Datawhale 出品！《Hello-Agents》冲上 6W Star：全网最系统的 Agent 教程，16 章从原理到源码，从 ReAct 到赛博小镇

Datawhale 出品！《Hello-Agents》冲上 6W Star：全网最系统的 Agent 教程，16 章从原理到源码，从 ReAct 到赛博小镇，附 Agent 面试题

💡 2025 是 Agent 元年，但系统性、重实践的 Agent 教程少得可怜。Datawhale 推出了《Hello-Agents》—— 6 万 Star、16 章、5 大部分，从智能体定义讲起，手把手带你实现 ReAct、手撸框架、跑通 MCP、复现 DeepResearch、搭建赛博小镇，最终完成毕业设计。更有自研框架 HelloAgents（V1.0.0）和 13 篇社区精选扩展，面试题都给你整理好了。

📌 目录

• 1. Hello-Agents 是什么？
• 2. 16 章内容全景
• 3. 五大部分学习路径
• 4. 自研框架 HelloAgents
• 5. 社区精选扩展
• 6. 如何开始学习
• 7. 与其他教程对比
• 8. 适合谁学？
• 9. 未来更新方向
• 10. 总结与推荐

1. Hello-Agents 是什么？

Hello-Agents 是 Datawhale 社区出品的系统性智能体学习教程，全称《从零开始构建智能体》。

• 🔗 项目地址：https://github.com/datawhalechina/hello-agents
• 🌐 在线阅读：https://datawhalechina.github.io/hello-agents | 🚀 国内加速
• 📖 PDF 下载：GitHub Releases | 国内镜像
• 🏆 GitHub：6W+ Star · Trendshift 全球推荐
• 🏢 出品：Datawhale 社区
• 📜 协议：CC BY-NC-SA 4.0

一句话总结

Hello-Agents = Datawhale 出品系统 Agent 教程
             = 6W Star，全网最火 Agent 学习资源
             = 16 章 × 5 大部分 × 13 篇社区精选
             = 理论 + 范式 + 框架 + 自研框架 + 综合案例
             = 自研 HelloAgents 框架（基于 OpenAI 原生 API）
             = Agentic RL 从 SFT 到 GRPO 完整训练流程
             = MCP / A2A / ANP 等最新协议解析
             = 智能旅行助手 / DeepResearch / 赛博小镇 三大实战
             = 附 Agent 面试题 + 答案
             = 完全免费 · PDF 可下载 · 在线可读

为什么现在学 Agent 非它不可？

2024 → 百模大战元年 → 训练更大的基础模型
2025 → Agent 元年 → 构建更聪明的智能体应用

痛点：
  ❌ 框架文档碎片化，AutoGen/LangGraph 各说各话
  ❌ 原理讲得深，但不知道怎么落地
  ❌ 没有系统性路线，学了也不知道能做什么

Hello-Agents 解决：
  ✅ 从原理到实践，16 章一站式覆盖
  ✅ 手把手实现 ReAct / Plan-and-Solve / Reflection
  ✅ 自研框架，从"用轮子"到"造轮子"
  ✅ 三大综合案例，从 Demo 到毕业设计
  ✅ 完全免费，PDF 可下载，随时可学

2. 16 章内容全景

学习路径可视化：

  第1-3章  ──────────────────────────────────→  理论基础
       ↓
  第4-7章  ──────────────────────────────────→  构建实践
       ↓
  第8-12章 ──────────────────────────────────→  高级技能
       ↓
  第13-15章 ─────────────────────────────────→  综合实战
       ↓
  第16章   ──────────────────────────────────→  毕业设计

  全程配代码 → 理论与实践并重

3. 五大部分学习路径

第一部分：智能体与语言模型基础（第 1-3 章）

目标：打牢理论基础

  第1章：初识智能体
    → 什么是 Agent？ReAct / Plan-and-Solve / Reflexion 有何区别？
    → 单智能体 vs 多智能体

  第2章：智能体发展史
    → 从符号主义 → 强化学习 → LLM 驱动的 Agent
    → 为什么 2025 是 Agent 元年

  第3章：大语言模型基础
    → Transformer 核心机制
    → 提示工程（Prompt Engineering）
    → 主流 LLM 及局限性
    → API 调用实战

第二部分：构建你的大语言模型智能体（第 4-7 章）

目标：从"会用"到"会造"

  第4章：智能体经典范式
    → 手把手实现 ReAct（推理+行动）
    → Plan-and-Solve（计划+执行）
    → Reflection（自我反思）
    → 代码级实现，非伪代码

  第5章：低代码平台
    → Coze（扣子）：零代码搭 Bot
    → Dify：开源 LLM 应用平台
    → n8n：自动化工作流 + Agent
    → 实战：搭一个旅行规划 Bot

  第6章：主流框架开发
    → AutoGen：微软多智能体框架
    → AgentScope：多智能体仿真平台
    → LangGraph：状态机式 Agent 编排
    → 对比选型指南

  第7章：构建你的 Agent 框架【核心亮点】
    → 基于 OpenAI 原生 API 从 0 构建
    → 手撸一个 HelloAgents 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）

目标：掌握工业级 Agent 核心技术

  第8章：记忆与检索
    → 短时记忆 vs 长时记忆
    → 向量数据库选型（Milvus / Chroma / FAISS）
    → RAG（检索增强生成）深度集成

  第9章：上下文工程
    → 持续交互的情境理解
    → 上下文窗口管理与压缩
    → 多轮对话的 State 管理

  第10章：智能体通信协议【前沿热点】
    → MCP（Model Context Protocol）：Anthropic 出品
    → A2A（Agent-to-Agent）：Google 出品
    → ANP（Agent Network Protocol）
    → 为什么协议是 Agent 生态的关键

  第11章：Agentic-RL【前沿技术】
    → 从 SFT（监督微调）到 GRPO（全流程强化）
    → 智能体如何通过与环境交互自我优化
    → 实战：从零训练一个定制 Agent

  第12章：智能体性能评估
    → 核心评估指标（任务完成率/效率/安全性）
    → 主流基准测试（GAIA / MMLU-Pro 等）
    → 评估框架设计实践

第四部分：综合案例进阶（第 13-15 章）

目标：把所学变成真实可用的系统

  第13章：智能旅行助手
    → MCP 协议实战
    → 多智能体协作（Planner / Tool / Memory）
    → 真实世界应用部署

  第14章：自动化深度研究智能体
    → DeepResearch 原理拆解
    → 端到端复现
    → 如何构建自己的 Research Assistant

  第15章：构建赛博小镇
    → Generative Agents 论文复现
    → 多个 Agent 模拟社会动态
    → Agent × 游戏交叉前沿

第五部分：毕业设计（第 16 章）

目标：构建完整的、属于自己的多智能体应用

  → 综合运用前 15 章所有知识
  → 从需求分析 → 架构设计 → 编码实现 → 评估优化
  → 完整项目交付，面试可展示

  更有社区共创毕业设计（多个真实项目）

4. 自研框架 HelloAgents

什么是 HelloAgents？

HelloAgents = 基于 OpenAI 原生 API 从零构建的 Agent 框架

  作者：jjyaoao（Datawhale 核心成员）

  定位：教学优先，轻量简洁，理解核心原理

  已更新至 V1.0.0，继续完善中

  GitHub：https://github.com/jjyaoao/helloagents

为什么要手撸框架？

用 LangGraph / AutoGen → 会用但不懂原理
手撸 HelloAgents → 真正理解 Agent 架构

  HelloAgents 帮你看清：
    → Agent 的循环是怎么实现的
    → Tool Calling 的机制是什么
    → Memory 怎么管理
    → 多 Agent 怎么通信

  → 学完之后再看 LangGraph，才知其所以然
  → 面试时手撸过框架，原理问题全不怕

5. 社区精选扩展

除了 16 章正文，还有 13 篇社区精选（Extra-Chapter），持续更新：

Extra-05 Agent Skills vs MCP 对比 尤其值得关注！

  2025 年 Agent 领域最大的生态战争：
    Anthropic MCP vs OpenAI Agent Skills
    → 决定未来 Agent 的工具调用标准
    → Hello-Agents 专门用一章来对比讲解

6. 如何开始学习

方式 1：在线阅读（推荐）

🌐 国外访问：https://datawhalechina.github.io/hello-agents/
🚀 国内加速：https://hello-agents.datawhale.cc

→ 无需下载，随时阅读
→ GitBook 排版，体验良好
→ 支持手机端浏览

方式 2：PDF 下载

GitHub：https://github.com/datawhalechina/hello-agents/releases/latest/
国内：https://www.datawhale.cn/learn/summary/239

→ 完全免费（水印仅防营销号倒卖）
→ 适合离线阅读
→ 可打印

方式 3：本地源码

# 克隆源码
git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents

# 查看 docs 目录
# 每章 Markdown 文件 + 配套代码在 code/ 目录

配套代码

# 项目提供了每章对应的代码
# 将理论与实践结合，强烈建议亲手运行

code/
├── chapter4/    # ReAct / Plan-and-Solve / Reflection 实现
├── chapter5/    # Coze / Dify 实战
├── chapter6/    # AutoGen / LangGraph 示例
├── chapter7/    # HelloAgents 框架源码
├── chapter8/    # Memory + RAG 实现
├── chapter13/   # 智能旅行助手完整代码
├── chapter14/   # DeepResearch 复现代码
└── chapter15/   # 赛博小镇模拟代码

# 运行环境要求
# - Python 3.10+
# - conda 或 venv
# - OpenAI API Key（或国产大模型 API）

7. 与其他教程对比

最大差异化

1. 6W Star 中文天花板 → 社区验证，最适合中文开发者
2. 自研 HelloAgents → 从零造轮子，理解原理而非只会调 API
3. Agentic RL 独立章节 → 2025 年最前沿，普通教程都不敢碰
4. MCP / A2A / ANP 协议专题 → Agent 生态互联互通的关键
5. 三大综合实战案例 → 旅行助手 + DeepResearch + 赛博小镇
6. 面试题 + 答案 → 找工作必备，实用主义拉满
7. 13 篇社区精选 → 持续更新，永不过时

8. 适合谁学？

✅ 完全适合：
  - 有 Python 基础的 AI 开发者
  - 想转行 AI Agent 的软件工程师
  - 计算机/AI 相关专业的在校学生
  - 对前沿 AI 技术感兴趣的自学者
  - 正在准备 Agent 相关岗位面试的求职者
  - 用过 ChatGPT 想深入 AI 应用的爱好者

❌ 需要补充前置知识：
  - 完全零编程基础（先学 Python）
  - 完全不了解 LLM（先跑通一个 API 调用）

❌ 可能不适合：
  - 已经是 Agent 框架核心Contributor（但社区精选可能有收获）

学习前提

硬性要求：
  - Python 基础（能写函数 + 调 API）
  - 知道 LLM 是什么（会调 OpenAI / 通义 / 智谱 API）

软性建议：
  - 有好奇心，喜欢动手
  - 有时间做练习题和实战项目
  - 愿意参与社区贡献

9. 未来更新方向

Hello-Agents 路线图：

  ✅ 已完成：
    - 16 章正文全部完成
    - HelloAgents V1.0.0 发布
    - 13 篇社区精选
    - PDF 版本发布
    - 视频课程陆续录制中

  🚧 进行中：
    - 视频课程（共创录制中，Extra-13）
    - HelloAgents 框架持续完善

  📋 规划中：
    - 后续作品：《从零开始训练智能体》
    - 目标：帮助每个学习者掌握从零到一训练自定义场景 Agent 模型
    - 关注 Datawhale Agent-Learning-Hub 获取最新路线

  💡 你可以参与：
    - 填写反馈问卷（扫码在 README 中）
    - PR 完善内容
    - 投稿社区精选 Extra-Chapter

10. 总结与推荐

推荐指数：⭐⭐⭐⭐⭐

Hello-Agents 是目前中文互联网最系统、最实战、最前沿的 Agent 学习教程：

一句话推荐

如果你想系统学习 Agent，Hello-Agents 是中文世界的最佳选择。

没有之一。

理由：
  ✅ 6W Star → 群众的眼睛是雪亮的
  ✅ 16 章全系统 → 比碎片化文档强 100 倍
  ✅ 手撸框架 → 面试时真正拿得出手
  ✅ 最新协议（MCP/A2A）→ 跟上前沿不落伍
  ✅ Agentic RL → 2025 年最硬核的方向
  ✅ 免费 + PDF → 想学就能学

📢 项目地址：https://github.com/datawhalechina/hello-agents
🌐 在线阅读：https://datawhalechina.github.io/hello-agents
🚀 国内访问：https://hello-agents.datawhale.cc
📖 PDF 下载：https://github.com/datawhalechina/hello-agents/releases/latest/
🛠️ 自研框架：https://github.com/jjyaoao/helloagents
📚 学习路线：Agent-Learning-Hub

相关链接

• 📺 Hello-Agents 视频课共创中

标签：#GitHub #Datawhale #HelloAgents #Agent #智能体 #ReAct #MCP #LangGraph #AutoGen #AgenticRL #开源项目 #面试题
分类：原创文章