DeepSeek Agent 开发（三）· MiniManus 项目实战七集深挖：架构蓝图、Python/SQL/联网三大函数组、WorkFlow 组装、主类封装与验收（第 11--17 集）
一句话概览（TL;DR）： 这是《DeepSeek 智能体开发实战》17 集系列深挖的收官篇，聚焦第 11--17 集 MiniManus 项目实战，共约 1 小时 43 分钟、占全课 44% 。七集是一条标准工程流水线：第 11 集出图纸（29 分半的"一主三从"架构：一个主控 Agent + Python 代理 / SQL 代理 / 联网搜索三大函数组，具备复杂任务拆解、多工具并行、自动 debug 三大特性）→ 第 12--14 集造零件（三大函数组）→ 第 15 集组装（把 Function Calling 循环升级为可调度三函数组、处理串并联混合调用的 WorkFlow 主循环）→ 第 16 集封装（对外一句话发起任务的核心主类）→ 第 17 集质检（Deep Research 长报告与数据分析报告实测） 。前 10 集的所有技术在此全部回收：FC 循环是 WorkFlow 的心跳，NL2Python/NL2SQL 是两大函数组内核，串并联是任务拆解的执行策略。最终产出是一个能联网、会写代码、可查数据库、能自己修 bug、可写进简历的企业级通用智能体。
📌 课程信息 ：UP 主"九天Hector"｜《DeepSeek 智能体开发实战，从零手搓 MiniManus》｜B 站共 17 集、约 3 小时 52 分钟｜已完结。本篇范围 ：第 11--17 集（MiniManus 项目实战），合计约 1 小时 42 分 52 秒，是四个板块中时长最大的一块。
前置阅读 ：建议先读系列第（一）篇（第 1--4 集导论与理论）、第（二）篇（第 5--10 集 Function Calling 核心技术）。
最后更新：2026 年 10 月。模型、框架与 Manus 类产品迭代较快，工程实践以官方最新文档为准。
本文目录
- 板块定位：前面十六集都是铺垫，这里才是产品
- [第 11 集 · MiniManus 架构蓝图：一主三从，全课最长一集](#第 11 集 · MiniManus 架构蓝图：一主三从，全课最长一集)
- [第 12 集 · Python 代理函数组：会写代码、会自己修 bug 的手](#第 12 集 · Python 代理函数组：会写代码、会自己修 bug 的手)
- [第 13 集 · SQL 代理函数组：最短一集背后的工程细节](#第 13 集 · SQL 代理函数组：最短一集背后的工程细节)
- [第 14 集 · 联网函数组：让 Agent"看世界"](#第 14 集 · 联网函数组：让 Agent"看世界")
- [第 15 集 · WorkFlow 设计与实现：地基验收处](#第 15 集 · WorkFlow 设计与实现：地基验收处)
- [第 16 集 · 核心功能主类：从脚本能跑到系统能用](#第 16 集 · 核心功能主类：从脚本能跑到系统能用)
- [第 17 集 · 实操与性能测试：最终验收](#第 17 集 · 实操与性能测试：最终验收)
- MiniManus 七集速查表
- 这个项目怎么写进简历
- 观看节奏与最终自测
- FAQ 高频问答（8 问）
- 资料来源、内容说明与系列导航
🧩 配套可视化：MiniManus 项目实战七集
本文配有一张可交互的 MiniManus 架构与实战图，呈现"一主三从"结构、三大函数组职责、任务拆解与串并联调度、自动 debug 回路，以及七集流水线。
- 在线查看（可分享）：MiniManus 项目实战七集深挖
- 课程原页：哔哩哔哩 BV1L3ZDYDEnE
一、板块定位：前面十六集都是铺垫，这里才是产品
如果学这门课的目的是"简历上有一个能打的 Agent 项目"，那这七集就是全部目的地；前面十集学到的东西，在这里完成变现。
第四板块 7 集合计约 103 分钟、占全课 44%，是四个板块里最大的一块。这符合工程常识：讲原理可以快，盖房子快不了。 七集内部是一条标准工程流水线：
- 第 11 集出图纸（架构介绍）；
- 第 12--14 集造零件（三大函数组）；
- 第 15 集组装（WorkFlow）；
- 第 16 集封装（核心主类）；
- 第 17 集质检（测试验收）。
这个顺序本身就是一堂隐形的工程课：先设计后编码，先零件后组装，先跑通后优化。 很多自学者的项目烂尾，不是不会写代码，而是没图纸就开始浇混凝土------第 11 集那 29 分 30 秒，正是治这个病的。
结构上还有一处呼应值得点破：第三部分（第 5--10 集）教的所有技术在这里全部回收------Function Calling 循环是 WorkFlow 的心跳，NL2Python/NL2SQL 是两大函数组内核，串并联调用是复杂任务拆解的执行策略。 第三部分偷的懒，这个板块会连本带利收回来；反过来，地基打得牢，这七集会有一种"一切都在意料之中"的丝滑感------这不是课讲得快，是你准备好了。
二、第 11 集 · MiniManus 项目架构介绍（29 分 30 秒）：全课最长，值回每一秒
一门 4 小时的课，单集最长的不是写代码而是"介绍架构"，这本身就是作者在表态：在 Agent 开发里，想清楚比写代码贵得多。
这集要放在 Manus 爆火的背景里看。通用智能体（General-Purpose Agent）出圈后，"丢给它一个复杂任务，它自己拆解、自己调工具、自己交付结果"成了企业大模型落地的参考答案：不再是客服机器人式的单点问答。课程判断很务实------自研一个 Manus 不现实，但手搓一个具备其基础功能的迷你版，无论作为求职项目还是企业开发参考都极具价值。
架构上，MiniManus 的骨架可概括为"一主三从"：
- 主控层 ：一个负责理解任务、规划步骤、调度工具的 Agent 循环（第 15--16 集实现）；
- 执行层 · 三个函数组：Python 代理（写代码干活）、SQL 代理（查数据库）、联网搜索（获取外部信息）；
- 三个企业级特性贯穿其中：复杂问题拆解（大任务切成子任务图）、多工具并行调用（独立子任务同时执行）、自动 debug（代码报错后模型自己修）。
图 1 ｜ MiniManus"一主三从"架构与任务流转： 主控 Agent 把任务拆解为子任务图，按依赖关系并联/串联调度三大函数组，结果统一回填、汇总输出；Python 代理内置"编码---执行---排错"的自动 debug 小循环。
flowchart TD
U[用户一句话任务] --> C[主控 Agent<br/>理解任务 · 规划 · 拆解子任务图]
C --> S{调度策略}
S -->|无依赖·并联| P[Python 代理函数组]
S -->|无依赖·并联| Q[SQL 代理函数组]
S -->|无依赖·并联| W[联网搜索函数组]
S -->|有依赖·串联| S2[按序接力调用]
P --> R[结果回填上下文]
Q --> R
W --> R
S2 --> R
R --> C2{模型观察全局<br/>继续行动 or 汇总?}
C2 -->|未完成| C
C2 -->|完成| O[汇总交付：调研报告 / 数据分析报告]
P -.报错堆栈回填·自动 debug.-> P
style C stroke:#E58522,stroke-width:1.5px
style P stroke:#3B7DD8,stroke-width:1.5px正确打开方式是看两遍：第一遍原速建立整体印象，不求甚解；第二遍在看完第 12--14 集后回来对照，逐个确认模块职责边界------哪个模块拆任务、哪个模块路由工具、报错信息在哪一层被捕获并回填。这种"蓝图---零件---回看蓝图"的节奏，比线性刷完省至少一倍调试时间。
三、第 12 集 · Python 代理自动编程函数组（13 分 38 秒）：最见"智能体"成色的一只手
这是三个函数组里时长最长、也最能体现智能体成色的一只手。
其内核在第 8 集已见过：模型根据自然语言需求生成 Python 代码、本地环境执行、结果回填。但作为 MiniManus 的正式"器官"，它要解决 demo 不必面对的问题------报错怎么办 。真实场景里模型写的代码不可能一次全对：缺库、变量名笔误、数据格式不匹配都是家常便饭。自动 debug 的机制，是把报错信息（错误堆栈 / stack trace）原样回填进对话，让模型看着错误自己改代码，改完再执行，不行再改，直到跑通或达到重试上限（retry limit）。 这本质上是把 Function Calling 循环嵌进了"编码---执行---排错"的小循环里------循环套循环，正是这个函数组真正的技术含量。
其能力边界很宽：连接本地 Python 环境完成数据提取、数据清洗、机器学习建模，最后生成图表；数据分析岗位的大量日常体力活，理论上都能接。
工程安全提示：模型生成的代码应在沙箱/受限子进程中执行，限制文件与网络权限、设置超时与资源上限，避免危险命令和无限循环影响主机。
四、第 13 集 · SQL 代理自动编程函数组（5 分 46 秒）：最短一集的工程细节
全课最短的一集，短得理直气壮------NL2SQL 的完整流程第 8 集已讲过，这集只剩"包装"：把"生成 SQL、连接数据库、执行查询、回填结果"这条链路封装成符合 MiniManus 工具规范的函数组，写好 JSON Schema 描述，接入调度体系。
一个值得学的工程细节：给 SQL 工具写描述时，数据库的表结构信息必须让模型可见 ，否则它只能瞎猜字段名。常见做法是把建表语句（或精简版 Schema）放进工具描述或系统提示词。真实企业里几百张表塞不进上下文，需要做表召回（schema retrieval，先检索与问题相关的表再喂给模型） ------课程作为入门项目未展开 Schema 膨胀问题，但理解"模型查库的质量，取决于它看到的表信息质量"这一层就够用了。
工程安全提示：NL2SQL 应使用只读账号、限制可查询的库表、对生成语句做审计，杜绝删改与越权。
五、第 14 集 · DeepSeek 联网函数组（9 分 47 秒）：让 Agent"看世界"
前两只手让 MiniManus 能"干活"，这只手让它能"看世界"。联网搜索函数组实现的是 Agent 获取外部实时信息的能力：发起搜索 → 获取网页 → 提取内容 → 回填模型。
其战略地位一句话说清：没有联网能力，MiniManus 只是一个本地代码工具；有了它才谈得上"通用"，因为绝大多数真实任务的第一步都是"先查查"。导学承诺的两个旗舰场景------类 **Deep Research（深度研究）**的长文档调研报告、数据准确的分析报告------数据源全靠这只手。
工程要点是结果清洗：网页内容是脏的，广告、导航、脚注混杂，直接塞给模型既烧 token 又污染判断，所以搜索函数组内部要做内容提取与截断。这是所有联网类 Agent 工具的共同功课。
六、第 15 集 · MiniManus WorkFlow 设计与代码实现（15 分 08 秒）：组装时刻，地基验收处
三只手备齐，轮到神经中枢上场。WorkFlow 要做的事一句话概括：把第 7 集那个 Function Calling 循环，升级成一个能调度三个函数组、处理串并联混合调用的主循环。 拆成四个动作：
- 接收用户任务后，模型规划并拆解成子任务；
- 按依赖关系决定哪些子任务并行发出 （第 9 集的手艺）、哪些排队接力（第 10 集的手艺）；
- 回收每个工具的执行结果，回填上下文；
- 模型观察全局进展，决定继续行动还是汇总输出。
为什么说这集是"地基验收处"？因为第 6--10 集任何一个知识点含糊，这里都会当场现形：Schema 写不好，三个函数组调度不动；循环理解不透，WorkFlow 每行代码都像天书；串并联分不清，任务执行顺序必然出错。反过来，前面跟得扎实，这集反而很"平淡"------所谓 WorkFlow，无非是把已经会的东西按架构图组装起来。这种平淡恰恰是教学设计成功的标志。
实操建议：本集与第 16、17 集是一个连续动作，务必安排在同一次学习 session 里连贯看完再动手；拆开看容易丢失上下文，调用链隔一夜就"锈"了。
七、第 16 集 · MiniManus 核心功能主类编写（14 分 51 秒）：从脚本能跑到系统能用
这集解决学生项目与工程项目的本质区别：封装（encapsulation）。
第 15 集结束时你手里是一个能跑的流程，但它以"脚本"形态存在：改个任务要翻代码、调用入口散落各处、状态管理裸露。主类编写就是把这些收进一个类里：对外暴露极简接口（一句话发起任务），对内藏起所有循环、状态、工具路由的复杂度。 导学里"一句话创建图文并茂的数据分析报告"的演示，靠的就是这层封装------用户只看到一句话，类内部已跑完搜索、写代码、查库、排版的全套流程。
这集的参考价值超出课程本身：Agent 项目的交付形态几乎永远是一个封装良好的类或服务，而不是一坨能跑的 notebook。 构造函数里放什么（API 配置、工具注册表）、主方法里放什么（任务入口、循环控制）、哪些状态做成实例变量（消息历史、执行记录）------这些封装决策在本集有完整演示，可当作一堂微型的"Agent 工程化"案例课。
八、第 17 集 · MiniManus 功能实操与性能测试（14 分 12 秒）：最终验收
最后一集是质检：拿真实任务跑整个系统，核对导学承诺兑现了几个。测试场景主要是两类旗舰任务：
- 类 Deep Research 的长文档调研报告：考验联网搜索、多步规划、长文本生成的全链路；
- 图文并茂、数据准确的数据分析报告：考验联网、Python 代理、图表生成的协同。
验收标准是"实际使用效果稳定"。评论区有学员独立验证：从零跟练约 3 小时 50 分钟成功复现，还"无意间"支持了工具并行调用------这个"无意间"很说明问题：并行能力不是硬编码的特例，而是从架构里自然长出来的。 对"能不能写进简历"，UP 主在评论区明确回复"可以，公开课都是高含金量项目"------这既是许可，也说明课程本就冲着"简历项目"这个刚需设计。
九、MiniManus 七集速查表
| 集 | 标题 | 时长 | 工程角色 | 关键产物 / 要点 |
|---|---|---|---|---|
| 11 | MiniManus 项目架构介绍 | 29:30 | 出图纸 | 一主三从、三特性；建议看两遍 |
| 12 | Python 代理自动编程函数组 | 13:38 | 造零件 | 生成/执行 Python，错误回填自动 debug |
| 13 | SQL 代理自动编程函数组 | 5:46 | 造零件 | NL2SQL 封装；表结构需对模型可见 |
| 14 | DeepSeek 联网函数组 | 9:47 | 造零件 | 搜索/取页/提取/回填，内容清洗截断 |
| 15 | MiniManus WorkFlow 设计与实现 | 15:08 | 组装 | 任务拆解 + 串并联混合调度主循环 |
| 16 | MiniManus 核心功能主类编写 | 14:51 | 封装 | 对外一句话接口，对内隐藏复杂度 |
| 17 | MiniManus 功能实操与性能测试 | 14:12 | 质检 | Deep Research / 数据分析报告实测 |
十、这个项目怎么写进简历
直接写"我跟着视频做了 MiniManus"是自曝其短；正确姿势是拆成能力点、用自己的语言重写。可参考的三个技术锚点：
- 基于 DeepSeek-V3 原生 Function Calling 从零实现通用智能体，不依赖 LangChain 等框架------潜台词是"懂底层"，面试加分；
- 实现多工具并行调用与串联依赖调度，支持复杂任务自动拆解------对应第 9、10、15 集；
- 构建 Python 与 SQL 自动编程代理，代码报错自动回填、模型自主 debug------最能体现工程深度。
面试高频追问（提前准备）：
- 为什么用 Function Calling，而不是靠提示词工程硬解析输出？
- 并联和串联在调度层怎么区分处理？
- 自动 debug 的重试上限与兜底（fallback）策略怎么设计？
- 工具执行的安全隔离（沙箱、只读账号）怎么做？
这几个问题答得好，项目就是你亲手做的；答不好，就是视频替你做的------差别往往就在第 11 集那 29 分钟你看了几遍。
十一、观看节奏与最终自测
| 集数 | 角色 | 建议 |
|---|---|---|
| 11 | 图纸 | 看两遍，第二遍放在第 14 集之后 |
| 12--14 | 造零件 | 每集看完立刻独立跑通对应函数组 |
| 15--16 | 组装 + 封装 | 连看连敲，不要隔夜 |
| 17 | 验收 | 看完后用你自己的真实任务再测一次 |
终极自测只有一道题，但很有区分度： 不看课程代码，给一个全新工具（比如一个查股票的 API），能不能在半小时内把它注册成 MiniManus 的"第四只手"并成功调度？能，说明这套东西长在手上了；不能，说明还是观众而非作者，回第 6、7 集补课。
十二、FAQ 高频问答
Q1：MiniManus 是什么？和 Manus 是什么关系？
Manus 是 2025 年出圈的通用智能体产品（给一个复杂目标，能自主拆解、调工具、交付结果）；MiniManus 是本课程手搓的"迷你版/教学版"，用 DeepSeek-V3 原生 Function Calling 实现其基础能力（联网、Python、SQL 三函数组 + 任务拆解 + 自动 debug），用于学习与简历项目，并非 Manus 官方产品。
Q2：MiniManus 的整体架构是怎样的？
"一主三从"：一个主控 Agent 负责理解任务、规划拆解与调度；下挂 Python 代理、SQL 代理、联网搜索三个函数组负责执行；贯穿复杂任务拆解、多工具并行、自动 debug 三个特性。主控与函数组之间通过 Function Calling 的消息循环连接。
Q3：Python 代理是怎么实现"自动 debug / 自动修 bug"的？
模型生成代码 → 本地沙箱执行 → 若报错，把完整错误堆栈作为工具结果回填给模型 → 模型据此修改代码 → 再执行，循环直到成功或触发重试上限/兜底。它是在 FC 大循环里嵌套的一个"编码---执行---排错"小循环。
Q4：SQL 代理和联网函数组有哪些关键工程点？
SQL 代理：必须让模型看到表结构（建表语句/精简 Schema，企业级用表召回），并用只读账号、审计语句；联网函数组：搜索→取网页→正文提取→截断清洗→回填，去广告导航、控制 token，否则又贵又污染判断。
Q5：WorkFlow 主循环和基础 Function Calling 循环有什么区别？
基础 FC 循环（第 7 集）处理"模型---单个工具"的请求与回填；WorkFlow 在此之上增加了任务拆解、子任务依赖分析、多个函数组的并联/串联调度、全局状态观察与汇总，是面向复杂任务的编排层，复杂度和职责都更高。
Q6：为什么一定要封装"核心主类"？脚本不也能跑吗？
能跑不等于能用。主类把 API 配置、工具注册表、消息历史、执行记录等状态收敛到类内部，对外只暴露一句话任务接口，便于复用、测试、部署为服务。工程项目交付的通常是封装良好的类/服务（或 API），而不是散落的 notebook 脚本。
Q7：MiniManus 能写进简历吗？怎么写、面试会怎么问？
可以（讲师明确支持）。建议按"原生 FC 实现、不依赖框架 / 多工具串并联与任务拆解 / Python·SQL 自动编程与自动 debug"三个锚点重写，并准备好"为何用 FC 而非硬解析、串并联如何调度、重试与兜底、安全隔离"等追问；最好再新增一个自定义工具或场景，体现增量改造而非照抄。
Q8：学完 17 集达到什么程度才算真正掌握？
能不看教程独立复现 FC 核心循环与三大函数组、能在半小时内给系统接入一个全新工具、能讲清 WorkFlow 如何做串并联调度与自动 debug、能定位一次真实的工具调用报错。最终以"新增第四只手"的扩展任务作为检验标准，而不是"视频看完了"。
十三、资料来源、内容说明与系列导航
课程与配套：
工程文档：
内容说明（信息边界）： B 站页面公开字幕仅含第 1 集，第 11--17 集正文以课程标题、页面简介、导学披露的教学大纲、评论区问答，以及 Agent 工程通用实践（任务编排、工具封装、代码沙箱、表召回、错误回填重试等）整理，个别细节以视频正片为准；安全实践为工程通用建议。
📚 系列导航（DeepSeek Agent 开发深挖，建议按序阅读）：
- 17 集全景拆解 · 四阶段学习路线图
- 第（一）篇 · 第 1--4 集：导论与 Agent 理论基础深挖
- 第（二）篇 · 第 5--10 集：Function Calling 核心六集深挖
- 第（三）篇 · 第 11--17 集：即本篇，MiniManus 项目实战七集深挖
全课终语： 四个板块拼起来是一条完整路径------第 1 集用 4 分钟立住选型逻辑（V3-0324 的 Agent 能力是钢筋，R1 的推理是另一回事），第 2--4 集用 41 分钟建立认知框架（Agent 是大脑 + 手脚 + 循环，框架只是壳），第 5--10 集用 83 分钟打地基（Function Calling 从原理到串并联），第 11--17 集用 103 分钟盖房子（架构、三函数组、WorkFlow、封装、验收）。约 4 小时视频加 8--10 小时实操，产出一个能联网、会写代码、可查数据库、能自己修 bug 的迷你通用智能体，外加一套不绑定任何框架的底层功力。Manus 们会迭代、DeepSeek 会出新版，但"读懂模型原生能力 → 手搓底层协议 → 按需组装系统"这套方法论，在 Agent 开发的下一个版本周期里依然有效------这是比任何单个项目都耐放的资产。