shakewingo/tadpole 是一个逐步讲解如何用 Python 从零开始构建并持续打磨工具调用型 LLM 智能体的仓库。目前没有公开发布的版本。README 中记录了各阶段刻意设计的失败案例与试验，以及真实模型运行的依据。其重点不是引入现成框架，而是让读者跟随智能体被一步步构建出来的过程。仓库说明中写明，目标是亲手构建 LLM 智能体并让它持续演进。
据 README 介绍，该智能体通过后训练 Qwen3-4B 构建而成。后训练是指在已经训练好的模型上继续进行训练。仓库说明，本地模型或兼容的 API 可以在终端或 Telegram 中使用。它还报告称，在训练中未出现的任务类型上，pass@1 在后训练之前为 0.419，之后为 0.774。pass@1 指的是一次尝试中通过任务的比例。对于想同时考察智能体构建与学习过程的读者，这份记录是一份有价值的参考。
该仓库的实现语言是 Python，许可证为 MIT。FACTS 中记载的创建日期是 2026-10-26，星标数为 2。不过性能数值是 README 所报告的结果。因此，与其把它解读为在其他任务类型或其他环境中也能得到同样结果的依据，不如把它看作该仓库所描述的后训练案例更为合适。