4.6万Star的AI Agent"黄埔军校"：Hello-Agents，可能是目前最好的智能体入门教程

从零开始，16章，5大阶段，构建你的第一个AI智能体。

---

为什么你需要认真看看这个项目

2026年，AI Agent（智能体）已经不是概念了。

从OpenAI的Operator，到Google的Gemini Agent Mode，到国内各种"扣子"、“Dify"平台满天飞——大家都在说"Agent”，但真正理解Agent底层逻辑、能从零搭建一个的人，依然是少数。

问题在于：教程太多，系统性的太少。

你可以在B站搜到一百个"5分钟搭建AI Agent"的视频，但看完之后你大概率还是不知道ReAct范式到底在做什么、Memory系统怎么设计、MCP协议和A2A协议有什么区别。

这就是 Hello-Agents 要解决的问题。

---

Hello-Agents 是什么

一句话概括：Datawhale 社区出品的、面向零基础到进阶的、系统性AI智能体学习教程。

• GitHub地址：https://github.com/datawhalechina/hello-agents
• 在线阅读：https://datawhalechina.github.io/hello-agents/
• 国内加速：https://hello-agents.datawhale.cc
• Star数：46,700+（截至2026年5月）
• Fork数：5,600+
• 开源协议：CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享）

简单说：免费、中文、系统、开源。

---

它和别的教程有什么不同

市面上的Agent教程大致分两类：

第一类：平台操作指南。 教你怎么在Dify、Coze上拖拽搭建一个工作流。本质是"软件使用教程"，你学的是平台，不是Agent。

第二类：论文解读。 讲ReAct、讲Toolformer、讲各种论文。理论有了，但你还是不知道怎么写代码。

Hello-Agents 走的是第三条路：

原理 + 手写代码 + 框架实践 + 真实项目，一条龙。

它从"什么是智能体"开始讲起，一直讲到你能独立搭建一个完整的多智能体系统。中间经过ReAct、Plan-and-Solve、Reflection等经典范式的手动实现，再到LangGraph、AutoGen等主流框架的实战，最后还有DeepResearch Agent复现、赛博小镇等综合项目。

关键一点：它有一个自研的教学框架叫 HelloAgents，基于OpenAI原生API从零构建。 这意味着你学的不是某个第三方库的用法，而是Agent的"底层操作系统"。

---

16章内容，5个阶段

整个教程分为五大部分，16个章节：

第一阶段：基础认知（第1-3章）

章节	内容
第1章 初识智能体	智能体是什么、有哪些类型、经典范式与应用场景
第2章 智能体发展史	从符号主义到LLM驱动，智能体的前世今生
第3章 大语言模型基础	Transformer架构、提示工程、主流LLM及其局限

学完你能回答：智能体和Chatbot有什么区别？为什么LLM让Agent变得可行？

第二阶段：动手构建（第4-7章）

章节	内容
第4章 经典范式构建	ReAct、Plan-and-Solve、Reflection——手写实现
第5章 低代码平台实践	Coze、Dify、n8n——用平台快速搭建
第6章 框架开发实践	AutoGen、AgentScope、LangGraph——主流框架
第7章 构建你的Agent框架	从0自研一个智能体框架（HelloAgents）

学完你能做到：不依赖任何框架，用原生API写出一个能思考、能调用工具、能反思的Agent。

第三阶段：高级进阶（第8-12章）

章节	内容
第8章 记忆与检索	记忆系统设计、RAG、向量存储
第9章 上下文工程	持续交互中的"情境理解"技术
第10章 智能体通信协议	MCP、A2A、ANP——协议全景解析
第11章 Agentic-RL	从SFT到GRPO，Agent的强化学习训练
第12章 智能体性能评估	评估指标、基准测试、评估框架

学完你能理解：为什么Agent会"失忆"？MCP到底解决了什么问题？怎么训练一个更聪明的Agent？

第四阶段：综合实战（第13-15章）

章节	内容
第13章 智能旅行助手	MCP + 多智能体协作，真实世界应用
第14章 自动化深度研究Agent	DeepResearch Agent复现与解析
第15章 赛博小镇	Agent + 游戏，模拟社会动态

学完你能做出：一个完整的、可部署的多智能体应用。

第五阶段：毕业输出（第16章）

构建完整的多智能体毕业设计项目，作为整个学习的成果输出。

---

这个教程适合谁

你是谁	适合程度
有Python基础，想系统学Agent	⭐⭐⭐⭐⭐ 最适合
会用Dify/Coze但不懂底层原理	⭐⭐⭐⭐⭐ 弥补理论短板
软件工程师转型AI方向	⭐⭐⭐⭐ 实战导向，上手快
在校学生（计算机/AI相关）	⭐⭐⭐⭐ 毕业设计都能用
完全零编程基础	⭐⭐ 需要先补Python

前置要求很友好：

• 基础Python编程能力
• 对大语言模型有基本概念（知道GPT是什么就行）
• 不需要算法竞赛基础，不需要深度学习背景

---

几个让我印象深刻的亮点

1. 真的在教"为什么"，而不只是"怎么做"

第4章讲ReAct范式，不是给你一段代码让你跑，而是带你一步步理解：为什么LLM需要"思考-行动-观察"这个循环？这个循环的本质是什么？如果去掉"思考"环节会怎样？

这种讲法，看完之后你不是记住了代码，而是理解了范式。

2. 从框架使用到框架构建

大多数教程止步于"教你怎么用LangChain"。Hello-Agents的第7章直接带你从零构建一个Agent框架。

这一步很关键。用别人的框架和理解框架的底层逻辑，是两回事。

3. 社区共创内容丰富

除了主教程，还有大量社区贡献的补充内容：

• Agent面试题总结
• GUI Agent科普与实战
• Dify智能体创建保姆级教程
• Agent自进化专题
• 开发踩坑经验汇总

这些内容来自真实的学习者，比官方教程更接地气。

4. 有配套代码

code/ 文件夹里有每一章的配套代码，可以直接跑。不是那种"伪代码"，是真正可运行的Python代码。

---

我的推荐学习方式

如果你决定认真学一遍，这是我建议的节奏：

第一周：基础（第1-3章）

• 目标：理解智能体是什么、为什么LLM让Agent成为可能
• 时间：每天1-2小时，3天可完成
• 重点：第3章的LLM基础，如果已经熟悉可以快速过

第二周：动手（第4-7章）

• 目标：手写实现ReAct、Plan-and-Solve，理解核心范式
• 时间：每天2-3小时，5-7天
• 重点：第4章一定要手敲代码，不要复制粘贴；第7章自研框架是核心

第三周：进阶（第8-12章）

• 目标：掌握Memory、MCP协议、Agentic RL
• 时间：每天2小时，5天
• 重点：第10章（协议）和第11章（强化学习）是当前最热的方向

第四周：实战（第13-16章）

• 目标：完成至少一个综合项目
• 时间：每天3小时，5-7天
• 重点：第14章DeepResearch Agent复现，实用价值最高

---

一句话总结

如果你在2026年想系统地学一遍AI Agent，从原理到代码到项目，Hello-Agents可能是目前性价比最高的选择——免费、中文、系统、有社区、有代码。

46,700颗Star不是没有原因的。

---

项目地址：https://github.com/datawhalechina/hello-agents

在线阅读：https://datawhalechina.github.io/hello-agents/

PDF下载：https://github.com/datawhalechina/hello-agents/releases/latest/

---

如果你也在学Agent，或者学完了有什么感受，欢迎在评论区聊聊。