datawhalechina/hello-agents

📌 【DatawhaleChina 開源】Hello-Agents：從零開始構建真正的 AI Native 智能體

你是否一直在用 Copilot、Cursor 寫 Code，卻好奇如何讓 LLM 真正「思考」並自行規劃行動？市面上充斥著低代碼平台的教學，但深入原理、手動實作的資源卻少之又少。

🤔 理論與實作缺口：市場急需系統化智能體學習指南
隨著 2025 年被稱為「Agent 元年初」，開發者的焦點正從堆疊更大基礎模型轉向構建更聰明的 AI 驅動應用。然而，目前缺乏一套從概念到程式碼、兼具深度與實踐的完整教程。

🧪 Datawhale 社區推出 Hello-Agents 開源教程
此專案由 datawhalechina 維護，提供線上閱讀與本地貢獻兩種方式，內容涵蓋智能體定義、發展史、LLM 基礎、經典範式（ReAct、Plan‑and‑Solve、Reflection）、低代碼平台（Coze、Dify、n8n）、主流框架（AutoGen、AgentScope、LangGraph）、自建 HelloAgents 框架、記憶與檢索、上下文工程、智能體通訊協議（MCP、A2A、ANP）、Agentic‑RL 訓練流程（SFT → GRPO）、性能評估以及智能旅行助手等綜合案例。所有章節均標示完成狀態，讓學習者可依進度自行推進。

📖 你將收獲什麼？

• 完全免費、開源，可與社區共同成長
• 深入理解智能體的概念、歷史與經典範式
• 親手實作低代碼平台與程式碼框架的使用
• 基於 OpenAI 原生 API 從零構建自己的 HelloAgents 框架
• 一步步實作上下文工程、Memory、協議、評估等系統性技術
• 掌握 Agentic‑RL，從 SFT 到 GRPO 的 LLM 實戰訓練
• 透過智能旅行助手、賽博小鎮等案例驗證多智能體協作
• 學習智能體求職面試常見問題

⚠️ 教程性質與適用範圍
Hello-Agents 是教學資源，未提出新算法或基準測試結果；其價值在於系統化的知識梳理與動手練習。適合具備基本 LLM 使用經驗、希望進階為智能體系統構建者的開發者與學習者。內容以中文為主，亦提供英文對照，線上閱讀無需下載，隨時隨地學習。

🎯 如何開始學習

1. 訪問線上閱讀鏈接（國外或国内加速）直接閱讀章節。
2. 若希望本地閱讀或貢獻內容，參考專案提供的學習指南 clone 儲存庫。
3. 按照章節順序，先閱讀理論再動手實作範例程式碼。
4. 完成自建 HelloAgents 框架後，可嘗試擴充 Memory 或協議模組，參與社區討論與 PR。

🔗 專案資訊
📘 Hello-Agents：從零開始構建智能體
👥 維護者：datawhalechina（Datawhale 社區）
🔗 GitHub：https://github.com/datawhalechina/hello-agents
⭐ 近期獲得約 500 颗星，顯示社區關注度高

你是否已經開始構建自己的 AI Native 智能體？歡迎在留言區分享你的學習進度或遇到的挑戰 👇

#AI #Agent #LLM #Datawhale #OpenSource #智能體 #AutoGen #LangGraph #Coze #Dify #n8n #AgenticRL #學習資源