这门免费 Agent 课，实战及格线只有 30%

在 Hugging Face 的 AI Agents 课程里，想拿到第 1 单元证书，期末测验至少要考 80%。想拿到整门课的结业证书，你构建的 Agent 只需在期末作业的基准测试上得分超过 30%。这两个数字几乎说尽了这门课，也说尽了 FDE 的工作。

理论题答对并不难。基准测试的门槛低得多，说明让 Agent 真正解决问题要难得多。对前线部署工程师（FDE）来说，关键问题不是你对工具调用了解多少，而是你的 Agent 能否在真实数据上跑通。

如果你是有 2–8 年经验、想转做 FDE 的开发者，这门课值得投入几周时间。但你不必按课程编排的顺序来学。

四个单元，两级证书

课程的正式名称是“Welcome to the 🤗 AI Agents Course”，于 2025 年在 huggingface.co/learn/agents-course 上线，由 Ben Burtenshaw 和 Sergio Paniego 维护，由 Joffrey Thomas 和 Thomas Simonini 编写和开发。整个代码仓库以 Apache-2.0 许可证开源。

Hugging Face 将课程目标描述为借助 smolagents、LlamaIndex 和 LangGraph 三个框架，从“理论、设计与实践”三方面学习 AI 智能体。先修要求是基础 Python 和对大模型（LLM）的基本理解。每章按一周设计，约需 3–4 小时。

入门引导之后是四个单元：第 1 单元讲基础，第 2 单元讲框架，第 3 单元讲用例，第 4 单元是按基准测试评分的期末作业。附加单元涵盖面向函数调用的微调、可观测性与评测，以及一个玩 Pokemon 的 Agent。学员还可以把自己的 Agent 分享到 Hub 上，互相比拼。

证书完全免费，没有截止日期。完成第 1 单元即可获得基础证书；结业证书还要求完成一项用例作业和期末挑战。

	基础证书	结业证书
要求	完成第 1 单元，期末测验至少 80%	第 1 单元 + 用例作业 + 期末挑战，基准测试超过 30%
向雇主证明什么	你理解 Agent 的概念	你交付过一个用数字衡量的 Agent
简历上怎么写	简短一行	写上基准测试分数，以及你如何把它提上去

目标是 FDE，该按什么顺序学？

建议是不要对每个单元平均用力。如果你调用过 LLM API，第 1 单元可以快速过：这一阶段的目标是拿到基础证书，尽快进入实操。

第 2 单元讲三个框架。选一个深入，另外两个略读，了解差异即可。值得带走的，是能认出同一个 Agent 概念在三种写法下的样子，而不是背下三套 API。

第 3 单元讲用例，从这里开始应当不看示例自己写代码。把它当作一次客户需求调研：像读客户需求一样读题目，然后追问输入数据长什么样、Agent 允许调用哪些工具、怎样才算“完成”。

接下来是最重要的部分，也是该调整顺序的地方：把可观测性与评测附加单元放在第 4 单元之前学，而不是之后。如果看不到 Agent 在哪一步出错、哪些工具调用多余、在哪里过早停下，就无法提高基准测试分数。运行、度量、修复、再运行，这个循环值得现在就养成习惯。

如果你已经多次看到 Agent 以错误格式调用工具，面向函数调用的微调附加单元值得一学。Pokemon 单元留到空闲的周末再看。

30% 这个数字教会了什么？

这也是为什么值得注意：课程把 smolagents、LangGraph 和 LlamaIndex 放进了同一个单元。这种安排意味着概念才是长久的资产，库随时可以替换。

这样看，30% 的门槛不应理解为宽松。它可以理解为一个信号：面对真实问题，Agent 离完美还很远，而你的价值在于一步一步、有意识地把这个数字推高。

简历也应这样写。不要只写“完成了 Hugging Face 的 AI Agents 课程”。写明你的 Agent 在第 4 单元基准测试上得了多少分，你改了什么让它从一个水平升到下一个水平，并附上 Hub 链接，让面试官自己运行。

阅读 FDE 岗位描述时，留意评测、可观测性和工具调用这类词。如果出现了，你就已经有一个项目可以聊。

印着你名字的证书是免费的。基准测试上的分数，以及你如何把它推高的故事，才是 FDE 招聘经理想听的。