YOHO AI

标签：教程

Hello-Agents：69K Star 的《从零开始构建智能体》——Datawhale 出品的中文 Agent 系统性实战教程
Hello-Agents——《从零开始构建智能体》开源教程

项目简介

Hello-Agents 是 Datawhale 开源社区出品的系统性智能体（AI Agent）中文实战教程——《从零开始构建智能体》，16 章内容从智能体原理、经典范式（ReAct / Plan-and-Solve / Reflection）一路讲到自研 Agent 框架、记忆与 RAG、MCP 通信协议、Agentic RL 训练与多智能体综合项目，目标是带你从大语言模型的”使用者”蜕变为智能体系统的”构建者”。目前已斩获 69,381 Stars，并曾登顶 GitHub Trending，是当下最热门的中文 Agent 学习资源之一。

与 Dify、Coze、n8n 这类”流程驱动”的低代码 Agent 平台不同，Hello-Agents 的重心是教你构建 AI 原生（AI Native）智能体——真正以 LLM 推理驱动决策的 Agent。教程配套自研轻量框架 HelloAgents（基于 OpenAI 原生 API 从零实现），让你兼具”用轮子”与”造轮子”的能力。

安装要求和过程

环境要求
- Python 3.10+（具备基础 Python 编程能力即可，无需模型训练背景）
- 任意一个 LLM API Key（OpenAI 兼容接口，如 DeepSeek、通义千问、GLM 等国产模型均可）
- 可选：Jupyter Notebook / VS Code，用于运行配套代码
快速开始
```
# 1. 克隆仓库（含全部 16 章文档 + 配套代码）
git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents

# 2. 安装自研教学框架 HelloAgents（V1.0.0）
pip install helloagents

# 3. 配置模型 API（OpenAI 兼容接口均可）
export LLM_API_KEY="your-api-key"
export LLM_BASE_URL="https://api.deepseek.com/v1"

# 4. 跟随章节运行 code/ 目录下的配套代码
```
不想装环境？可直接在线阅读：国内加速站 | GitHub Pages；官方还提供带 Datawhale 水印的免费 PDF 版本下载。

核心功能
- 16 章完整学习路径：五大部分层层递进——智能体与 LLM 基础 → 亲手实现 ReAct / Plan-and-Solve / Reflection 经典范式 → 记忆·RAG·上下文工程·通信协议等高级技术 → 综合案例 → 毕业设计，每章配可运行代码。
- 自研教学框架 HelloAgents：不依赖任何重型框架，基于 OpenAI 原生 API 从零构建 Agent 框架，穿透 LangGraph / AutoGen 等框架表象理解底层原理。
- Agentic RL 训练实战：第十一章覆盖从 SFT 到 GRPO 的 LLM 训练全流程，是少有的把”训练智能体模型”讲透的中文教程。
- MCP / A2A / ANP 协议解析：系统讲解智能体通信协议，配合智能旅行助手案例演示 MCP 与多智能体协作的真实应用。
- 丰富的 Extra 番外篇：Agent 面试题总结、GUI Agent / Web Agent 实战、Agent Skills 与 MCP 对比、Agent 自进化、Skill 写作最佳实践等 13+ 篇社区共创内容持续更新。
典型使用场景
1. 系统学习 Agent 开发的工程师/学生：按五大部分循序渐进，从手写 ReAct 循环到构建自己的多智能体应用，毕业设计产出可写进简历的完整项目；番外篇的 Agent 面试题总结对求职者尤其实用。
2. 复现深度研究智能体（DeepResearch Agent）：第十四章手把手复现自动化深度研究智能体，理解 OpenAI Deep Research 类产品的任务规划、搜索、综合报告全链路。
3. 构建多智能体模拟应用：第十五章”赛博小镇”将 Agent 与游戏结合，模拟社会动态，是学习 Generative Agents（斯坦福小镇）范式的中文最佳实践入口。
推荐理由

市面上 Agent 教程要么是框架 API 说明书，要么是零散博客，而 Hello-Agents 是我见过体系最完整的中文 Agent 教程：它不满足于教你调用 LangGraph，而是带你从零造一个框架出来——这种”造轮子”式学习对建立底层直觉极其有效。内容覆盖也足够前沿：上下文工程、MCP 协议、GRPO 训练、Agent 自进化这些 2025-2026 年的热点全部收录，且持续更新。Datawhale 社区运营成熟，配套读者群、视频课共创、社区精选投稿一应俱全，完全免费开源。一周内 Star 从 1 万飙到近 7 万足以说明其质量。给想在”Agent 元年”入场的中文开发者：这就是那本该收藏的教科书。

下载地址
- GitHub 仓库：https://github.com/datawhalechina/hello-agents
- 在线阅读（国内加速）：https://hello-agents.datawhale.cc
- 在线阅读（GitHub Pages）：https://datawhalechina.github.io/hello-agents/
- PDF 下载：GitHub Releases | Datawhale 国内下载
- 自研框架 HelloAgents：https://github.com/jjyaoao/helloagents
项目数据：69,381 Stars | 语言：Python / Markdown | 出品：Datawhale 开源社区（数据截至 2026-07-29）
2026年7月29日
Agents Towards Production：21.2K Stars 的生产级 GenAI Agent 实战教程库
项目简介

Agents Towards Production 是 Nir Diamant 维护的一套开源、代码优先的教程合集，目标是帮助开发者把 GenAI Agent 从「能跑的原型」推进到「可上线的产品」。仓库目前包含 28 个生产级教程，覆盖工具集成、RAG、记忆、部署、安全、评估、UI 等 13 大模块，所有代码都以可运行的 Notebook 形式提供。

安装要求和过程
- 环境要求：Python 3.10+、Jupyter Notebook / JupyterLab、Git
- 克隆仓库：git clone https://github.com/NirDiamant/agents-towards-production.git
- 进入对应教程目录，例如：cd tutorials/LangGraph-agent
- 安装依赖：每个教程都有独立的 requirements.txt，执行 pip install -r requirements.txt
- 启动 Jupyter：jupyter notebook，按 Notebook 说明逐格运行即可
核心功能
- 端到端生产链路：从 Prompt 工程、状态化工作流、向量记忆，到 Docker/FastAPI 部署、GPU 扩展、安全防护，形成完整闭环。
- 可运行教程：每个教程独立成册，直接提供 Notebook 与依赖文件，几分钟内就能从概念跑到可交互的 Agent。
- 主流技术栈实战：涵盖 LangGraph、LangChain、MCP、Redis、Mem0、Cognee、LlamaFirewall、RunPod、AWS Bedrock、Streamlit 等。
- 安全与可观测性：包含安全护栏、Apex 安全评估、LangSmith Tracing、IntellAgent 自动评估等实战内容。
- 多智能体协作：讲解 A2A 协议下的智能体间通信与任务分发。
典型使用场景
- 企业 RAG 落地：Contextual AI 教程演示如何在 15 分钟内构建面向金融文档分析的企业级 RAG，包含文档处理、索引与 LMUnit 自动化评测。
- 可部署 Agent 服务：Docker 容器化 + FastAPI 端点部署教程，教你把 LangGraph 工作流封装成可调用的 REST API。
- 长记忆客服助手：结合 Redis 双记忆、Mem0 向量+图谱、Cognee 构建能持续学习用户偏好的对话 Agent。
推荐理由

这是一本「会动的书」：不是泛泛而谈的设计模式，而是把每个生产环节拆成可执行的 Notebook。对已经会用 LLM、但苦于不知道怎么把 Agent 真正交付到生产环境的人来说，它补全了从原型到运维之间最关键的拼图。21.2K Stars 和活跃的社区也证明了它的实用价值。

下载地址
- GitHub：https://github.com/NirDiamant/agents-towards-production
- 官网/课程：https://diamant-ai.com
- Discord 社区：https://discord.gg/cA6Aa4uyDX
2026年7月29日
Claude Cookbooks：Anthropic 官方维护的 Claude 实战范例集（50K+ Stars）
Claude Cookbooks 是 Anthropic 官方在 GitHub 上开源维护的 Jupyter Notebook 范例集，已收获 50.4K+ Stars、5.9K+ Forks，MIT 许可证。它像一本持续更新的”Claude 实战菜谱”，用可以直接复制运行的代码片段，手把手教开发者把 Claude API 用到生产里——覆盖文本分类、RAG、工具调用、Agent SDK、Skills、多模态、扩展思考、第三方集成等几乎所有主流场景。

无论是刚接触 Claude API 的新手，还是要把 Claude 嵌入自家产品的资深工程师，都能在这里找到即拿即用的最佳实践。所有 Notebook 都用 Python 写成，但概念同样适用于任何支持 Claude API 的语言。

为什么需要它？

很多人第一次调用 Claude API 只能写出”问个问题拿个回答”的脚本——但生产里要面对的是：结构化输出、上下文管理、长文档解析、Agent 工作流、RAG 检索、工具调用循环、子智能体拆分…这些工程化能力的最佳范式，往往不是 API 文档里那几段示例能覆盖的。Cookbooks 正是 Anthropic 工程师团队把生产经验沉淀下来的”答案库”。

安装要求和过程

环境要求
- Python 3.10+（项目用 uv 管理依赖）
- Jupyter Lab / VS Code Jupyter 扩展
- 一个 Anthropic API Key（前往 anthropic.com 免费注册）
快速安装
```
# 1. 克隆仓库
git clone https://github.com/anthropics/claude-cookbooks.git
cd claude-cookbooks

# 2. 安装依赖（项目使用 uv，也可用 pip）
pip install -r requirements-dev.txt
# 或：uv sync

# 3. 配置密钥
cp .env.example .env
# 编辑 .env 填入你的 ANTHROPIC_API_KEY

# 4. 启动 Jupyter
jupyter lab
```
核心功能

1. 基础能力 Recipes

capabilities/ 目录里包含文本分类、RAG 检索增强、长文摘要、结构化 JSON 输出四大基础用法。每个 Recipe 都配了独立 Notebook，从最小调用示例一路演化到生产级实现。

2. 工具调用与函数集成

tool_use/ 演示了 Claude 如何调用外部工具——从最简单的计算器、SQL 查询，到完整的多步骤客服智能体。这是把 Claude 从”聊天机器人”升级成”可执行 Agent”的关键能力。

3. Claude Agent SDK

claude_agent_sdk/ 是新近加入的官方 Agent SDK 范例，示范如何用 Python SDK 构建可独立运行的智能体应用、调度工具、规划子任务。

4. Agent Skills 技能系统

skills/ 目录展示如何为 Claude 编写模块化技能——把专业能力封装成可复用的 Skills，让 Agent 在不同场景下按需调用。

5. 多模态能力

multimodal/ 覆盖图像理解、图表解读、表单/PDF 内容提取、视觉最佳实践等，配合 Claude 强大的视觉模型可直接处理扫描件、合同、PPT。

6. 扩展思考与设计模式

extended_thinking/ 与 patterns/ 深入推理模式、子智能体协作、提示词缓存、评估驱动开发（Eval-Driven Development）等高阶范式。

7. 第三方集成

third_party/ 给出Pinecone 向量数据库、Wikipedia、VoyageAI Embeddings等流行服务的对接范例，把 Claude 嵌入现有技术栈成本极低。

8. 微调与可观测性

finetuning/ 和 observability/ 提供模型微调与生产链路观测的端到端代码，是把 Claude 部署到线上服务的最后一块拼图。

典型使用场景

场景 1：快速搭建企业知识库 RAG

复制 capabilities/retrieval_augmented_generation 与 third_party/Pinecone 两个 Notebook，半天就能搭起一个基于 Pinecone + Claude 的企业知识问答系统。Notebook 里连如何切分文档、嵌入、检索、重排序、生成都一步步跑通。

场景 2：构建带工具调用的客服 Agent

参考 tool_use/customer_service_agent.ipynb 的代码结构，把你的订单查询 API、退款流程、商品库存接口注册成 Claude 可调用的工具，立即得到一个能回答”我的订单到哪了”的多轮 Agent。

场景 3：批量处理 PDF/扫描件

用 multimodal/ 里的 PDF 解析与表单提取 Recipe，配合 Claude 视觉模型，搭建合同关键条款抽取、发票识别、报告摘要等自动化工作流。

场景 4：评估驱动的提示词迭代

misc/building_evals.ipynb 给出用 Claude 自身来评估另一批 Claude 输出质量的工程范式——适合团队协作打磨生产级 Prompt，让提示词的优化变成可量化、可回归的过程。

推荐理由

用 Cookbooks 这半年，最大的感受是：它不是”玩具示例”，而是真正从生产里长出来的代码。
- 覆盖全面：从基础调用到 Agent SDK，从 RAG 到微调，几乎所有 Claude 应用方向都有现成 Recipe，避免重复造轮子。
- 持续更新：紧跟 Anthropic 的功能发布（比如 Claude 4 系列、扩展思考、Agent SDK、Skills 都是最近几个月加入的新章节）。
- 可读性极强：每个 Notebook 都是”一段说明 + 一段代码 + 一段输出”的节奏，能当教程读，也能当模板抄。
- 社区友好：MIT 许可，欢迎提 PR；CLAUDE.md 里甚至写了让 Claude 帮忙做贡献的指南（meta！）
- 企业可商用：MIT 协议允许商业使用，没有 Apache-2.0 那种专利条款的顾虑。
对国内开发者来说，唯一需要注意的是 Anthropic API 的访问渠道——可以走官方、AWS Bedrock、Vertex AI 或合规中转服务。模型本身支持中文，是 Claude 进军中文 AI 应用开发的官方”最佳实践手册”。

下载地址
- GitHub 仓库：https://github.com/anthropics/claude-cookbooks
- 官方 API 控制台：https://www.anthropic.com
- Claude API 文档：https://docs.claude.com
- Anthropic Discord 社区：https://www.anthropic.com/discord
- 配套免费课程：anthropics/courses
- 许可协议：MIT License
用 Cookbook 抄答案，把 Claude 真正用进生产——这可能是 2026 年最值得收藏的 AI 工程仓库之一。
2026年7月27日
微软AI Agents for Beginners：63k Stars！微软官方AI智能体入门课程，12节课带你从零到生产
📖 项目简介

这是微软官方推出的AI智能体零基础入门免费课程，包含12+节核心课程，覆盖从基础概念到生产落地的全流程。支持50+种语言本地化，每节课配套文字教程、视频讲解、可运行代码示例和扩展学习资源，是系统学习AI智能体开发的最佳起点。

63.2k+

GitHub Stars

🔧 安装要求和过程

环境要求
- Python 3.8+ 环境
- Azure账户（用于Microsoft Foundry和Azure AI Foundry Agent Service V2）
- Git（用于克隆仓库）
快速安装步骤
```
# 稀疏克隆（推荐，不包含50+语言翻译文件）
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

# 安装依赖
pip install -r requirements.txt

# 配置环境变量（复制示例文件）
cp .env.example .env
# 编辑.env文件，填入Azure/OpenAI配置
```
⚠️ 注意：如果是首次接触生成式AI开发，建议先学习微软出品的《Generative AI For Beginners》21节入门课打好基础。

✨ 核心功能

🎓 完整课程体系

12+节核心课程，从AI智能体介绍、设计模式到生产环境部署，每节课包含文字教程+视频+代码示例。

🌍 多语言支持

支持50+种语言本地化，包含中文（简体、繁体）、日语、韩语、法语、德语等主流语言。

🔌 技术栈兼容

优先采用微软智能体技术栈，同时支持OpenAI兼容的第三方提供商（如MiniMax，支持204K token上下文）。

🛡️ 生产级内容

覆盖可信智能体构建、内存管理、上下文工程、安全防护、部署可扩展智能体等实战内容。

🎯 典型使用场景

场景1：零基础系统学习AI智能体开发

适合没有AI智能体开发经验的开发者，通过12+节课程系统学习概念、框架、设计模式等入门知识，每节课都有可运行的代码示例。

场景2：学习智能体从开发到生产落地的全流程

包含可信智能体构建、内存管理、上下文工程、安全防护等实战内容，帮助开发者掌握生产级AI智能体的开发技能。

场景3：熟悉微软智能体技术栈

学习Microsoft Agent Framework、Azure AI Foundry等微软官方智能体框架的使用，适合需要在Azure平台部署AI智能体的开发者。

💡 推荐理由
说实话，如果你想要系统学习AI智能体开发，这门课程绝对是最佳起点。我特别喜欢它的几个设计：

官方出品，质量有保障：微软官方团队维护，内容紧跟技术前沿，包含最新的MCP、A2A、NLWeb等智能体协议。

理论与实践结合：每节课不仅有文字教程，还有配套视频讲解和可运行的Python代码示例，学完就能动手实践。

多语言支持：支持50+种语言，中文开发者可以直接看中文教程，降低学习门槛。

社区活跃：有官方Discord交流频道和开发者反馈论坛，遇到问题可以快速获得帮助。

我觉得这门课程最值得称赞的是它的系统性——从基础概念到生产落地，从单智能体到多智能体协作，从设计模式到安全防护，几乎覆盖了AI智能体开发的方方面面。无论你是刚入门的新手，还是有一定经验的开发者，都能从中获得价值。
📥 下载地址

GitHub仓库：https://github.com/microsoft/ai-agents-for-beginners

官方短链接：https://aka.ms/ai-agents-beginners

Discord社区：https://aka.ms/ai-agents/discord

反馈论坛：https://aka.ms/foundry/forum

📌 数据来源：GitHub + 微软官方文档 | 更新时间：2026-05-18
2026年5月18日

标签： 教程

Hello-Agents：69K Star 的《从零开始构建智能体》——Datawhale 出品的中文 Agent 系统性实战教程

项目简介

安装要求和过程

环境要求

快速开始

核心功能

典型使用场景

推荐理由

下载地址

Agents Towards Production：21.2K Stars 的生产级 GenAI Agent 实战教程库

项目简介

安装要求和过程

核心功能

典型使用场景

推荐理由

下载地址

Claude Cookbooks：Anthropic 官方维护的 Claude 实战范例集（50K+ Stars）

为什么需要它？

安装要求和过程

环境要求

快速安装

核心功能

1. 基础能力 Recipes

2. 工具调用与函数集成

3. Claude Agent SDK

4. Agent Skills 技能系统

5. 多模态能力

6. 扩展思考与设计模式

7. 第三方集成

8. 微调与可观测性

典型使用场景

场景 1：快速搭建企业知识库 RAG

场景 2：构建带工具调用的客服 Agent

场景 3：批量处理 PDF/扫描件

场景 4：评估驱动的提示词迭代

推荐理由

下载地址

微软AI Agents for Beginners：63k Stars！微软官方AI智能体入门课程，12节课带你从零到生产

📖 项目简介

🔧 安装要求和过程

环境要求

快速安装步骤

✨ 核心功能

🎓 完整课程体系

🌍 多语言支持

🔌 技术栈兼容

🛡️ 生产级内容

🎯 典型使用场景

场景1：零基础系统学习AI智能体开发

场景2：学习智能体从开发到生产落地的全流程

场景3：熟悉微软智能体技术栈

💡 推荐理由

📥 下载地址

标签：教程