Yabin's Tech Journey

Hello-Agents：从零开始构建智能体的系统教程 ​

📅 主题：DataWhale 开源智能体学习教程深度解析 — 33K+ Stars，从原理到实战的完整指南

一、项目概述 ​

如果说 2024 年是"百模大战"的元年，那么 2025 年无疑开启了"Agent 元年"。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。

Hello-Agents 是 Datawhale 社区推出的系统性智能体学习教程《从零开始构建智能体》。这个项目旨在为社区提供一本从零开始、理论与实战并重的智能体系统构建指南。

属性信息
GitHubdatawhalechina/hello-agents
Stars33,914+ ⭐
Forks3,906
在线阅读hello-agents.datawhale.cc
许可证CC BY-NC-SA 4.0

核心理念：教程聚焦于 AI Native Agent ——真正以 AI 驱动的智能体，而非 Dify、Coze 这类流程驱动的软件开发。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建属于自己的多智能体应用。

二、内容架构（五部分16章） ​

教程分为五大部分，每一部分都是通往下一阶段的坚实阶梯：

第一部分：智能体与语言模型基础（第1-3章） ​

章节关键内容
第一章 初识智能体智能体定义、类型、范式与应用
第二章 智能体发展史从符号主义到 LLM 驱动的智能体演进
第三章 大语言模型基础Transformer、提示、主流 LLM 及其局限

这部分从智能体的定义、类型与发展历史讲起，梳理"智能体"概念的来龙去脉，并快速巩固大语言模型的核心知识，为实践之旅打下坚实的理论地基。

第二部分：构建你的大语言模型智能体（第4-7章） ​

章节关键内容
第四章 智能体经典范式构建手把手实现 ReAct、Plan-and-Solve、Reflection
第五章 基于低代码平台的智能体搭建Coze、Dify、n8n 等低代码智能体平台使用
第六章 框架开发实践AutoGen、AgentScope、LangGraph 等主流框架应用
第七章 构建你的 Agent 框架从 0 开始构建智能体框架

这是动手实践的起点。你将：

  • 亲手实现 ReAct 等经典范式
  • 体验低代码平台的便捷
  • 掌握主流框架的应用
  • 从零开始构建一个属于自己的智能体框架，兼具"用轮子"与"造轮子"的能力

第三部分：高级知识扩展（第8-12章） ​

章节关键内容
第八章 记忆与检索记忆系统，RAG，存储
第九章 上下文工程持续交互的"情境理解"
第十章 智能体通信协议MCP、A2A、ANP 等协议解析
第十一章 Agentic-RL从 SFT 到 GRPO 的 LLM 训练实战
第十二章 智能体性能评估核心指标、基准测试与评估框架

在这一部分，你的智能体将"学会"思考与协作：

  • 使用自研框架深入探索记忆与检索、上下文工程
  • 学习 Agent 训练（从 SFT 到 GRPO）
  • 掌握多智能体间的通信协议（MCP、A2A、ANP）
  • 掌握评估智能体系统性能的专业方法

第四部分：综合案例进阶（第13-15章） ​

章节关键内容
第十三章 智能旅行助手MCP 与多智能体协作的真实世界应用
第十四章 自动化深度研究智能体DeepResearch Agent 复现与解析
第十五章 构建赛博小镇Agent 与游戏的结合，模拟社会动态

理论与实践的交汇点。你将把所学融会贯通，亲手打造：

  • 智能旅行助手：MCP 与多智能体协作的真实应用
  • 自动化深度研究智能体：DeepResearch Agent 复现
  • 赛博小镇：Agent 与游戏结合，模拟社会动态

第五部分：毕业设计及未来展望（第16章） ​

章节关键内容
第十六章 毕业设计构建属于你的完整多智能体应用

在旅程的终点，你将迎来毕业设计——构建一个完整的、属于你自己的多智能体应用，全面检验学习成果。

三、核心亮点 ​

3.1 完全免费开源 ​

Datawhale 开源免费，完全免费学习本项目所有内容，与社区共同成长。

3.2 理论与实战并重 ​

  • 📖 深入理解智能体的概念、历史与经典范式
  • 🏗️ 亲手实现 ReAct、Plan-and-Solve、Reflection 等经典范式
  • 🛠️ 从零构建自己的智能体框架

3.3 自研框架 HelloAgents ​

基于 OpenAI 原生 API 从零构建一个自己的智能体框架，已更新 V1.0.0 版本，持续完善。

3.4 高级技能全覆盖 ​

  • ⚙️ 上下文工程、Memory、协议、评估等系统性技术
  • 🤝 Agentic RL：从 SFT 到 GRPO 的全流程实战训练 LLM

3.5 真实案例驱动 ​

实战开发智能旅行助手、赛博小镇等综合项目。

3.6 求职面试准备 ​

包含智能体求职相关面试问题总结与答案。

四、自研框架 HelloAgents ​

教程配套自研框架 HelloAgents（GitHub），基于 OpenAI 原生 API 从零构建：

特点：

  • 轻量化、易上手
  • 完整复现教程中的核心概念
  • 兼容学习版本，持续增加新特性
  • 适合理解智能体底层原理

架构示意：

┌─────────────────────────────────────────────────────┐
│                    HelloAgents                        │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐ │
│  │ Agent   │  │ Memory  │  │ Tools   │  │ Planner │ │
│  └─────────┘  └─────────┘  └─────────┘  └─────────┘ │
│                       ↓                               │
│              ┌─────────────────┐                      │
│              │   LLM Backend   │                      │
│              │  (OpenAI API)   │                      │
│              └─────────────────┘                      │
└─────────────────────────────────────────────────────┘

五、社区贡献精选 ​

教程包含丰富的社区贡献内容：

精选内容说明
Agent 面试题总结Agent 岗位相关面试问题
Agent 面试题答案相关面试问题参考答案
上下文工程内容补充上下文工程内容扩展
Dify 智能体创建保姆级教程Dify 智能体创建完整操作流程
Hello-agents 课程常见问题Datawhale 课程 FAQ
Agent Skills 与 MCP 对比解读Agent Skills 与 MCP 技术对比
GUI Agent 科普与实战GUI Agent 科普与多场景实战
环境配置开发环境配置指南
如何写出好的 SkillSkill 写作最佳实践
Agent 应用开发实践踩坑与经验分享Code Agent 应用开发踩坑与经验

六、学习路径建议 ​

适合人群 ​

  • 有一定编程基础的 AI 开发者
  • 软件工程师
  • 在校学生
  • 对前沿 AI 技术抱有浓厚兴趣的 自学者

前置要求 ​

  • 基础 Python 编程能力
  • 对大语言模型有基本概念性了解（知道如何通过 API 调用 LLM）
  • 无需深厚的算法或模型训练背景

学习建议 ​

智能体是一个飞速发展且极度依赖实践的领域。为了获得最佳学习效果：

  1. 理论与实践相结合：项目的 code 文件夹提供配套全部代码
  2. 亲手运行、调试、修改：务必亲手运行项目里提供的每一份代码
  3. 关注社区动态：关注 Datawhale 及其他 Agent 相关社区
  4. 遇到问题及时提问：可在项目 Issue 区提问

七、快速开始 ​

在线阅读 ​

PDF 版本下载 ​

本地阅读 ​

bash
# 克隆仓库
git clone https://github.com/datawhalechina/hello-agents.git

# 进入目录
cd hello-agents

# 查看 docs 文件夹

八、下一步规划 ​

项目团队正在推进：

  • 📹 视频课程陆续放出（更加细致，从设计思路到实施）
  • 🔧 HelloAgents 框架继续完善（增加更多工具和特性）
  • 📊 调查问卷收集学习需求
  • 📚 后续作品《从零开始训练智能体》（掌握从零到一训练自定义场景智能体模型的能力）

参考资料 ​

💡 如果这个项目对你有帮助，请给 datawhalechina/hello-agents 一个 Star！这是对开源社区最好的支持方式。

Released under the MIT License.

Copyright © 2025-present Wang