> ## Documentation Index > Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # 简介本指南将带您了解使用 Agno 构建 Agent 的基础知识。这些示例会循序渐进地引入新的概念和功能。每个示例都包含详细的注释、示例提示和所需的依赖项。 ## 设置创建一个虚拟环境： ```bash theme={null} python3 -m venv .venv source .venv/bin/activate ``` 安装所需的依赖项： ```bash theme={null} pip install openai duckduckgo-search yfinance lancedb tantivy pypdf requests exa-py newspaper4k lxml_html_clean sqlalchemy agno ``` 导出您的 OpenAI API 密钥： ```bash theme={null} export OPENAI_API_KEY=your_api_key ``` ## 示例构建一个具有鲜明个性的新闻报道 Agent。此 Agent 只展示基本的 LLM 推理。添加 DuckDuckGo 网页搜索功能，以获取实时信息。在您的 Agent 中添加向量数据库，用于存储和搜索知识。通过会话管理和历史记录功能，为您的 Agent 添加持久化能力。创建一个专注于市场研究和财务分析的 Agent 团队。使用 Pydantic 模型生成结构化输出。创建自定义工具并将其集成到您的 Agent 中。使用 Exa 构建一个 AI 研究 Agent，并进行受控的输出引导。创建一个结合了网页搜索和内容抓取的 AI 研究工作流。创建一个能够理解图像的 Agent。创建一个能够使用 DALL-E 生成图像的 Agent。创建一个能够使用 ModelsLabs 生成视频的 Agent。创建一个能够处理音频输入并生成响应的 Agent。创建一个具备会话状态管理的 Agent。在 agent.run 中评估依赖项，并将它们注入指令中。创建一个在不同对话中保持持久会话内存的 Agent。创建一个能够存储用户记忆和摘要的 Agent。处理函数重试，应对失败或不令人满意的输出。添加用户确认和安全检查，以实现交互式 Agent 控制。每个示例都包含可运行的代码和详细的解释。我们建议按顺序学习，因为概念是建立在先前示例的基础上的。