Agent From Zero：从一次模型调用到可靠 Agent
不先搬出一套框架，而是从一次最小的模型调用出发，亲手搭建一个 Inventory & Quote Agent（库存与报价助手），再一步步加入工具、运行循环、校验、恢复、记忆、评估和可观测性——看看一个只会生成文本的模型，怎样逐步成长为能做事、会失败、可恢复，并且能证明自己表现如何的可靠 Agent。持续更新中。
Agent From Zero：从一次模型调用到可靠 Agent
不先搬出一套框架，而是从一次最小的模型调用出发，亲手搭建一个库存与报价 Agent，再一步步加入工具、运行循环、校验、恢复、记忆、评估和可观测性，看清一个只会生成文本的模型怎样成长为可靠的 Agent。
第一篇：先让程序和模型说上第一句话
在加入工具、记忆或运行循环之前，先只做一件事：让一段 Python 程序把一句话交给模型，再把模型的回答取回来——看清一次最小的 Chat Completion 里，请求边界和模型能力边界分别在哪里。
第二篇：模型调用失败时，程序应该看见什么
真实触发认证、网络和请求这三类失败，观察 SDK 实际抛出的异常，再把它们翻译成一组稳定、可采取行动的应用层错误类型——失败分类不是为了报错更整齐，而是为了让程序知道接下来能做什么。
第三篇：一次回答到底花了多少时间和钱
让 chat() 从只返回一句文本，变成返回一张记录 token、延迟和估算成本的最小收据——先有单次调用的数据，才可能有后续的可观测性。
第四篇：先给模型一份查库存的说明书
把'查库存'拆成两件事：一个真正能查到数据的 Python 函数，和一份模型能读懂的 Tool Schema。函数负责做事，Schema 负责让模型描述它想做什么——本篇只把这两块准备好，还不让模型真正发起调用。
第五篇：模型提出调用，程序执行工具
上一篇只给模型准备了工具说明书；这一篇第一次走完调用全过程——模型看到 Schema、提出调用请求、程序执行函数、把真实结果送回，模型再据此生成最终回答。
第六篇：查不到商品时，模型会不会编一个数字
工具明确返回“没有查到”时，模型是会诚实说明没有数据，还是编一个看起来合理的库存数字？先确认程序能把 None 正确传给模型，再用真实调用观察模型实际怎样回答。
第七篇：让销售助手学会入库和出库
工具从一个增加到三个：新增 add_inventory 和 remove_inventory 之后，调用代码要不要跟着增加新的判断分支？答案是一份用工具名称对应函数的注册表——这也是程序第一次拥有能修改数据的工具。