《从零开始构建智能体》—— 实践与理论结合的智能体入门指南
项目介绍
在2024年，"百模大战"即将拉开序幕，而2025年则标志着"Agent 元年"的到来。随着技术的不断发展，构建更智能的智能体应用将成为新的焦点。然而，目前系统性的、重实践的教程仍然极为稀缺。为了解决这一问题，Datawhale社区推出了Hello-Agents项目，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。
Hello-Agents是一个系统性智能体学习教程，旨在引导读者深入理解并构建AI Native Agent，帮助学习者从大语言模型的"使用者"转变为智能体系统的"构建者"。
你将收获什么？
理论与实践并重
- Datawhale 开源免费：完全免费学习本项目所有内容。
- 理解核心原理：深入理解智能体的概念、历史与经典范式。
- 亲手实现：掌握热门低代码平台和智能体代码框架的使用技巧。
- 自研框架HelloAgents：基于Openai原生API，从零构建自己的智能体框架。
- 掌握高级技能：逐步实现上下文工程、Memory、协议、评估等系统性技术。
- 模型训练：掌握Agentic RL，从SFT到GRPO的全流程实战训练LLM。
- 案例驱动：参与实战开发智能旅行助手、赛博小镇等综合项目，提升实际操作能力。
- 求职面试：学习智能体相关的求职面试问题，提高就业竞争力。
内容导航与学习路径
第一部分：智能体与语言模型基础
- 第一章：初识智能体- 理解智能体的定义、类型和应用。
- 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- 深入探讨Transformer及其局限。
第二部分：构建你的大语言模型智能体
- 第四章：智能体经典范式构建- 手把手实现ReAct、Plan-and-Solve等经典范式。
- 第五章：基于低代码平台的智能体搭建- 熟悉Coze、Dify等低代码智能体平台。
- 第六章：框架开发实践- 使用AutoGen、AgentScope、LangGraph等主流框架。
- 第七章：构建你的Agent框架- 从零开始构建智能体框架。
第三部分：高级知识扩展
- 第八章：记忆与检索- 学习记忆系统和存储机制。
- 第九章：上下文工程- 探索持续交互的情境理解。
- 第十章：智能体通信协议- 解析MCP、A2A、ANP等协议。
- 第十一章：Agentic-RL- 实战训练LLM的过程和策略。
- 第十二章：智能体性能评估- 核心指标与评估框架的构建。
第四部分：综合案例进阶
- 第十三章：智能旅行助手- 多智能体协作的现实应用案例。
- 第十四章：自动化深度研究智能体- 深入复现与解析DeepResearch Agent。
- 第十五章：构建赛博小镇- 模拟社会动态与Agent结合的实际操作。
第五部分：毕业设计及未来展望
- 第十六章：毕业设计- 完成属于自己的多智能体应用，全面检验学习成果。
学习建议
本项目的设计兼顾理论与实践，特别适合具备Python编程基础的AI开发者、软件工程师、在校学生以及有志于了解前沿AI技术的自学者。在学习过程中，建议积极动手实践，结合项目提供的代码，进行实际的修改与实验，从而更好地掌握所学知识。
通过这个教程，您将能够从一个对智能体一无所知的初学者成长为一个能够独立构建智能体的开发者。
数据及软件需求
为了获得最佳的学习效果，建议学习者具备基本的Python编程能力，并对大语言模型有基本的概念性了解。在项目的code文件夹内，将提供配套的全部代码，欢迎随时与Datawhale以及其他Agent相关社区交流，以获取更多的指导与帮助。
未来规划
- 编辑英文版教程
- 推出双语视频课程
- 共同创作第16章，打造多样的Agent应用及生态
同类项目介绍
在智能体构建领域，除了Hello-Agents，还有许多类似的项目提供丰富的学习资源和实践指导。例如：
- LangChain- 专注于构建与大语言模型的交互，提供多种集成工具与框架。
- Haystack- 主要用于创建问答系统和搜索引擎的智能体，支持多种后端。
这些项目也是智能体学习和实践的好去处，能够帮助开发者更好地理解和构建智能体系统。
