CMU 11-768：AI Agents（2026 秋）

请帮我把「CMU 11-768：AI Agents（2026 秋）」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://www.cmu-agents.com/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：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：Assignment 1 Harness（https://github.com/cmu-agents/assignment-1）、Assignment 2 Eval（https://github.com/cmu-agents/assignment-2）、Assignment 3 Training 与半学期2–4人研究项目；作业3尚未提供仓库链接，不能猜测。先读各仓库README再配置依赖与模型预算，环境自检不得调用付费模型。 Assignment 1 Harness/Assignment 2 Eval 的真实模型接口需要所选供应商账号与 API 密钥；在确认调用费用和外部数据范围前，只做本地 JSON 工具检查。后续训练的 GPU 型号/显存取决于作业和模型，当前不承诺普通电脑能训练。
课节（官方顺序）：
1. 1a · Tue, Aug 25: Course Overview: What Is an Agent?：https://www.cmu-agents.com/slides/lecture-01-agents.pdf
2. 1b · Thu, Aug 27: Agent Capabilities 1: Tool Use：https://www.cmu-agents.com/slides/lecture-02-tool-use.pdf
3. 2a · Tue, Sep 1: Agent Capabilities 2: Context Management for Long-Context Agents：https://www.cmu-agents.com/slides/lecture-03-long-context.pdf
4. 2b · Thu, Sep 3: Agent Capabilities 3: Skills and Memory：https://www.cmu-agents.com/slides/lecture-04-memory-and-skills.pdf
5. 3a · Tue, Sep 8: Agent Capabilities 4: Planning, Task Decomposition, and Multi-Agent Coordination：https://www.cmu-agents.com/slides/lecture-05-planning.pdf
6. 3b · Thu, Sep 10: Domains 1: Coding Agents：https://www.cmu-agents.com/slides/lecture-06-coding-agents.pdf
7. 4a · Tue, Sep 15: Computer Use Agents：https://www.cmu-agents.com/slides/lecture-07-computer-use-agents.pdf
8. 4b · Thu, Sep 17: Training 1: Supervised Fine-Tuning (SFT)：https://www.cmu-agents.com/slides/lecture-08-sft.pdf
9. 5a · Tue, Sep 22: Training 2: Reinforcement Learning Basics：https://www.cmu-agents.com/slides/lecture-09-rl-basics.pdf
10. 5b · Thu, Sep 24: Domains 3: Deep Research Agents：https://www.cmu-agents.com/slides/lecture-10-deep-research-agents.pdf
11. 6a · Tue, Sep 29: Training 3: Advanced RL Algorithms：https://www.cmu-agents.com/slides/lecture-11-rl-advanced.pdf
12. 6b · Thu, Oct 1: Training 4: RL Systems：https://www.cmu-agents.com/slides/lecture-12-rl-systems.pdf
13. 7a · Tue, Oct 6: Safety 1: Agent Safety：https://www.cmu-agents.com/slides/lecture-13-agent-safety.pdf
14. 7b · Thu, Oct 8: Frameworks 1: OpenHands：https://www.cmu-agents.com/slides/lecture-14-openhands.pdf
15. 9a · Tue, Oct 20: Frameworks 2: LangGraph：https://www.cmu-agents.com/
16. 9b · Thu, Oct 22: Safety 2: Observability and Monitoring：https://www.cmu-agents.com/
17. 10a · Tue, Oct 27: Agents and the Future of Work：https://www.cmu-agents.com/
18. 10b · Thu, Oct 29: Interaction 1: Multi-Agent Interaction：https://www.cmu-agents.com/
19. 11a · Tue, Nov 3: Project hours：https://www.cmu-agents.com/
20. 11b · Thu, Nov 5: Project hours：https://www.cmu-agents.com/
21. 12a · Tue, Nov 10: Interaction 2: Human-Agent Interaction：https://www.cmu-agents.com/
22. 12b · Thu, Nov 12: Search 1: Reranking and Critic Models：https://www.cmu-agents.com/
23. 13a · Tue, Nov 17: Search 2: Tree Search：https://www.cmu-agents.com/
24. 13b · Thu, Nov 19: Guest Lecture：https://www.cmu-agents.com/
25. 14a · Tue, Nov 24: Guest Lecture：https://www.cmu-agents.com/
26. 15a · Tue, Dec 1: Final presentations (posters)：https://www.cmu-agents.com/
27. 15b · Thu, Dec 3: Final presentations (posters)：https://www.cmu-agents.com/

1. 环境
- Python 3 独立虚拟环境；按官方作业依赖安装，Notebook 使用 Jupyter。
- 在课程专用目录中准备环境，不修改全局依赖或其他项目环境。
- 记录软件版本；先跑导入、编译器版本或官方离线示例，付费模型调用和提交作业不属于环境自检。
- Assignment 1 Harness/Assignment 2 Eval 的真实模型接口需要所选供应商账号与 API 密钥；在确认调用费用和外部数据范围前，只做本地 JSON 工具检查。后续训练的 GPU 型号/显存取决于作业和模型，当前不承诺普通电脑能训练。
- 本站首课最小环境（不是官方全部作业锁定依赖）：在课程目录执行 py -3.12 -m venv .venv；再执行 .\.venv\Scripts\python.exe -m pip install numpy。安装失败保留错误，不把包能导入等同于干净机器重装成功。
- 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
- 官方课程表与材料：只记录链接 https://www.cmu-agents.com/（仅保存链接；未确认统一下载许可，不批量复制课件或视频。）
- Assignment 1 Harness：只记录链接 https://github.com/cmu-agents/assignment-1
- Assignment 2 Eval：只记录链接 https://github.com/cmu-agents/assignment-2
3. 目录（最外层放在我确认的位置）
cmu-11768-fall2026/
├── 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.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    ├── 23-lesson-23/
    ├── 24-lesson-24/
    ├── 25-lesson-25/
    ├── 26-lesson-26/
    └── 27-lesson-27/
- 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.ps1，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。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - 在课程 .venv 对应的 Python 代码单元中执行（不是 shell 命令）：import json; x=json.loads('{"a":2,"b":3}'); print(x['a']+x['b'])  → 5；仅本地 JSON 工具，不代表真实模型代理可用
- 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。