hello-agents
从零构建AI智能体的系统性开源教程，理论实战并重
预览
详细介绍
一、Hello-Agents是什么
Hello-Agents采用Web交互方式实现系统性学习体验，可通过GitHub在线阅读或本地部署，支持国外与国内双站点加速访问。项目由Datawhale社区发起，教程内容全面覆盖智能体构建的五大模块，包含十六章正文及社区贡献精选章节。项目在GitHub上已获得大量关注，采用开源免费的学习模式，与社区共同成长。
Hello-Agents的核心理念与市面常见的智能体教程有本质区别。它不是某个框架的说明书，也不是零散的案例合集，而是一套从底层原理出发、逐层递进的完整知识体系。教程首先厘清智能体的概念、历史与经典范式，然后手把手实现ReAct、Plan-and-Solve、Reflection等经典范式，再覆盖低代码平台（Coze、Dify、n8n）和主流框架（AutoGen、AgentScope、LangGraph）的使用，最后引导读者从零构建自己的智能体框架（HelloAgents）。进阶部分涵盖记忆与检索、上下文工程、MCP/A2A/ANP等通信协议、Agentic-RL（从SFT到GRPO）以及智能体性能评估。换言之，Hello-Agents是“智能体构建者的完整成长路径”，而不是“某一个工具的操作手册”。
作为完全开源免费的教程，Hello-Agents采用社区贡献模式，没有付费章节、没有封闭内容。用户可以在线阅读全部内容，也可以参与PR贡献自己的见解和实践总结。项目还提供了Agent面试题总结、上下文工程补充等Extra Chapter，以及社区共创毕业设计项目。
二、Hello-Agents能做什么
Hello-Agents的核心能力可以精炼地概括为：理、践、框、训、案、评，围绕这六大维度提供了从入门到精通的完整学习路径，覆盖智能体构建的全方位知识，具体包括：
核心原理（理论根基） ——深入理解智能体的本质。教程从智能体的定义、类型、范式与应用入手，系统梳理从符号主义到LLM驱动的智能体演进史，并扎实讲解Transformer、提示工程、主流LLM及其局限等大语言模型基础。这部分为后续所有实践打下坚实的理论基础。
经典范式（亲手实现） ——手把手实现智能体核心算法。教程第四章带领读者从零实现ReAct、Plan-and-Solve、Reflection等经典智能体范式。不是调用现成框架，而是亲手写代码实现，真正理解每一个范式背后的设计思想和运行机制。
框架实践（主流工具） ——掌握低代码平台与代码框架。第五章介绍Coze、Dify、n8n等低代码智能体平台的使用；第六章深入AutoGen、AgentScope、LangGraph等主流框架的应用。让读者既了解“拖拽式”的快速搭建，也掌握“代码式”的深度控制。
自研框架（从0构建） ——构建属于自己的智能体框架。第七章引导读者从零开始构建智能体框架，项目还提供了基于OpenAI原生API自研的HelloAgents框架作为参考。这一步让读者从“框架使用者”蜕变为“框架构建者”。
高级技能（系统进阶） ——掌握生产级智能体的核心技术。第八章至第十二章覆盖记忆系统与RAG、上下文工程、MCP/A2A/ANP等智能体通信协议、Agentic-RL（从SFT到GRPO的LLM训练实战）以及智能体性能评估。这些是构建真正可用、可扩展的智能体所必需的高级能力。
综合案例（真实项目） ——在真实场景中检验所学。第十三章至第十五章包含智能旅行助手（MCP与多智能体协作）、自动化深度研究智能体（DeepResearch Agent复现与解析）、赛博小镇（Agent与游戏结合，模拟社会动态）等完整项目。第十六章则是毕业设计——构建属于你自己的完整多智能体应用。
三、Hello-Agents适合谁用
Hello-Agents的内容设计使其适配各类有意深入学习智能体构建的开发者、研究者和学习者，核心聚焦那些不满足于“调API、拼提示词”、希望真正理解智能体底层原理并亲手构建的人群，主要涵盖以下几类：
AI初学者与转行者 ——刚刚接触大语言模型和智能体概念，希望系统建立知识体系的学习者。Hello-Agents从零开始，不需要深厚的AI背景，前三章打好理论基础后即可逐步深入。
大语言模型“使用者”向“构建者”转型的开发者 ——已经会用ChatGPT或调用API，但不知道智能体内部是如何工作的开发者。教程的目标正是帮助这类人群完成蜕变。
智能体应用开发者 ——正在使用LangGraph、AutoGen等框架构建智能体应用，但希望深入理解框架背后的原理，而不仅仅是照着文档调用的开发者。教程的“从零实现经典范式”和“自研框架”章节尤其适合这类人群。
AI产品经理与技术决策者 ——需要理解智能体技术的边界和能力，以便做出产品和技术选型决策的人员。教程的系统性内容可以帮助建立对智能体技术的完整认知。
求职面试者 ——正在准备AI/Agent相关岗位面试的学习者。项目提供了专门的Agent面试题总结和参考答案章节，结合教程的系统学习，可以高效备战面试。
AI研究者与学术工作者 ——需要深入理解Agentic-RL、多智能体协作、智能体评估等前沿方向的研究者。教程的第十一章（Agentic-RL）和第十二章（性能评估）提供了从理论到实践的完整路径。
开源社区贡献者 ——希望参与开源项目、通过PR贡献内容的学习者。Hello-Agents欢迎社区贡献，提供了Extra Chapter和社区共创毕业设计等参与方式。
四、Hello-Agents的应用场景是什么
基于其内容设计与定位，Hello-Agents的应用场景主要围绕系统性智能体学习、从理论到实战的进阶、求职面试准备与社区协作，覆盖从个人学习到团队培训的多个场景，具体包括：
个人系统学习场景 ——面对网络上碎片化的智能体教程和文档，初学者往往不知从何入手。Hello-Agents提供了一条从零到一的完整学习路径：先理解原理（前三章），再亲手实现经典范式（第四章），接着掌握主流工具（第五、六章），然后构建自己的框架（第七章），最后进阶高级技能并完成真实项目（第八至十六章）。学习者只需按章节顺序推进，即可系统掌握智能体构建的完整知识体系。
团队培训与技术分享场景 ——企业或研究团队希望系统提升成员在智能体领域的技术能力。Hello-Agents可以作为团队内部的技术培训教材，从基础理论到实战项目完整覆盖，降低培训内容的准备成本。开源免费的特性也使得大规模推广成为可能。
求职面试准备场景 ——智能体相关岗位的面试往往涉及从基础原理到前沿技术的广泛问题。学习者可以结合教程的系统内容和专门的面试题总结章节进行准备，既理解原理又能回答实践问题。
开源社区学习与协作场景 ——Datawhale社区本身就是一个活跃的开源学习社区，Hello-Agents为社区成员提供了共同学习的载体。学习者可以参与PR贡献、提交自己的实践总结、参与共创毕业设计项目，在学习的同时为社区做出贡献。
AI Native智能体研究与开发场景 ——教程明确指出当前Agent构建分为两派：软件工程类Agent（Dify、Coze、n8n等流程驱动）和AI原生Agent（真正以AI驱动）。Hello-Agents聚焦后者，适合那些希望构建真正智能、自主的AI驱动智能体的研究者和开发者。
教学与课程设计场景 ——高校或培训机构希望开设智能体相关课程。Hello-Agents的章节设计（从基础到高级、从理论到实践）天然适合作为课程大纲，每一章都包含关键内容和完整实现，大大降低了课程设计的门槛。
五、Hello-Agents为什么值得关注
Hello-Agents之所以值得关注，核心在于它将“智能体构建的系统性知识从分散的文档中整合为一条完整的学习路径”，实现了“理论深度、实战广度、社区协作”的三位一体，同时具备独特的社区意义和教育价值，具体体现在以下几点：
从“碎片化学习”到“系统化构建”的范式转变。当前智能体学习资源面临的核心问题是碎片化——一篇博客讲ReAct，另一篇介绍LangGraph，还有一篇讨论MCP协议，但很少有资料能将所有内容串联成一个完整的知识体系。Hello-Agents填补了这一空白：从智能体的历史与定义出发，经过经典范式实现、框架实践、自研框架、高级技能，最后到综合案例，形成了一条完整的认知进阶曲线。学习者不再需要在各个文档之间跳转拼凑，而是沿着一条设计好的路径稳步前进。
“从零实现”的教学理念，拒绝黑盒。许多教程教的是“如何使用某个框架”，而不是“这个框架为什么这样设计”。Hello-Agents的第四章手把手实现ReAct、Plan-and-Solve、Reflection等经典范式，第七章引导读者从零构建自己的智能体框架。这种“亲手造轮子”的教学方式，让学习者真正理解每一个组件的作用和设计取舍，而不是停留在“调用API”的表面层次。
理论与实践的无缝衔接。教程不仅讲原理，每一章都配有完整的代码实现和实战项目。从智能旅行助手到自动化深度研究智能体，从赛博小镇到毕业设计，学习者可以在真实场景中检验所学。这种“学完就能用、用完就理解更深”的闭环设计，大大提升了学习效果。
覆盖Agentic-RL，触及前沿。大多数智能体教程止步于“调用LLM + 工具调用”的层面，而Hello-Agents的第十一章专门讲解Agentic-RL，从SFT到GRPO的全流程LLM训练实战。这意味着学习者不仅可以构建智能体应用，还可以深入理解如何训练一个具备智能体能力的LLM——这在同类教程中极为罕见。
社区驱动，持续进化。Hello-Agents不是一本“写完就封存”的静态教程，而是Datawhale社区持续维护和更新的活文档。社区成员可以提交PR贡献内容、分享实践总结、参与共创毕业设计。这种开放协作的模式确保了教程内容能够紧跟技术发展，不断丰富和迭代。
从“使用者”到“构建者”的身份转变。教程的终极目标不是教会读者使用某一个工具，而是完成一次身份转变——从大语言模型的“使用者”蜕变为智能体系统的“构建者”。这种教育理念超越了单纯的知识传递，强调的是能力的真正获得。
现实挑战与生态成熟度。Hello-Agents并非没有短板。首先，教程内容量较大（十六章正文加多个Extra Chapter），对学习者的时间和精力投入有较高要求。其次，部分高级章节（如Agentic-RL、MCP协议等）需要一定的技术基础，对纯初学者可能有一定门槛。再次，项目依赖于社区贡献的持续维护，内容的时效性和完整性需要社区的共同努力。最后，教程目前主要以中文呈现，英文版本（README_EN.md）的完善程度有待提升。
但恰恰是这些“挑战”构成了Hello-Agents在开源AI教育生态中的独特位置：它不是一本可以“速成”的轻量级读物，而是为那些愿意投入时间、真正掌握智能体构建能力的学习者准备的系统性指南。正如项目介绍中所言——“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。”
