Day 20 / 共 20 天 · 第 4 周（结业）
构建、测试与收官串讲
最后一天：本地开发测试、从零搭 Agent 清单、常见坑、20 天知识地图、AutoGPT 设计哲学，以及和你学过的其他框架的横向对比。
📍 你在整门课的位置 · 第 4 周 平台化与收官
D18 REST API→
D19 经典/Forge→
D20 收官→
🎓 结课
💡 今天的类比世界观：收官 = 一次"工厂参观的毕业总结"
最后一天回望这座"AI 工厂"：20 天知识地图 = 从图纸到交付的完整建厂流程（概念 → 积木 → 图 → 执行 → 计费）；从零搭 Agent 清单 = 开一条新产线的检查表；常见坑 = 老师傅贴在墙上的"事故警示"；设计哲学 = 贯穿全厂的三条厂训（声明式、可控、计量）。今天都用"工厂毕业参观"来想。
👶 小白：学完这 20 天，我现在到底能干嘛？会不会转头就忘光？
👨🏫 老师：三件事你已经能做：① 读懂平台源码——再看 block.py / graph.py / executor 不再发怵；② 写自己的 Block（继承基类、声明 schema、配 test_mock）并被 AutoRegistry 自动收录；③ 看懂一张 Graph 是怎么被调度、扣费、实时推送的。忘细节没关系，记住那句厂训——"积木连成图、数据顺线流、作坊变工厂、可控又能收费"，需要时回来查地图即可。
L01
本地开发与测试
cd autogpt_platform
docker compose up -d # 一键起全平台（Day 04）
# 或分开：make start-core / make run-backend / make run-frontend
# 测试
cd backend && poetry run pytest # 后端单测
poetry run pytest backend/blocks/ # 只测 Block调试建议
① 看执行事件：前端画布实时显示每个节点状态/输入输出（Day 15），节点报错一眼看到。② 分清进程：REST 报错看 rest_server 日志、执行卡住看 executor 日志（Day 04）。③ 先单跑 Block：
POST /api/blocks/{id}/execute 单独测一个块，对了再连图。可视化 + 事件流让 AutoGPT 的调试比纯代码 Agent 直观——你能"看见"数据在图里流。L02
Block 自带测试
🤔 痛点：一个块要调 OpenAI 才能跑，怎么给它写自动化测试？
真跑一次要花钱（烧 token）、要联网、还慢，而且同样的输入 LLM 每次输出还不一样——这样的测试没法天天在 CI 里跑，也没法稳定判断"对不对"。那调外部 API 的块岂不是没法测了？
💡 本质：用 test_mock 把"外部调用"替换成可预测的假响应
测试要的是"确定、免费、快"。
test_mock 把块里"调外部 API"那一步换成一个返回固定假数据的函数——于是测试不联网、不花钱、结果确定，只验证块自身的输入处理和输出组装逻辑对不对。这就是软件测试里的 mock（打桩）思想：隔离掉不可控的外部依赖，只测你自己的代码。后端整体用 poetry 管依赖、pytest 收集各处 *_test.py 自动执行。回忆 Day 02/06：每个 Block 都有 test_input/test_output/test_mock。测试框架自动跑：给 test_input，验证产出等于 test_output；调外部 API 的块用 test_mock 换成假响应。仓库里 *_test.py 遍布各目录（如 executor/manager_test.py、data/credit_test.py），数据库模型在 schema.prisma、变更走 migrations/。
📝 举个例子：一个"加法块"的测试样例长什么样
块定义里带：
测试框架自动做：喂
若是"调 OpenAI 的块"，再加
test_input={"a":2,"b":3}、test_output=("result",5)。测试框架自动做：喂
{"a":2,"b":3} 给 run() → 收集输出 → 断言输出的 result 等于 5。若是"调 OpenAI 的块"，再加
test_mock={"call_llm": lambda *_: "假回答"}——测试时 call_llm 被换成直接返回 "假回答"，不联网、不花钱、结果每次都一样。poetry run pytest 就把这些样例全跑一遍。"Block 自带测试"是很棒的设计
300+ 个 Block，怎么保证每个都能用？让每个 Block 定义时就带上"给这个输入应该得这个输出"的样例，测试框架自动逐个验证。加新块必须配测试样例——保证质量下限。
test_mock（Day 07）让调 API 的块也能免费、快速、确定地测。这就是 300+ 块能保持质量、社区能放心贡献的保障——测试是 Block 定义的一等公民。L03
从零搭一个 Agent 的清单
- 启动平台（docker compose），打开 localhost:3000（Day 04）
- 充值 credit / 用系统凭据（Day 16/17）
- 在画布拖入 INPUT 块（Agent 的输入口，Day 07）
- 拖入功能块（读网页/LLM/发邮件…），连线（前块输出→后块输入，Day 03）
- 需要外部服务？给块配凭证（系统凭据零配置 / 连你的账号，Day 08/17）
- 拖入 OUTPUT 块（结果出口）
- 保存（自动版本化，Day 11）、点运行、看实时执行（Day 15）
- 想定时？配 schedule（"每天 8 点"，Day 14）
- 做好了？上架 Store 分享/变现（Day 18）
- 想扩展新能力？写自定义 Block（SDK，Day 10）
你现在能驾驭 AutoGPT Platform 了
这张清单每一项都对应你学过的某一天。从"读懂源码"到"会搭、会配、会扩展、会运维",你都具备了。而且你还理解了它背后的执行引擎、计费、凭证机制——不只会用，更知道为什么。
L04
常见坑速查
- 找 Block 基类在 data/block.py：错！在
blocks/_base.py（Day 02）。 - 新 Block 免费：没在 BLOCK_COSTS 登记 = 从钱包视角免费（Day 09），加块记得配成本。
- 节点不执行：可能输入没齐（"攒齐才入队"，Day 13）——检查所有必需输入口是否有连线或默认值。
- 402 报错：余额不足（付费墙，Day 16/18）——充值。
- 凭证明文：别硬编码，用凭证字段（引用 vs 实体，Day 08）。
- Block id 别改：id 是永久身份，改了引用它的图就断了（Day 06）。
- cron 星期：APScheduler(0=周一) vs Unix cron(0=周日)，注意转换（Day 14）。
L05
20 天知识地图
第1周 核心概念
- D1 全景/转型
- D2 Block
- D3 Graph
- D4 运行平台
- D5 执行旅程
第2周 Block 系统
- D6 基类/生命周期
- D7 真实 Block
- D8 凭证
- D9 成本
- D10 SDK
第3周 执行引擎
- D11 Graph 模型
- D12 manager
- D13 数据流
- D14 Scheduler
- D15 WebSocket
第4周 平台/起源
- D16 Credits
- D17 凭证OAuth
- D18 API/REST
- D19 经典起源
- D20 收官
从"一个功能积木"一路走到"能拖拽构建、拓扑执行、计量收费、可分享变现的完整平台"，还看清了它从 2023 全自主鼻祖到今天可控平台的演进。
一条主线：Block（积木）→ Graph（连成图 = Agent）→ 执行引擎（拓扑跑图、数据流动）→ 平台底座（计费/凭证/API/市场）→ 起源（从全自主到可控平台）。从"一个功能积木"，到"一个能拖拽构建、拓扑执行、计量收费、可分享变现的完整 AI Agent 平台"，你把整条链路走通了，还看清了它从 2023 起源至今的演进逻辑。
L06
贯穿始终的设计哲学
① Block 组合：一切能力都是有类型口的可复用积木，连成图即 Agent。低代码可视化 + 开发者可扩展兼得。
② 数据流驱动的拓扑执行：节点"输入齐了才跑"，局部规则保证全局正确，天然支持分支/汇聚/并行/子图。
③ 声明式扩展：写块只需声明 schema/成本/凭证，AutoRegistry 自动集成——贡献者不碰管道。
④ 计量 SaaS：credit 钱包、预扣+对账、原子扣费、Stripe 充值、市场变现——把 Agent 做成可持续生意。
⑤ 安全凭证：引用 vs 实体分离、加密存储、执行时注入、OAuth 托管——安全地接入几百个服务。
⑥ 多进程 + 队列 + 事件总线：REST/executor/WS 分进程、MQ 解耦、Redis 广播——可靠地并发处理长任务。
⑦ 可控优于全自主：从经典的"放飞自主"转向"可视化编排 + 局部 AI"——生产可靠性的必然选择。
L07
四框架横向对比（你已学四个！）
你现在学过 eino、OpenHands、CrewAI、AutoGPT 四个 Agent 系统。对比它们的"编排范式"：
- eino：Go 代码编排（Chain/Graph/Workflow），面向开发者、类型安全。
- OpenHands：Action/Observation 事件循环，自主软件工程师（写代码干活）。
- CrewAI：角色扮演多智能体团队（Crew）+ 事件驱动工作流（Flow）。
- AutoGPT Platform：可视化 Block 图，低代码、计量 SaaS。
殊途同归的共性：① 都有"节点/步骤 + 连接"的编排（图/链/事件流）；② 都有 ReAct 式循环或数据流执行；③ 都用事件系统做可观测；④ 都强调"可控 + 局部自主"（没人搞纯放飞了）；⑤ 都面向接口/组件化、都有成本意识、都有 HITL（人工介入）。学完四个，你已经能看穿任何新 Agent 框架——因为它们共享同一套底层思想。这就是"读懂多个源码"的复利：从"会用一个"到"看穿一类"。
L08
🎓 结业 + 下一步
恭喜你完成 AutoGPT 20 天源码学习！
你从零基础，走到了理解"可视化 Agent 构建平台如何构建"的水平——Block 积木、Graph 图、拓扑执行引擎、计量计费、凭证/OAuth、REST/WebSocket，以及它从 2023 全自主鼻祖到今天可控平台的演进。这是你学完的第四个 Agent 系统——你已经建立了"看穿任何 Agent 框架"的能力。
🚀 下一步建议
- 动手搭：照 L03 清单，在平台上搭一个真实自动化（比如"每天新闻摘要发邮箱"）。
- 写个 Block：照 Day 10 SDK，给平台加一个你需要的自定义积木。
- 读 tests：
backend/blocks/test/和各处*_test.py是活文档。 - 横向对比：回顾 eino/OpenHands/CrewAI，对比它们和 AutoGPT 的异同——你会理解得更深。本系列后续还有 SuperAGI、LangGraph、openclaw、higress、apisix。