
智能体演进路线
- simple reflex agent（简单反射智能体）
- model-based reflex agent（基于模型的反射智能体）
- goal-based agent（基于目标的智能体）
- utility-based agent（基于效用的智能体）
- learning agent（学习型智能体）
智能体的分类
- 内部决策架构
- 反应性
- 知识表示（不太懂）
五、智能体的运行原理
PEAS
PEAS用来描述任务环境，要理解智能体，必须先理解它所处的环境。
运行机制
不太懂，还在理解中
