正在打开工具详情…
正在打开工具详情…
Datawhale 的中文智能体系统教程，16 章从 ReAct 手写讲到上下文工程、通信协议、Agentic RL 与评估。适合想从「调 API」走到「造框架」的人；代价是要按章节啃，且采用 CC BY-NC-SA，不能商用。
有 Python 基础、能调 LLM API，想系统搞清智能体原理并亲手写出一套框架的人；也适合准备 Agent 岗位面试（有专门的面试题与答案章节）。
只想照着搭个工作流的人——第五章的低代码平台之外的内容都不适合你；以及需要把教材用于商业培训的人，CC BY-NC-SA 不允许。
Hello-Agents 是 Datawhale 的《从零开始构建智能体》，讲的是 AI Native Agent——它把 Dify、Coze、n8n 这类流程驱动的「软件工程派」放在第五章讲完，主体是真正以 LLM 驱动的智能体。全书 16 章分五部分：智能体与 LLM 基础；ReAct、Plan-and-Solve、Reflection 手写实现、低代码平台、AutoGen / AgentScope / LangGraph，再到从零自研一个框架（配套 HelloAgents）；进阶的记忆与检索、上下文工程、MCP / A2A / ANP 协议、Agentic RL（SFT 到 GRPO）、性能评估；三个综合案例（智能旅行助手、自动化深度研究智能体、赛博小镇）与毕业设计。
它比「10 分钟搭个 Agent」那类材料重得多，README 写明的前置是：会 Python、知道怎么通过 API 调一次 LLM，但不需要算法或模型训练背景。
三点要提前知道。一是代码全部在仓库的 code 目录，不跑等于没学，作者明确要求亲手运行、调试、修改每一份代码。二是许可为 CC BY-NC-SA 4.0（署名 - 非商业性使用 - 相同方式共享），企业内部培训、二次分发前要看清条款；PDF 版还预加了 Datawhale 的水印（作者说明是为了防止被加水印转卖）。三是这是条快速迭代的赛道，README 提到的《从零开始训练智能体》与 2026 年 5 月的学习路线在另一个仓库 Agent-Learning-Hub，别把两份路线混着跟。
上手步骤之外的具体做法：常见场景怎么配、命令怎么写、报错怎么处理。
按第一次学这本书会卡在哪讲：前置够不够、五大部分怎么取舍、哪些章节可以跳、以及许可与路线图这两件容易踩的事。
README 写得很明确：会 Python，知道怎么通过 API 调一次 LLM，不需要算法或模型训练背景。
不满足第二条的，先花一小时随便调通一家模型的 API 再开始，否则第四、六、七章会一直卡在「为什么我的跑不通」。
| 部分 | 章节 | 你要是时间紧 |
|---|---|---|
| 一、基础与 LLM | 1–3 | 第 3 章值得读，1–2 可快翻 |
| 二、构建智能体 | 4–7 | 核心，第 4 章手写 ReAct 别跳 |
| 三、高级扩展 | 8–12 | 上下文工程（9）与评估（12）优先 |
| 四、综合案例 | 13–15 | 挑一个和你方向最接近的做 |
| 五、毕业设计 | 16 | 想检验成果再做 |
第二部分是全书的骨架：先手写经典范式，再看低代码平台和 LangGraph 这类框架，最后从零造一个自己的框架——「用轮子」和「造轮子」两头都走一遍。
所有配套代码在仓库的 code 目录。这本书的价值几乎全在实现细节里，只读不动手等于读了另一本书。
遇到环境问题先看 Extra-Chapter：
Extra07-环境配置 —— 环境搭建Extra04-DatawhaleFAQ —— 课程常见问题Extra11-WebAgent科普与实战 —— 反爬与 HelloAgents 集成Extra01-面试问题总结 与配套的 Extra01-参考答案 是现成的复习材料，正文第十二章的评估方法也常出现在面试里。
许可：全文采用 CC BY-NC-SA 4.0（署名 - 非商业性使用 - 相同方式共享）。企业内训、二次发行前先确认条款；PDF 里预置了 Datawhale 水印，是作者为防止被转卖特意加的。
路线图分叉：README 里提到的《从零开始训练智能体》以及 2026 年 5 月更新的学习路线在另一个仓库 datawhalechina/Agent-Learning-Hub，别把两份路线混着跟。