hello-agents README

The project's README from github.com/datawhalechina/hello-agents. As one markdown file: README.md.

English | 中文
alt text

Hello-Agents

🤖 《从零开始构建智能体》

datawhalechina%2Fhello-agents | Trendshift

从基础理论到实际应用,全面掌握智能体系统的设计与实现

GitHub stars GitHub forks Language GitHub Project Online Reading

🎯 项目介绍

  如果说 2024 年是"百模大战"的元年,那么 2025 年无疑开启了"Agent 元年"。技术的焦点正从训练更大的基础模型,转向构建更聪明的智能体应用。然而,当前系统性、重实践的教程却极度匮乏。为此,我们发起了 Hello-Agents 项目,希望能为社区提供一本从零开始、理论与实战并重的智能体系统构建指南。

  Hello-Agents 是 Datawhale 社区的系统性智能体学习教程。如今 Agent 构建主要分为两派,一派是 Dify,Coze,n8n 这类软件工程类 Agent,其本质是流程驱动的软件开发,LLM 作为数据处理的后端;另一派则是 AI 原生的 Agent,即真正以 AI 驱动的 Agent。本教程旨在带领大家深入理解并构建后者——真正的 AI Native Agent。教程将带领你穿透框架表象,从智能体的核心原理出发,深入其核心架构,理解其经典范式,并最终亲手构建起属于自己的多智能体应用。我们相信,最好的学习方式就是动手实践。希望这本教程能成为你探索智能体世界的起点,能够从一名大语言模型的"使用者",蜕变为一名智能体系统的"构建者"。

📚 快速开始

在线阅读

🌐 国外访问 | 🚀 国内加速 - 无需下载,随时随地学习

本地阅读

如果您希望在本地阅读或贡献内容,请参考下方的学习指南。

✨ 你将收获什么?

📖 内容导航

章节 关键内容 状态
前言 项目的缘起、背景及读者建议 ✅
第一部分:智能体与语言模型基础
第一章 初识智能体 智能体定义、类型、范式与应用 ✅
第二章 智能体发展史 从符号主义到 LLM 驱动的智能体演进 ✅
第三章 大语言模型基础 Transformer、提示、主流 LLM 及其局限 ✅
第二部分:构建你的大语言模型智能体
第四章 智能体经典范式构建 手把手实现 ReAct、Plan-and-Solve、Reflection ✅
第五章 基于低代码平台的智能体搭建 了解 Coze、Dify、n8n 等低代码智能体平台使用 ✅
第六章 框架开发实践 AutoGen、AgentScope、LangGraph 等主流框架应用 ✅
第七章 构建你的Agent框架 从 0 开始构建智能体框架 ✅
第三部分:高级知识扩展
第八章 记忆与检索 记忆系统,RAG,存储 ✅
第九章 上下文工程 持续交互的"情境理解" ✅
第十章 智能体通信协议 MCP、A2A、ANP 等协议解析 ✅
第十一章 Agentic-RL 从 SFT 到 GRPO 的 LLM 训练实战 ✅
第十二章 智能体性能评估 核心指标、基准测试与评估框架 ✅
第四部分:综合案例进阶
第十三章 智能旅行助手 MCP 与多智能体协作的真实世界应用 ✅
第十四章 自动化深度研究智能体 DeepResearch Agent 复现与解析 ✅
第十五章 构建赛博小镇 Agent 与游戏的结合,模拟社会动态 ✅
第五部分:毕业设计及未来展望
第十六章 毕业设计 构建属于你的完整多智能体应用 ✅

社区贡献精选 (Community Blog)

  欢迎大家将在学习 Hello-Agents 或 Agent 相关技术中的独到见解、实践总结,以 PR 的形式贡献到社区精选。如果是独立于正文的内容,也可以投稿至 Extra-Chapter!期待你的第一次贡献!

社区精选 内容总结
00-共创毕业设计 社区共创毕业设计项目
01-Agent面试题总结 Agent 岗位相关面试问题
01-Agent面试题答案 相关面试问题答案
02-上下文工程内容补充 上下文工程内容扩展
03-Dify智能体创建保姆级教程 Dify智能体创建保姆级教程
04-Hello-agents课程常见问题 Datawhale课程常见问题
05-Agent Skills与MCP对比解读 Agent Skills与MCP技术对比
06-GUI Agent科普与实战 GUI Agent科普与多场景实战
07-环境配置 环境配置
08-如何写出好的Skill Skill 写作最佳实践
09-Agent应用开发实践踩坑与经验分享 Code Agent 应用开发踩坑与经验总结
10-Agent Self-Evolution智能体自进化 Agent 自进化四类闭环与代表项目
11-WebAgent科普与实战 Web Agent 原理、反爬实战与 HelloAgents 集成
12-旅行助手后训练实战 把旅行助手 Demo 打磨成能用的 Planner
13-Hello-Agents视频课录制共创 视频课程共创录制资源

PDF 版本下载

  本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者,我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印,敬请谅解~

Hello-Agents PDF : https://github.com/datawhalechina/hello-agents/releases/latest/
Hello-Agents PDF 国内下载地址 : https://www.datawhale.cn/learn/summary/239

💡 如何学习

  欢迎你,未来的智能系统构建者!在开启这段激动人心的旅程之前,请允许我们给你一些清晰的指引。

  本项目内容兼顾理论与实战,旨在帮助你系统性地掌握从单个智能体到多智能体系统的设计与开发全流程。因此,尤其适合有一定编程基础的 AI 开发者、软件工程师、在校学生 以及对前沿 AI 技术抱有浓厚兴趣的 自学者。在学习本项目之前,我们希望你具备基础的 Python 编程能力,并对大语言模型有基本的概念性了解(例如,知道如何通过 API 调用一个 LLM)。项目的重点是应用与构建,因此你无需具备深厚的算法或模型训练背景。

  项目分为五大部分,每一部分都是通往下一阶段的坚实阶梯:

  智能体是一个飞速发展且极度依赖实践的领域。为了获得最佳的学习效果,我们在项目的code文件夹内提供了配套的全部代码,强烈建议你将理论与实践相结合。请务必亲手运行、调试甚至修改项目里提供的每一份代码。欢迎你随时关注 Datawhale 以及其他 Agent 相关社区,当遇到问题时,你可以随时在本项目的 issue 区提问。

  现在,准备好进入智能体的奇妙世界了吗?让我们即刻启程!

下一步规划

读者反馈问卷

扫描二维码填写反馈意见,助力新项目共同成长

🤝 如何贡献

我们是一个开放的开源社区,欢迎任何形式的贡献!

🙏 致谢

核心贡献者

Extra-Chapter 贡献者

特别感谢

Star History

Datawhale

⭐ 如果这个项目对你有帮助,请给我们一个 Star!

读者交流群

读者群二维码

扫描二维码加入读者交流群,与更多学习者交流讨论

关于 Datawhale

Datawhale

扫描二维码关注 Datawhale 公众号,获取更多优质开源内容

🎓 引用

如果 Hello-Agents 对您的研究或工作有所帮助,欢迎引用:

@misc{hello_agents2025,
  title  = {Hello-Agents: Building an AI Agent from Scratch},
  author = {Sizhou Chen and Tao Sun and Shufan Jiang and Peilin Huang and Xinmin Zeng and Hao Hu and Xinzhong Zhu and all Hello-Agents contributors},
  year   = {2025},
  url    = {https://github.com/datawhalechina/Hello-Agents},
  note   = {GitHub repository}
}

📜 开源协议

本作品采用[知识共享署名-非商业

hello-agents (datawhalechina/hello-agents)

Searching Database…

Что это такое?Hello-Agents — это бесплатный открытый учебник от Datawhale о создании AI-агентных систем с нуля: поровну теории и практики, путь от пользователя LLM до разработчика агентов.
Это книга для чтения или код, который надо запускать?И то и другое: письменный учебник из 16 глав в пяти частях, а весь сопутствующий код лежит в папке code репозитория — его предполагается запускать и изменять по ходу обучения.
Нужно ли что-то скачивать перед началом обучения?Нет — есть ссылки на онлайн-чтение, включая ускоренную для Китая, и локальный вариант, если хотите читать или участвовать в разработке на своём компьютере.
Насколько хорошо мне надо знать Python заранее?Достаточно базового Python и общего понимания LLM — например, опыта вызова модели через API. Глубокие знания алгоритмов или обучения моделей прямо не требуются.
Материалы только на китайском, или можно проходить на английском?Главы, посты сообщества и обсуждения написаны на китайском, так что уверенное чтение по-китайски — практически обязательное условие.
Я студент, изучаю AI самостоятельно — это подходит для таких, как я?Да — в README среди идеальных читателей названы студенты и самоучки наряду с AI-разработчиками и инженерами-программистами.
Можно ли использовать материалы для коммерческого обучения на работе?Учиться по проекту бесплатно, но повторное использование — только в некоммерческих целях: README указывает лицензию Creative Commons Attribution-NonCommercial, то есть делиться и адаптировать можно с указанием авторства, а вот продавать — нельзя.
Я буду пользоваться готовыми фреймворками или напишу свой?И то и другое — сначала вы попробуете low-code платформы вроде Coze, Dify и n8n и фреймворки вроде LangGraph и AutoGen, а в главе 7 напишете собственный фреймворк HelloAgents с нуля на OpenAI-совместимом API.
Какие реальные проекты я создам к концу курса?Умный туристический ассистент на основе сотрудничества нескольких агентов, автоматический исследовательский агент в стиле DeepResearch и симуляция кибергородка с социальными процессами — а в завершение дипломный проект: ваше собственное полноценное мультиагентное приложение.
Насколько глубоко курс заходит — есть ли RAG и обучение агентов?Да: память и поиск с RAG, контекстная инженерия, протоколы общения агентов (MCP, A2A, ANP), обучение Agentic RL от SFT до GRPO и оценка качества на бенчмарках.
Материалы ещё обновляются?Да — видеокурсы выходят постепенно, фреймворк HelloAgents дошёл до версии V1.0.0 с планами на новые лёгкие инструменты, новый учебный маршрут был намечен на май 2026, а готовится и отдельная книга об обучении агентов.
Size
307.3 MB
Stars
83.5K
Age
1y
Commits · 90 Days