深入理解 AI Agent

请帮我把「深入理解 AI Agent」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://bojieli.github.io/ai-agent-book/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：在本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：每章有思考题（书末附参考答案）和 chapterN/ 下的配套实验（作者称共 109 个），全部公开，无提交和评分。运行实验需自付模型 API 费用，部分实验需 GPU。
课节（官方顺序）：
1. 引言：https://bojieli.github.io/ai-agent-book/book/introduction/
2. 第1章 Agent基础知识：https://bojieli.github.io/ai-agent-book/book/chapter1/
3. 第2章 上下文工程：https://bojieli.github.io/ai-agent-book/book/chapter2/
4. 第3章 用户记忆和知识库：https://bojieli.github.io/ai-agent-book/book/chapter3/
5. 第4章 工具：https://bojieli.github.io/ai-agent-book/book/chapter4/
6. 第5章 CodingAgent与通用Agent：https://bojieli.github.io/ai-agent-book/book/chapter5/
7. 第6章 交互：观察与动作空间的扩展：https://bojieli.github.io/ai-agent-book/book/chapter6/
8. 第7章 Agent的评估：https://bojieli.github.io/ai-agent-book/book/chapter7/
9. 第8章 模型后训练：https://bojieli.github.io/ai-agent-book/book/chapter8/
10. 第9章 Agent的持续进化：https://bojieli.github.io/ai-agent-book/book/chapter9/
11. 第10章 多Agent协作：https://bojieli.github.io/ai-agent-book/book/chapter10/
12. 后记：https://bojieli.github.io/ai-agent-book/book/afterword/
13. 思考题参考答案：https://bojieli.github.io/ai-agent-book/book/reference-answers/

1. 环境
- 第1章web-search-agent提供无需密钥的官方offline-demo，可用于理解预设轨迹；它不是实际模型或搜索验证。联网实验仍按章节说明选择服务并配置凭据。
- git clone --depth 1 https://github.com/bojieli/ai-agent-book official；brew install uv。
- 按章节 uv sync --locked --extra chN，uv run 运行实验。
- cp .env.example .env，请我填入 API Key（会产生费用）；需要 CUDA 的实验改用云 GPU，由我决定。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 书籍与配套实验仓库：git clone --depth 1 https://github.com/bojieli/ai-agent-book 到 official/（许可：Apache-2.0（个别子项目另有许可））；Windows原生Git若报Filename too long，先选择较短的课程路径，或仅对本次clone使用git -c core.longpaths=true clone --depth 1；不要修改全局Git设置。已失败的全新官方副本由Agent核对后修复，不能对已有用户作业执行恢复操作。；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
3. 目录（最外层放在我确认的位置）
ai-agent-book/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── official/        # 官方材料
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-introduction/
    ├── 02-agent-basics/
    ├── 03-context-engineering/
    ├── 04-memory-knowledge-base/
    ├── 05-tools/
    ├── 06-coding-and-general-agents/
    ├── 07-interaction/
    ├── 08-agent-evaluation/
    ├── 09-post-training/
    ├── 10-continual-evolution/
    ├── 11-multi-agent/
    ├── 12-afterword/
    └── 13-reference-answers/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - test -d official/chapter1 && test -f official/.env.example  → 仓库与实验目录已克隆
  - uv --version  → 输出 uv 版本
  - cd official && uv run python -V  → 输出 Python 3.11–3.13
  - 人工检查：根据已选章节README确认是否需要模型服务商和.env；只检查变量名，不打印密钥。  → 已授权模型配置完整或明确标注待提供；不得把.env文件存在当作模型可用；此项不是 shell 命令。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。