AI Agent 从入门到实战

作者：青松与桑叶 | 理解本质，而非堆砌框架

写在前面

2024 年到 2025 年，AI Agent 迎来了爆发式增长。从 AutoGPT 到 Manus，从简单的对话机器人到能自主完成复杂任务的智能体，Agent 正在重新定义我们与 AI 交互的方式。然而，当我试图系统学习这项技术时，发现大多数教程要么只停留在概念层面，讲完"什么是 Agent"就结束了；要么一上来就丢给你一堆框架代码，让你照着抄却完全不理解背后的原理。这种"知其然不知其所以然"的学习体验，让我决定自己写一个教程。

我的教学理念很简单：先理解原理，再学框架；先动手写，再学理论。 我相信，只有亲手用纯 Python 从零实现一个 Agent，你才能真正理解 LangChain、Dify 这些框架在帮你做什么。否则，你只是在调 API，而不是在构建智能体。这个教程会带你从最基础的 LLM 调用开始，一步步搭建出完整的 Agent 系统，然后再引入框架来提升开发效率。

这个教程和其他教程最大的区别在于：它是保姆级的、从零开始的、每一步都可运行的中文原创内容。不会假设你已经懂了什么，不会跳过任何关键步骤，不会用一堆术语把你绕晕。每一行代码都有中文注释，每一个概念都有通俗的解释，每一个章节都有可运行的示例。如果你愿意花时间跟着做，我保证你能从一个 Agent 小白变成能独立构建 Agent 应用的开发者。

你将收获

🧠 理解 AI Agent 的核心原理（ReAct、工具调用、记忆系统）
💻 不依赖任何框架，用纯 Python 从零构建一个完整的 Agent
🔧 掌握 Function Calling、RAG、多 Agent 协作等关键技术
🏭 学会用 LangChain / Dify 等框架快速构建生产级应用
📝 每一步都有可运行的代码，跟着做就能学会
🎯 完成毕业项目，拥有自己的 Agent 作品
💡 理解 Agent 设计模式，能独立设计和实现新 Agent
🚀 了解 Agent 部署、评估、监控等生产级话题

适合谁读

有基础 Python 能力的开发者（不需要 AI 背景）
想理解 Agent 原理但不想啃论文的工程师
想用 Agent 技术提升工作效率的产品经理/数据分析师
在校学生，想系统学习 AI Agent 技术

学习路线图

第一部分：认知篇 ──→ 第二部分：构建篇 ──→ 第三部分：框架篇 ──→ 第四部分：实战篇
  理解Agent本质       从零写Agent          学主流框架          做毕业项目

第一部分：认知篇 —— 理解 Agent 的本质

章节	标题	核心内容	状态
第1章	什么是 AI Agent	Agent 的定义、核心能力、发展历程	✅
第2章	LLM 基础入门	LLM 原理、API 调用、Prompt Engineering	✅
第3章	Agent 的核心组件	大脑（LLM）、工具（Tools）、记忆（Memory）、规划（Planning）	✅

第二部分：构建篇 —— 从零构建 AI Agent

章节	标题	核心内容	状态
第4章	手写第一个 Agent	基础 LLM 调用 → 添加工具 → ReAct 循环	✅
第5章	让 Agent 拥有记忆	短期记忆、长期记忆、上下文管理	✅
第6章	让 Agent 使用工具	Function Calling、自定义工具、工具链	✅
第7章	让 Agent 学会规划	Plan-and-Solve、反思机制、自我纠错	🚧

第三部分：进阶篇 —— Agent 行为工程与框架实战

章节	标题	核心内容	状态
第8章	Agent 行为工程	技能即代码、反合理化、门控系统、子代理架构、说服心理学	✅
第9章	LangChain 快速上手	Chain、Agent、Memory、Tool 集成	🚧
第10章	LangGraph 状态机	图结构、状态管理、人机协作	🚧
第11章	Dify 可视化构建	低代码 Agent、工作流编排	🚧

第四部分：实战篇 —— 综合项目

章节	标题	核心内容	状态
第12章	RAG 知识库 Agent	文档解析、向量检索、知识问答	🚧
第13章	多 Agent 协作系统	Agent 间通信、任务分配、协作模式	🚧
毕业项目	智能研究助手	综合运用所有技术，构建完整 Agent 应用	🚧

✅ = 已完成 | 🚧 = 编写中 | ⏳ = 计划中

每章包含什么

每一章都遵循统一的教学结构，确保你获得完整的学习体验：

概念讲解：用通俗的语言解释核心概念，配合图解，不堆砌术语
完整代码：每一步都有可运行的 Python 代码，附详细中文注释
运行演示：展示代码的运行过程和预期输出，让你知道结果应该长什么样
动手练习：每章末尾有练习题，帮你巩固所学，加深理解
踩坑记录：记录常见错误和排查方法，帮你少走弯路

快速开始

# 1. 克隆仓库
git clone https://github.com/2182977liu-bit/awesome-ai-agent-learning.git
cd awesome-ai-agent-learning

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置 API Key（支持 OpenAI / DeepSeek / 通义千问等）
export API_KEY="your-api-key"
export BASE_URL="https://api.openai.com/v1"
export MODEL="gpt-4o-mini"

# 4. 开始学习！从第1章开始

项目	说明	链接
Datawhale Hello-Agents	最系统的中文 Agent 教程	GitHub
Microsoft AI Agents for Beginners	微软官方 Agent 入门课程	GitHub
AI Agents From Scratch	从零构建 Agent，无框架依赖	GitHub
GenAI Agents	45+ 个 Agent 实现合集	GitHub
Dify	开源 LLM 应用开发平台	GitHub
LangChain	最流行的 LLM 应用框架	GitHub
MetaGPT	多 Agent 元编程框架	GitHub
Microsoft AutoGen	微软多 Agent 框架	GitHub
Langchain-Chatchat	中文知识库问答系统	GitHub
Awesome Chinese AI Agents	中文 Agent 资源库	GitHub

常见问题

需要什么基础？

只需要 Python 基础就够了。如果你能写简单的 Python 函数、理解列表和字典，就可以开始学习。不需要任何 AI 或机器学习背景，教程会从最基础的概念讲起。

需要付费 API 吗？

不需要。教程支持多种 LLM 服务商，你可以使用 DeepSeek、通义千问等提供的免费额度来完成所有练习。当然，如果你有 OpenAI 的 API Key 也可以直接使用。

代码能在本地运行吗？

可以。所有代码都经过实际测试，确保可以在本地环境正常运行。每章都会说明所需的依赖和运行环境，跟着步骤操作即可。

教程的学习节奏是怎样的？

建议每周学习 1-2 章，每章大约需要 2-4 小时（包括阅读、敲代码和做练习）。按照这个节奏，大约 2-3 个月可以完成全部内容。

如何参与贡献？

非常欢迎你的参与！你可以通过提交 Issue 报告问题或提出建议，也可以通过 Pull Request 贡献代码或新章节。详见下方贡献指南。

贡献指南

这个教程的成长离不开每一位贡献者的帮助。你可以通过以下方式参与：

提交 Issue：发现错误、有改进建议、或者想请求新内容，都可以开一个 Issue
提交 PR：修复 Bug、优化代码、补充内容、翻译文档，欢迎直接提交 Pull Request
编写新章节：如果你想贡献新的章节内容，可以先开 Issue 讨论大纲，确认后开始编写
分享传播：如果你觉得这个教程对你有帮助，欢迎分享给更多想学习 Agent 的朋友

致谢

感谢开源社区和所有优秀的教学项目，是你们的工作让 AI 技术的传播变得更加容易。特别感谢 Datawhale、Microsoft、LangChain 社区等在 AI 教育领域的持续投入。也感谢每一位阅读这个教程、提出建议、提交贡献的你。

许可证

本项目基于 MIT License 开源，你可以自由使用、修改和分发。

关于作者

青松与桑叶 —— 一个热爱 AI 技术的开发者，相信最好的学习方式是动手实践。写这个教程的初衷很简单：希望让每一个想学 Agent 的人都能找到一条清晰、可操作的学习路径。如果你在学习过程中有任何问题，欢迎通过 GitHub Issue 与我交流。

awesome-ai-agent-learning

Links

README