datawhalechina/hello-agents

📌 【Datawhale 開源】從零動手打造 AI Native Agent 的系統教程

TL;DR：Hello-Agents 提供免費、理論實戰並重的智慧體建構指南，聚焦真正 AI 驅動的 Agent。

2025 年被稱為「Agent 元年」，但市面上系統性又重實踐的教程極度匱乏。當多數人還在堆砌流程工具，這個專案選擇帶你從核心原理一路寫到自己的框架。

🤔 為什麼需要一本「真正 AI 驅動」的 Agent 教程

專案指出，當前 Agent 構建主要分兩派：一類是 Dify、Coze、n8n 這類軟體工程類 Agent，本質是流程驅動的開發，LLM 僅作為資料處理後端；另一類是 AI 原生的 Agent，由 AI 真正驅動。Hello-Agents 目標是帶領讀者深入理解並構建後者——AI Native Agent，從原理穿透框架表象，最終動手做出多智慧體應用。

🧩 四大模組，從基礎到綜合案例

README 將內容分為四部分，章節均已標註完成：

• 第一部分：智慧體與語言模型基礎（定義、發展史、LLM 基礎）
• 第二部分：構建 LLM 智慧體（ReAct 等經典範式、低程式碼平臺、主流框架、自研框架）
• 第三部分：高階知識擴充（Memory 與 RAG、上下文工程、通訊協議、Agentic RL、評估）
• 第四部分：綜合案例進階（如智慧旅行助手，結合 MCP 與多智慧體協作）

📊 學完這趟你能帶走什麼

根據專案說明，讀者將收穫：

• 完全免費的 Datawhale 開源內容，與社群共學
• 理解智慧體概念、歷史與經典範式
• 掌握低程式碼平臺與程式碼框架使用，並基於 OpenAI 原生 API 從零構建自研框架 HelloAgents
• 實作上下文工程、Memory、協議、評估等系統性技術
• 掌握 Agentic RL，從 SFT → GRPO 全流程實戰訓練 LLM
• 開發智慧旅行助手、賽博小鎮等綜合專案，並涵蓋求職面試內容

🎯 實務啟示

對想從「LLM 使用者」轉型為「智慧體系統構建者」的工程師，這份教程把 AI Native Agent 的理論、主流框架比較到自研框架實作串成單一路徑，且支援線上閱讀與本地貢獻，適合作為動手實踐的起點。

🔗 來源

• 標題：datawhalechina/hello-agents
• 作者／機構：datawhalechina
• 連結：https://github.com/datawhalechina/hello-agents

#Agent #AINative #LLM #MultiAgent #RAG #Memory #ContextEngineering #AgenticRL #GRPO #OpenSource