[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-datawhalechina--hello-agents":3,"tool-datawhalechina--hello-agents":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":119,"forks":120,"last_commit_at":121,"license":122,"difficulty_score":23,"env_os":123,"env_gpu":124,"env_ram":124,"env_deps":125,"category_tags":128,"github_topics":129,"view_count":134,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":135,"updated_at":136,"faqs":137,"releases":167},253,"datawhalechina\u002Fhello-agents","hello-agents","📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程","Hello-Agents 是一本开源的中文教程，旨在帮助读者从零开始理解并动手构建真正由 AI 驱动的智能体（AI Native Agent）。当前智能体开发领域缺乏系统性、重实践的学习资源，Hello-Agents 正是为填补这一空白而设计。它不仅讲解智能体的核心原理、发展脉络和经典范式（如 ReAct、Reflection 等），还引导读者使用主流框架（如 AutoGen、LangGraph）并从头实现自己的智能体框架，涵盖上下文管理、记忆机制、通信协议、评估方法，甚至包括基于强化学习的模型训练（如 GRPO）。教程适合对大语言模型有一定了解的开发者、研究人员或技术爱好者，尤其适合希望从“模型使用者”进阶为“智能体构建者”的学习者。内容完全免费，支持在线阅读或本地参与，强调理论与实战结合，通过旅行助手、赛博小镇等真实项目巩固所学。","\u003Cdiv align=\"right\">\n  \u003Ca href=\".\u002FREADME_EN.md\">English\u003C\u002Fa> | 中文\n\u003C\u002Fdiv>\n\n\u003Cdiv align='center'>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_cb478fc04325.png\" alt=\"alt text\" width=\"100%\">\n  \u003Ch1>Hello-Agents\u003C\u002Fh1>\n  \u003Ch3>🤖 《从零开始构建智能体》\u003C\u002Fh3>\n  \u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F15520\" target=\"_blank\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_4a68feb902da.png\" alt=\"datawhalechina%2Fhello-agents | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\n  \u003C\u002Fa>\n  \u003C\u002Fdiv>\n  \u003Cp>\u003Cem>从基础理论到实际应用，全面掌握智能体系统的设计与实现\u003C\u002Fem>\u003C\u002Fp>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002FHello-Agents?style=flat&logo=github\" alt=\"GitHub stars\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002FHello-Agents?style=flat&logo=github\" alt=\"GitHub forks\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flanguage-Chinese-brightgreen?style=flat\" alt=\"Language\"\u002F>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FHello-Agents\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub-Project-blue?style=flat&logo=github\" alt=\"GitHub Project\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-agents\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F在线阅读-Online%20Reading-green?style=flat&logo=gitbook\" alt=\"Online Reading\">\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n---\n\n## 🎯 项目介绍\n\n  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。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 Hello-Agents 项目，希望能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。\n\n  Hello-Agents 是 Datawhale 社区的\u003Cstrong>系统性智能体学习教程\u003C\u002Fstrong>。如今 Agent 构建主要分为两派，一派是 Dify，Coze，n8n 这类软件工程类 Agent，其本质是流程驱动的软件开发，LLM 作为数据处理的后端；另一派则是 AI 原生的 Agent，即真正以 AI 驱动的 Agent。本教程旨在带领大家深入理解并构建后者——真正的 AI Native Agent。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，并最终亲手构建起属于自己的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本教程能成为你探索智能体世界的起点，能够从一名大语言模型的\"使用者\"，蜕变为一名智能体系统的\"构建者\"。\n\n## 📚 快速开始\n\n### 在线阅读\n**[🌐 国外访问](https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-agents\u002F)** | **[🚀 国内加速](https:\u002F\u002Fhello-agents.datawhale.cc)** - 无需下载，随时随地学习\n\n### 本地阅读\n如果您希望在本地阅读或贡献内容，请参考下方的学习指南。\n\n### ✨ 你将收获什么？\n\n- 📖 \u003Cstrong>Datawhale 开源免费\u003C\u002Fstrong> 完全免费学习本项目所有内容，与社区共同成长\n- 🔍 \u003Cstrong>理解核心原理\u003C\u002Fstrong> 深入理解智能体的概念、历史与经典范式\n- 🏗️ \u003Cstrong>亲手实现\u003C\u002Fstrong> 掌握热门低代码平台和智能体代码框架的使用\n- 🛠️ \u003Cstrong>自研框架[HelloAgents](https:\u002F\u002Fgithub.com\u002Fjjyaoao\u002Fhelloagents)\u003C\u002Fstrong> 基于 Openai 原生 API 从零构建一个自己的智能体框架\n- ⚙️ \u003Cstrong>掌握高级技能\u003C\u002Fstrong> 一步步实现上下文工程、Memory、协议、评估等系统性技术\n- 🤝 \u003Cstrong>模型训练\u003C\u002Fstrong> 掌握 Agentic RL，从 SFT 到 GRPO 的全流程实战训练 LLM\n- 🚀 \u003Cstrong>驱动真实案例\u003C\u002Fstrong> 实战开发智能旅行助手、赛博小镇等综合项目\n- 📖 \u003Cstrong>求职面试\u003C\u002Fstrong> 学习智能体求职相关面试问题\n\n## 📖 内容导航\n\n| 章节                                                                                        | 关键内容                                      | 状态 |\n| ------------------------------------------------------------------------------------------- | --------------------------------------------- | ---- |\n| [前言](.\u002Fdocs\u002F前言.md)                                                                      | 项目的缘起、背景及读者建议                    | ✅    |\n| \u003Cstrong>第一部分：智能体与语言模型基础\u003C\u002Fstrong>                                             |                                               |      |\n| [第一章 初识智能体](.\u002Fdocs\u002Fchapter1\u002F第一章%20初识智能体.md)                                 | 智能体定义、类型、范式与应用                  | ✅    |\n| [第二章 智能体发展史](.\u002Fdocs\u002Fchapter2\u002F第二章%20智能体发展史.md)                             | 从符号主义到 LLM 驱动的智能体演进             | ✅    |\n| [第三章 大语言模型基础](.\u002Fdocs\u002Fchapter3\u002F第三章%20大语言模型基础.md)                         | Transformer、提示、主流 LLM 及其局限          | ✅    |\n| \u003Cstrong>第二部分：构建你的大语言模型智能体\u003C\u002Fstrong>                                         |                                               |      |\n| [第四章 智能体经典范式构建](.\u002Fdocs\u002Fchapter4\u002F第四章%20智能体经典范式构建.md)                 | 手把手实现 ReAct、Plan-and-Solve、Reflection  | ✅    |\n| [第五章 基于低代码平台的智能体搭建](.\u002Fdocs\u002Fchapter5\u002F第五章%20基于低代码平台的智能体搭建.md) | 了解 Coze、Dify、n8n 等低代码智能体平台使用   | ✅    |\n| [第六章 框架开发实践](.\u002Fdocs\u002Fchapter6\u002F第六章%20框架开发实践.md)                             | AutoGen、AgentScope、LangGraph 等主流框架应用 | ✅    |\n| [第七章 构建你的Agent框架](.\u002Fdocs\u002Fchapter7\u002F第七章%20构建你的Agent框架.md)                   | 从 0 开始构建智能体框架                       | ✅    |\n| \u003Cstrong>第三部分：高级知识扩展\u003C\u002Fstrong>                                                     |                                               |      |\n| [第八章 记忆与检索](.\u002Fdocs\u002Fchapter8\u002F第八章%20记忆与检索.md)                                 | 记忆系统，RAG，存储                           | ✅    |\n| [第九章 上下文工程](.\u002Fdocs\u002Fchapter9\u002F第九章%20上下文工程.md)                                 | 持续交互的\"情境理解\"                          | ✅    |\n| [第十章 智能体通信协议](.\u002Fdocs\u002Fchapter10\u002F第十章%20智能体通信协议.md)                        | MCP、A2A、ANP 等协议解析                      | ✅    |\n| [第十一章 Agentic-RL](.\u002Fdocs\u002Fchapter11\u002F第十一章%20Agentic-RL.md)                            | 从 SFT 到 GRPO 的 LLM 训练实战                | ✅    |\n| [第十二章 智能体性能评估](.\u002Fdocs\u002Fchapter12\u002F第十二章%20智能体性能评估.md)                    | 核心指标、基准测试与评估框架                  | ✅    |\n| \u003Cstrong>第四部分：综合案例进阶\u003C\u002Fstrong>                                                     |                                               |      |\n| [第十三章 智能旅行助手](.\u002Fdocs\u002Fchapter13\u002F第十三章%20智能旅行助手.md)                        | MCP 与多智能体协作的真实世界应用              | ✅    |\n| [第十四章 自动化深度研究智能体](.\u002Fdocs\u002Fchapter14\u002F第十四章%20自动化深度研究智能体.md)        | DeepResearch Agent 复现与解析                 | ✅    |\n| [第十五章 构建赛博小镇](.\u002Fdocs\u002Fchapter15\u002F第十五章%20构建赛博小镇.md)                        | Agent 与游戏的结合，模拟社会动态              | ✅    |\n| \u003Cstrong>第五部分：毕业设计及未来展望\u003C\u002Fstrong>                                               |                                               |      |\n| [第十六章 毕业设计](.\u002Fdocs\u002Fchapter16\u002F第十六章%20毕业设计.md)                                | 构建属于你的完整多智能体应用                  | ✅    |\n\n### 社区贡献精选 (Community Blog)\n\n  欢迎大家将在学习 Hello-Agents 或 Agent 相关技术中的独到见解、实践总结，以 PR 的形式贡献到社区精选。如果是独立于正文的内容，也可以投稿至 Extra-Chapter！\u003Cstrong>期待你的第一次贡献！\u003C\u002Fstrong>\n\n| 社区精选                                                                                                                                      | 内容总结                  |\n| --------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------- |\n| [00-共创毕业设计](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FCo-creation-projects)                                             | 社区共创毕业设计项目      |\n| [01-Agent面试题总结](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra01-面试问题总结.md)                          | Agent 岗位相关面试问题    |\n| [01-Agent面试题答案](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra01-参考答案.md)                              | 相关面试问题答案          |\n| [02-上下文工程内容补充](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra02-上下文工程补充知识.md)                 | 上下文工程内容扩展        |\n| [03-Dify智能体创建保姆级教程](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra03-Dify智能体创建保姆级操作流程.md) | Dify智能体创建保姆级教程  |\n| [04-Hello-agents课程常见问题](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra04-DatawhaleFAQ.md)                 | Datawhale课程常见问题     |\n| [05-Agent Skills与MCP对比解读](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra05-AgentSkills解读.md)             | Agent Skills与MCP技术对比 |\n| [06-GUI Agent科普与实战](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra06-GUIAgent科普与实战.md)                | GUI Agent科普与多场景实战 |\n| [07-环境配置](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra07-环境配置.md)                | 环境配置 |\n| [08-如何写出好的Skill](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra08-如何写出好的Skill.md) | Skill 写作最佳实践 |\n| [09-Agent应用开发实践踩坑与经验分享](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra09-Agent应用开发实践踩坑与经验分享.md) | Code Agent 应用开发踩坑与经验总结 |\n\n### PDF 版本下载\n\n  *\u003Cstrong>本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～\u003C\u002Fstrong>*\n\n> *Hello-Agents PDF : https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Freleases\u002Ftag\u002FV1.0.0*  \n> *Hello-Agents PDF 国内下载地址 : https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F239* \n\n## 💡 如何学习\n\n  欢迎你，未来的智能系统构建者！在开启这段激动人心的旅程之前，请允许我们给你一些清晰的指引。\n\n  本项目内容兼顾理论与实战，旨在帮助你系统性地掌握从单个智能体到多智能体系统的设计与开发全流程。因此，尤其适合有一定编程基础的 \u003Cstrong>AI 开发者、软件工程师、在校学生\u003C\u002Fstrong> 以及对前沿 AI 技术抱有浓厚兴趣的 \u003Cstrong>自学者\u003C\u002Fstrong>。在学习本项目之前，我们希望你具备基础的 Python 编程能力，并对大语言模型有基本的概念性了解（例如，知道如何通过 API 调用一个 LLM）。项目的重点是应用与构建，因此你无需具备深厚的算法或模型训练背景。\n\n  项目分为五大部分，每一部分都是通往下一阶段的坚实阶梯：\n\n- \u003Cstrong>第一部分：智能体与语言模型基础\u003C\u002Fstrong>（第一章～第三章），我们将从智能体的定义、类型与发展历史讲起，为你梳理\"智能体\"这一概念的来龙去脉。随后，我们会快速巩固大语言模型的核心知识，为你的实践之旅打下坚实的理论地基。\n\n- \u003Cstrong>第二部分：构建你的大语言模型智能体\u003C\u002Fstrong>（第四章～第七章），这是你动手实践的起点。你将亲手实现 ReAct 等经典范式，体验 Coze 等低代码平台的便捷，并掌握 Langgraph 等主流框架的应用。最终，我们还会带你从零开始构建一个属于自己的智能体框架，让你兼具“用轮子”与“造轮子”的能力。\n\n- \u003Cstrong>第三部分：高级知识扩展\u003C\u002Fstrong>（第八章～第十二章），在这一部分，你的智能体将“学会”思考与协作。我们将使用第二部分的自研框架，深入探索记忆与检索、上下文工程、Agent 训练等核心技术，并学习多智能体间的通信协议。最终，你将掌握评估智能体系统性能的专业方法。\n\n- \u003Cstrong>第四部分：综合案例进阶\u003C\u002Fstrong>（第十三章～第十五章），这里是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、自动化深度研究智能体，乃至一个模拟社会动态的赛博小镇，在真实有趣的项目中淬炼你的构建能力。\n\n- \u003Cstrong>第五部分：毕业设计及未来展望\u003C\u002Fstrong>（第十六章），在旅程的终点，你将迎来一个毕业设计，构建一个完整的、属于你自己的多智能体应用，全面检验你的学习成果。我们还将与你一同展望智能体的未来，探索激动人心的前沿方向。\n\n\n  智能体是一个飞速发展且极度依赖实践的领域。为了获得最佳的学习效果，我们在项目的`code`文件夹内提供了配套的全部代码，强烈建议你\u003Cstrong>将理论与实践相结合\u003C\u002Fstrong>。请务必亲手运行、调试甚至修改项目里提供的每一份代码。欢迎你随时关注 Datawhale 以及其他 Agent 相关社区，当遇到问题时，你可以随时在本项目的 issue 区提问。\n\n  现在，准备好进入智能体的奇妙世界了吗？让我们即刻启程！\n\n## 下一步规划\n\n- 视频课程陆续放出（将会更加细致，实践课带领大家从设计思路到实施，授人以鱼也授人以渔）\n- HelloAgents框架已经更新V1.0.0版本，将会继续完善，增加更多好用，轻量化的工具和特性，兼容学习版本。\n- 感谢大家助力3W Star! 之后将会提供调查问卷，供大家填写自己需要学习的智能体训练内容。后续作品《从零开始训练智能体》，帮助每一个学习者掌握从零到一训练自定义场景智能体模型的能力。\n\n## 🤝 如何贡献\n\n我们是一个开放的开源社区，欢迎任何形式的贡献！\n\n- 🐛 \u003Cstrong>报告 Bug\u003C\u002Fstrong> - 发现内容或代码问题，请提交 Issue\n- 💡 \u003Cstrong>提出建议\u003C\u002Fstrong> - 对项目有好想法，欢迎发起讨论\n- 📝 \u003Cstrong>完善内容\u003C\u002Fstrong> - 帮助改进教程，提交你的 Pull Request\n- ✍️ \u003Cstrong>分享实践\u003C\u002Fstrong> - 在\"社区贡献精选\"中分享你的学习笔记和项目\n\n## 🙏 致谢\n\n### 核心贡献者\n- [陈思州-项目负责人](https:\u002F\u002Fgithub.com\u002Fjjyaoao) (Datawhale 成员, 全文写作和校对)\n- [孙韬-联合发起者](https:\u002F\u002Fgithub.com\u002Ffengju0213) (Datawhale 成员、CAMEL-AI, 第九章内容和校对)  \n- [姜舒凡-联合发起者](https:\u002F\u002Fgithub.com\u002FTsumugii24)（Datawhale 成员, 章节习题设计和校对）\n- [黄佩林-Datawhale意向成员](https:\u002F\u002Fgithub.com\u002FHeteroCat) (Agent 开发工程师, 第五章内容贡献者)\n- [曾鑫民-Agent工程师](https:\u002F\u002Fgithub.com\u002Ffancyboi999) (牛客科技, 第十四章案例开发)\n- [朱信忠-指导专家](https:\u002F\u002Fxinzhongzhu.github.io\u002F) (Datawhale首席科学家-浙江师范大学杭州人工智能研究院教授)\n### Extra-Chapter 贡献者\n- [WH](https:\u002F\u002Fgithub.com\u002FWHQAQ11) (内容贡献者)\n- [周奥杰-DW贡献者团队](https:\u002F\u002Fgithub.com\u002Fthunderbolt-fire) (西安交通大学, Extra02 内容贡献)\n- [张宸旭-个人开发者](https:\u002F\u002Fgithub.com\u002FTasselszcx)(帝国理工学院, Extra03 内容贡献)\n- [黄宏晗-DW贡献者团队](https:\u002F\u002Fgithub.com\u002FXiaoMa-PM) (深圳大学, Extra04 内容贡献)\n- [王大鹏-Datawhale成员](https:\u002F\u002Fgithub.com\u002Fditingdapeng) (高级研发工程师, Extra08 内容贡献)\n- [尤逸晖-个人开发者](https:\u002F\u002Fgithub.com\u002FYYHDBL) (南京信息工程大学, Extra09 内容贡献)\n\n### 特别感谢\n- 感谢 [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les) 对本项目的帮助与支持\n- 感谢所有为本项目做出贡献的开发者们 ❤️\n\n\u003Cdiv align=center style=\"margin-top: 30px;\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FHello-Agents\u002Fgraphs\u002Fcontributors\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_bc282ac246f0.png\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## Star History\n\n\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_b7f4c473009f.png\" alt=\"Datawhale\" width=\"90%\">\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n  \u003Cp>⭐ 如果这个项目对你有帮助，请给我们一个 Star！\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 读者交流群\n\n\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_948a34092f7d.png\" alt=\"读者群二维码\" width=\"30%\">\n    \u003Cp>扫描二维码加入读者交流群，与更多学习者交流讨论\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 关于 Datawhale\n\n\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_086a2253ad65.png\" alt=\"Datawhale\" width=\"30%\">\n    \u003Cp>扫描二维码关注 Datawhale 公众号，获取更多优质开源内容\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n---\n\n## 📜 开源协议\n\n本作品采用[知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议](http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F)进行许可。\n","\u003Cdiv align=\"right\">\n  \u003Ca href=\".\u002FREADME_EN.md\">English\u003C\u002Fa> | 中文\n\u003C\u002Fdiv>\n\n\u003Cdiv align='center'>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_cb478fc04325.png\" alt=\"alt text\" width=\"100%\">\n  \u003Ch1>Hello-Agents\u003C\u002Fh1>\n  \u003Ch3>🤖 《从零开始构建智能体》\u003C\u002Fh3>\n  \u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F15520\" target=\"_blank\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_4a68feb902da.png\" alt=\"datawhalechina%2Fhello-agents | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\n  \u003C\u002Fa>\n  \u003C\u002Fdiv>\n  \u003Cp>\u003Cem>从基础理论到实际应用，全面掌握智能体（Agent）系统的设计与实现\u003C\u002Fem>\u003C\u002Fp>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002FHello-Agents?style=flat&logo=github\" alt=\"GitHub stars\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002FHello-Agents?style=flat&logo=github\" alt=\"GitHub forks\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flanguage-Chinese-brightgreen?style=flat\" alt=\"Language\"\u002F>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FHello-Agents\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub-Project-blue?style=flat&logo=github\" alt=\"GitHub Project\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-agents\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F在线阅读-Online%20Reading-green?style=flat&logo=gitbook\" alt=\"Online Reading\">\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n---\n\n## 🎯 项目介绍\n\n  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（Agent）应用。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 Hello-Agents 项目，希望能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。\n\n  Hello-Agents 是 Datawhale 社区的\u003Cstrong>系统性智能体学习教程\u003C\u002Fstrong>。如今 Agent 构建主要分为两派，一派是 Dify、Coze、n8n 这类软件工程类 Agent，其本质是流程驱动的软件开发，LLM（大语言模型，Large Language Model）作为数据处理的后端；另一派则是 AI 原生的 Agent，即真正以 AI 驱动的 Agent。本教程旨在带领大家深入理解并构建后者——真正的 AI Native Agent。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，并最终亲手构建起属于自己的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本教程能成为你探索智能体世界的起点，能够从一名大语言模型的“使用者”，蜕变为一名智能体系统的“构建者”。\n\n## 📚 快速开始\n\n### 在线阅读\n**[🌐 国外访问](https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-agents\u002F)** | **[🚀 国内加速](https:\u002F\u002Fhello-agents.datawhale.cc)** - 无需下载，随时随地学习\n\n### 本地阅读\n如果您希望在本地阅读或贡献内容，请参考下方的学习指南。\n\n### ✨ 你将收获什么？\n\n- 📖 \u003Cstrong>Datawhale 开源免费\u003C\u002Fstrong> 完全免费学习本项目所有内容，与社区共同成长\n- 🔍 \u003Cstrong>理解核心原理\u003C\u002Fstrong> 深入理解智能体的概念、历史与经典范式\n- 🏗️ \u003Cstrong>亲手实现\u003C\u002Fstrong> 掌握热门低代码平台和智能体代码框架的使用\n- 🛠️ \u003Cstrong>自研框架[HelloAgents](https:\u002F\u002Fgithub.com\u002Fjjyaoao\u002Fhelloagents)\u003C\u002Fstrong> 基于 Openai 原生 API 从零构建一个自己的智能体框架\n- ⚙️ \u003Cstrong>掌握高级技能\u003C\u002Fstrong> 一步步实现上下文工程（Context Engineering）、Memory（记忆）、协议、评估等系统性技术\n- 🤝 \u003Cstrong>模型训练\u003C\u002Fstrong> 掌握 Agentic RL（智能体强化学习），从 SFT（监督微调，Supervised Fine-Tuning）到 GRPO 的全流程实战训练 LLM\n- 🚀 \u003Cstrong>驱动真实案例\u003C\u002Fstrong> 实战开发智能旅行助手、赛博小镇等综合项目\n- 📖 \u003Cstrong>求职面试\u003C\u002Fstrong> 学习智能体求职相关面试问题\n\n## 📖 内容导航\n\n| 章节                                                                                        | 关键内容                                      | 状态 |\n| ------------------------------------------------------------------------------------------- | --------------------------------------------- | ---- |\n| [前言](.\u002Fdocs\u002F前言.md)                                                                      | 项目的缘起、背景及读者建议                    | ✅    |\n| \u003Cstrong>第一部分：智能体与语言模型基础\u003C\u002Fstrong>                                             |                                               |      |\n| [第一章 初识智能体](.\u002Fdocs\u002Fchapter1\u002F第一章%20初识智能体.md)                                 | 智能体定义、类型、范式与应用                  | ✅    |\n| [第二章 智能体发展史](.\u002Fdocs\u002Fchapter2\u002F第二章%20智能体发展史.md)                             | 从符号主义到 LLM 驱动的智能体演进             | ✅    |\n| [第三章 大语言模型基础](.\u002Fdocs\u002Fchapter3\u002F第三章%20大语言模型基础.md)                         | Transformer、提示（Prompting）、主流 LLM 及其局限 | ✅    |\n| \u003Cstrong>第二部分：构建你的大语言模型智能体\u003C\u002Fstrong>                                         |                                               |      |\n| [第四章 智能体经典范式构建](.\u002Fdocs\u002Fchapter4\u002F第四章%20智能体经典范式构建.md)                 | 手把手实现 ReAct、Plan-and-Solve、Reflection  | ✅    |\n| [第五章 基于低代码平台的智能体搭建](.\u002Fdocs\u002Fchapter5\u002F第五章%20基于低代码平台的智能体搭建.md) | 了解 Coze、Dify、n8n 等低代码智能体平台使用   | ✅    |\n| [第六章 框架开发实践](.\u002Fdocs\u002Fchapter6\u002F第六章%20框架开发实践.md)                             | AutoGen、AgentScope、LangGraph 等主流框架应用 | ✅    |\n| [第七章 构建你的Agent框架](.\u002Fdocs\u002Fchapter7\u002F第七章%20构建你的Agent框架.md)                   | 从 0 开始构建智能体框架                       | ✅    |\n| \u003Cstrong>第三部分：高级知识扩展\u003C\u002Fstrong>                                                     |                                               |      |\n| [第八章 记忆与检索](.\u002Fdocs\u002Fchapter8\u002F第八章%20记忆与检索.md)                                 | 记忆系统，RAG（检索增强生成，Retrieval-Augmented Generation），存储 | ✅    |\n| [第九章 上下文工程](.\u002Fdocs\u002Fchapter9\u002F第九章%20上下文工程.md)                                 | 持续交互的“情境理解”                          | ✅    |\n| [第十章 智能体通信协议](.\u002Fdocs\u002Fchapter10\u002F第十章%20智能体通信协议.md)                        | MCP、A2A、ANP 等协议解析                      | ✅    |\n| [第十一章 Agentic-RL](.\u002Fdocs\u002Fchapter11\u002F第十一章%20Agentic-RL.md)                            | 从 SFT 到 GRPO 的 LLM 训练实战                | ✅    |\n| [第十二章 智能体性能评估](.\u002Fdocs\u002Fchapter12\u002F第十二章%20智能体性能评估.md)                    | 核心指标、基准测试与评估框架                  | ✅    |\n| \u003Cstrong>第四部分：综合案例进阶\u003C\u002Fstrong>                                                     |                                               |      |\n| [第十三章 智能旅行助手](.\u002Fdocs\u002Fchapter13\u002F第十三章%20智能旅行助手.md)                        | MCP 与多智能体协作的真实世界应用              | ✅    |\n| [第十四章 自动化深度研究智能体](.\u002Fdocs\u002Fchapter14\u002F第十四章%20自动化深度研究智能体.md)        | DeepResearch Agent 复现与解析                 | ✅    |\n| [第十五章 构建赛博小镇](.\u002Fdocs\u002Fchapter15\u002F第十五章%20构建赛博小镇.md)                        | Agent 与游戏的结合，模拟社会动态              | ✅    |\n| \u003Cstrong>第五部分：毕业设计及未来展望\u003C\u002Fstrong>                                               |                                               |      |\n| [第十六章 毕业设计](.\u002Fdocs\u002Fchapter16\u002F第十六章%20毕业设计.md)                                | 构建属于你的完整多智能体应用                  | ✅    |\n\n### 社区贡献精选 (Community Blog)\n\n  欢迎大家将在学习 Hello-Agents 或 Agent（智能体）相关技术中的独到见解、实践总结，以 PR 的形式贡献到社区精选。如果是独立于正文的内容，也可以投稿至 Extra-Chapter！\u003Cstrong>期待你的第一次贡献！\u003C\u002Fstrong>\n\n| 社区精选                                                                                                                                      | 内容总结                  |\n| --------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------- |\n| [00-共创毕业设计](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FCo-creation-projects)                                             | 社区共创毕业设计项目      |\n| [01-Agent面试题总结](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra01-面试问题总结.md)                          | Agent 岗位相关面试问题    |\n| [01-Agent面试题答案](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra01-参考答案.md)                              | 相关面试问题答案          |\n| [02-上下文工程内容补充](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra02-上下文工程补充知识.md)                 | 上下文工程（Context Engineering）内容扩展        |\n| [03-Dify智能体创建保姆级教程](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra03-Dify智能体创建保姆级操作流程.md) | Dify智能体创建保姆级教程  |\n| [04-Hello-agents课程常见问题](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra04-DatawhaleFAQ.md)                 | Datawhale课程常见问题     |\n| [05-Agent Skills与MCP对比解读](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra05-AgentSkills解读.md)             | Agent Skills 与 MCP（Model Context Protocol）技术对比 |\n| [06-GUI Agent科普与实战](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra06-GUIAgent科普与实战.md)                | GUI Agent（图形用户界面智能体）科普与多场景实战 |\n| [07-环境配置](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra07-环境配置.md)                | 环境配置 |\n| [08-如何写出好的Skill](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra08-如何写出好的Skill.md) | Skill（技能模块）写作最佳实践 |\n| [09-Agent应用开发实践踩坑与经验分享](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fblob\u002Fmain\u002FExtra-Chapter\u002FExtra09-Agent应用开发实践踩坑与经验分享.md) | Code Agent 应用开发踩坑与经验总结 |\n\n### PDF 版本下载\n\n  *\u003Cstrong>本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～\u003C\u002Fstrong>*\n\n> *Hello-Agents PDF : https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Freleases\u002Ftag\u002FV1.0.0*  \n> *Hello-Agents PDF 国内下载地址 : https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F239* \n\n## 💡 如何学习\n\n  欢迎你，未来的智能系统构建者！在开启这段激动人心的旅程之前，请允许我们给你一些清晰的指引。\n\n  本项目内容兼顾理论与实战，旨在帮助你系统性地掌握从单个智能体（Agent）到多智能体系统的设计与开发全流程。因此，尤其适合有一定编程基础的 \u003Cstrong>AI 开发者、软件工程师、在校学生\u003C\u002Fstrong> 以及对前沿 AI 技术抱有浓厚兴趣的 \u003Cstrong>自学者\u003C\u002Fstrong>。在学习本项目之前，我们希望你具备基础的 Python 编程能力，并对大语言模型（LLM, Large Language Model）有基本的概念性了解（例如，知道如何通过 API 调用一个 LLM）。项目的重点是应用与构建，因此你无需具备深厚的算法或模型训练背景。\n\n  项目分为五大部分，每一部分都是通往下一阶段的坚实阶梯：\n\n- \u003Cstrong>第一部分：智能体与语言模型基础\u003C\u002Fstrong>（第一章～第三章），我们将从智能体的定义、类型与发展历史讲起，为你梳理\"智能体\"这一概念的来龙去脉。随后，我们会快速巩固大语言模型的核心知识，为你的实践之旅打下坚实的理论地基。\n\n- \u003Cstrong>第二部分：构建你的大语言模型智能体\u003C\u002Fstrong>（第四章～第七章），这是你动手实践的起点。你将亲手实现 ReAct 等经典范式，体验 Coze 等低代码平台的便捷，并掌握 Langgraph 等主流框架的应用。最终，我们还会带你从零开始构建一个属于自己的智能体框架，让你兼具“用轮子”与“造轮子”的能力。\n\n- \u003Cstrong>第三部分：高级知识扩展\u003C\u002Fstrong>（第八章～第十二章），在这一部分，你的智能体将“学会”思考与协作。我们将使用第二部分的自研框架，深入探索记忆与检索、上下文工程、Agent 训练等核心技术，并学习多智能体间的通信协议。最终，你将掌握评估智能体系统性能的专业方法。\n\n- \u003Cstrong>第四部分：综合案例进阶\u003C\u002Fstrong>（第十三章～第十五章），这里是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、自动化深度研究智能体，乃至一个模拟社会动态的赛博小镇，在真实有趣的项目中淬炼你的构建能力。\n\n- \u003Cstrong>第五部分：毕业设计及未来展望\u003C\u002Fstrong>（第十六章），在旅程的终点，你将迎来一个毕业设计，构建一个完整的、属于你自己的多智能体应用，全面检验你的学习成果。我们还将与你一同展望智能体的未来，探索激动人心的前沿方向。\n\n\n  智能体是一个飞速发展且极度依赖实践的领域。为了获得最佳的学习效果，我们在项目的`code`文件夹内提供了配套的全部代码，强烈建议你\u003Cstrong>将理论与实践相结合\u003C\u002Fstrong>。请务必亲手运行、调试甚至修改项目里提供的每一份代码。欢迎你随时关注 Datawhale 以及其他 Agent 相关社区，当遇到问题时，你可以随时在本项目的 issue 区提问。\n\n  现在，准备好进入智能体的奇妙世界了吗？让我们即刻启程！\n\n## 下一步规划\n\n- 视频课程陆续放出（将会更加细致，实践课带领大家从设计思路到实施，授人以鱼也授人以渔）\n- HelloAgents框架已经更新V1.0.0版本，将会继续完善，增加更多好用，轻量化的工具和特性，兼容学习版本。\n- 感谢大家助力3W Star! 之后将会提供调查问卷，供大家填写自己需要学习的智能体训练内容。后续作品《从零开始训练智能体》，帮助每一个学习者掌握从零到一训练自定义场景智能体模型的能力。\n\n## 🤝 如何贡献\n\n我们是一个开放的开源社区，欢迎任何形式的贡献！\n\n- 🐛 \u003Cstrong>报告 Bug\u003C\u002Fstrong> - 发现内容或代码问题，请提交 Issue\n- 💡 \u003Cstrong>提出建议\u003C\u002Fstrong> - 对项目有好想法，欢迎发起讨论\n- 📝 \u003Cstrong>完善内容\u003C\u002Fstrong> - 帮助改进教程，提交你的 Pull Request\n- ✍️ \u003Cstrong>分享实践\u003C\u002Fstrong> - 在\"社区贡献精选\"中分享你的学习笔记和项目\n\n## 🙏 致谢\n\n### 核心贡献者\n- [陈思州-项目负责人](https:\u002F\u002Fgithub.com\u002Fjjyaoao) (Datawhale 成员, 全文写作和校对)\n- [孙韬-联合发起者](https:\u002F\u002Fgithub.com\u002Ffengju0213) (Datawhale 成员、CAMEL-AI, 第九章内容和校对)  \n- [姜舒凡-联合发起者](https:\u002F\u002Fgithub.com\u002FTsumugii24)（Datawhale 成员, 章节习题设计和校对）\n- [黄佩林-Datawhale意向成员](https:\u002F\u002Fgithub.com\u002FHeteroCat) (Agent 开发工程师, 第五章内容贡献者)\n- [曾鑫民-Agent工程师](https:\u002F\u002Fgithub.com\u002Ffancyboi999) (牛客科技, 第十四章案例开发)\n- [朱信忠-指导专家](https:\u002F\u002Fxinzhongzhu.github.io\u002F) (Datawhale首席科学家-浙江师范大学杭州人工智能研究院教授)\n### Extra-Chapter 贡献者\n- [WH](https:\u002F\u002Fgithub.com\u002FWHQAQ11) (内容贡献者)\n- [周奥杰-DW贡献者团队](https:\u002F\u002Fgithub.com\u002Fthunderbolt-fire) (西安交通大学, Extra02 内容贡献)\n- [张宸旭-个人开发者](https:\u002F\u002Fgithub.com\u002FTasselszcx)(帝国理工学院, Extra03 内容贡献)\n- [黄宏晗-DW贡献者团队](https:\u002F\u002Fgithub.com\u002FXiaoMa-PM) (深圳大学, Extra04 内容贡献)\n- [王大鹏-Datawhale成员](https:\u002F\u002Fgithub.com\u002Fditingdapeng) (高级研发工程师, Extra08 内容贡献)\n- [尤逸晖-个人开发者](https:\u002F\u002Fgithub.com\u002FYYHDBL) (南京信息工程大学, Extra09 内容贡献)\n\n### 特别感谢\n- 感谢 [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les) 对本项目的帮助与支持\n- 感谢所有为本项目做出贡献的开发者们 ❤️\n\n\u003Cdiv align=center style=\"margin-top: 30px;\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FHello-Agents\u002Fgraphs\u002Fcontributors\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_bc282ac246f0.png\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## Star History\n\n\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_b7f4c473009f.png\" alt=\"Datawhale\" width=\"90%\">\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n  \u003Cp>⭐ 如果这个项目对你有帮助，请给我们一个 Star！\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 读者交流群\n\n\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_948a34092f7d.png\" alt=\"读者群二维码\" width=\"30%\">\n    \u003Cp>扫描二维码加入读者交流群，与更多学习者交流讨论\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 关于 Datawhale\n\n\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_readme_086a2253ad65.png\" alt=\"Datawhale\" width=\"30%\">\n    \u003Cp>扫描二维码关注 Datawhale 公众号，获取更多优质开源内容\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n---\n\n## 📜 开源协议\n\n本作品采用[知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议](http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F)进行许可。","# Hello-Agents 快速上手指南\n\n## 环境准备\n\n- **操作系统**：Linux \u002F macOS \u002F Windows（推荐使用 Linux 或 macOS）\n- **Python 版本**：>= 3.9\n- **网络要求**：需能访问 OpenAI API（或兼容的国产大模型 API）\n- **可选加速**：国内用户建议配置镜像源以加速依赖安装\n\n```bash\n# 推荐设置 pip 国内镜像（如清华源）\npip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 安装步骤\n\n1. 克隆项目代码：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents.git\ncd hello-agents\n```\n\n2. 创建并激活虚拟环境（推荐）：\n\n```bash\npython -m venv venv\nsource venv\u002Fbin\u002Factivate  # Linux\u002FmacOS\n# 或 venv\\Scripts\\activate  # Windows\n```\n\n3. 安装依赖：\n\n```bash\npip install -r requirements.txt\n```\n\n4. 配置 API 密钥（以 OpenAI 为例）：\n\n```bash\nexport OPENAI_API_KEY=\"your-api-key\"\n# 或在 Windows 中使用：\n# set OPENAI_API_KEY=your-api-key\n```\n\n> 💡 提示：你也可以使用兼容 OpenAI 协议的国产模型 API（如 DeepSeek、Moonshot、Qwen 等），只需替换 base_url 和 API key。\n\n## 基本使用\n\n以下是一个使用自研 `HelloAgents` 框架构建简单智能体的示例：\n\n```python\nfrom helloagents.agent import Agent\n\n# 创建一个基础智能体\nagent = Agent(\n    name=\"助手\",\n    system_prompt=\"你是一个乐于助人的 AI 助手。\",\n    model=\"gpt-4o\"  # 可替换为其他支持的模型\n)\n\n# 与智能体对话\nresponse = agent.chat(\"你好！你能做什么？\")\nprint(response)\n```\n\n> 📌 所有配套代码位于项目根目录的 `code\u002F` 文件夹中，建议结合教程章节同步运行对应示例。\n\n更多实战案例（如多智能体协作、旅行助手、赛博小镇等）请参考 [在线教程](https:\u002F\u002Fhello-agents.datawhale.cc) 或本地 `docs\u002F` 目录。","某高校人工智能实验室的研究生小李，正在参与一个基于大语言模型的多智能体科研项目，需要从零设计并实现一个能协作完成复杂任务的AI系统。\n\n### 没有 hello-agents 时\n- 对“智能体”概念模糊，仅会调用现成API，不清楚ReAct、Reflection等核心范式如何落地  \n- 面对AutoGen、LangGraph等框架文档繁杂，缺乏系统引导，试错成本高、进展缓慢  \n- 想自研轻量级Agent框架却无从下手，不清楚Memory管理、工具调用、通信协议等模块如何设计  \n- 团队成员对Agent理解不一致，开发风格混乱，难以协同构建统一架构  \n\n### 使用 hello-agents 后\n- 通过第一章到第四章快速掌握智能体核心原理，并动手复现经典范式，夯实理论基础  \n- 借助第五、六章对比学习主流低代码平台与开源框架，精准选择适合项目的工具链  \n- 按照第七章“从零构建Agent框架”的实战指引，基于OpenAI原生API搭建出可扩展的自研框架  \n- 团队统一采用教程中的架构思想和术语体系，协作效率显著提升，两周内完成原型验证  \n\nhello-agents 让开发者从“调用模型”跃迁为“构建智能体系统”，真正实现AI Native应用的自主可控开发。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_hello-agents_cb478fc0.png","datawhalechina","Datawhale","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdatawhalechina_f57a6118.png","for the learner，和学习者一起成长",null,"https:\u002F\u002Fdatawhale.cn","https:\u002F\u002Fgithub.com\u002Fdatawhalechina",[83,87,91,95,99,103,107,111,115],{"name":84,"color":85,"percentage":86},"Python","#3572A5",75.4,{"name":88,"color":89,"percentage":90},"Jupyter Notebook","#DA5B0B",10.4,{"name":92,"color":93,"percentage":94},"Vue","#41b883",7.2,{"name":96,"color":97,"percentage":98},"HTML","#e34c26",3.7,{"name":100,"color":101,"percentage":102},"JavaScript","#f1e05a",1.2,{"name":104,"color":105,"percentage":106},"GDScript","#355570",0.8,{"name":108,"color":109,"percentage":110},"TypeScript","#3178c6",0.7,{"name":112,"color":113,"percentage":114},"CSS","#663399",0.6,{"name":116,"color":117,"percentage":118},"Dockerfile","#384d54",0.1,33754,3886,"2026-04-05T23:12:37","NOASSERTION","Linux, macOS, Windows","未说明",{"notes":126,"python":124,"dependencies":127},"项目主要为教程性质，包含代码示例和实践内容。部分章节涉及使用 OpenAI API 和本地运行开源大模型，实际环境需求取决于具体案例。建议具备基础 Python 编程能力，并对大语言模型有基本了解。详细环境配置可参考 Extra-Chapter 中的《环境配置》文档（Extra07-环境配置.md）。",[],[26,15,13],[130,131,132,133],"agent","tutorial","llm","rag",64,"2026-03-27T02:49:30.150509","2026-04-06T08:44:22.497095",[138,143,148,153,158,163],{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},788,"Chapter8.1.4 中配置了 Qdrant 云服务，但程序仍连接本地 Qdrant，如何解决？","问题通常由 .env 文件位置或代码导入顺序导致。请确保 .env 文件位于项目根目录（cd ~），并且在 semantic.py 中将 from ...core.database_config import get_database_config 的导入语句移到 SemanticMemory 类的 _init_databases 方法内部。此外，可手动在 qdrant_store.py 初始化时显式设置 url 和 api_key：if not self.url: self.url = os.getenv(\"QDRANT_URL\")；if not self.api_key: self.api_key = os.getenv(\"QDRANT_API_KEY\")。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fissues\u002F100",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},789,"Chapter13 旅行 Agent 在生成行程计划时调用大模型超时，怎么办？","可尝试更换模型（如从 qwen3-max 或 kimik2 换为其他支持的模型），或缩短提示词长度以减少请求负载。部分用户反馈使用豆包等模型时也出现类似问题，调整输入内容复杂度有助于避免超时重试。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fissues\u002F72",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},790,"Chapter13 运行时报错找不到 amap_maps_weather、amap_maps_text_search 等工具，如何修复？","需修改 hello_agents\u002Ftools\u002Fregistry.py 文件中的 register_tools 函数。将原判断条件 if auto_expand and hasattr(tool, 'expandable') and tool.expandable: 改为 if auto_expand and hasattr(tool, 'expandable') and len(tool._available_tools) > 1:。修改后，AMap 工具能正确展开为多个子工具（如天气、搜索等）。注意应在当前激活的虚拟环境路径下修改该文件，例如 D:\\...\\site-packages\\hello_agents\\tools\\registry.py。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fissues\u002F340",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},791,"Chapter8.1.4 中 Neo4j 服务连接失败，报错“Unable to retrieve routing information”或“远程主机强迫关闭连接”，如何解决？","可尝试以下方法：1）将 .env 中的 Neo4j URL 从 neo4j+s:\u002F\u002F 改为 neo4j+ssc:\u002F\u002F；2）在 neo4j 驱动初始化时设置 encrypted=False，具体可修改 driver.py 第 134 行为 encrypted: bool = False；3）若使用云服务，建议删除原有实例后重建一个名为 neo4j 的新实例。同时确保网络通畅且防火墙未阻止连接。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fissues\u002F201",{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},792,"安装 hello-agents[all]==0.2.0 后，qdrant-client 版本过高导致 API 弃用错误，如何处理？","由于新版 qdrant-client 不兼容旧版 HelloAgents 的 search() 调用，建议手动修改源码：在初始化 QdrantClient 时显式传入从环境变量获取的 URL 和 API Key（self.url = os.getenv(\"QDRANT_URL\")，self.api_key = os.getenv(\"QDRANT_API_KEY\")）。若降级 qdrant-client 引发依赖冲突，优先通过源码适配而非降级。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\u002Fissues\u002F262",{"id":164,"question_zh":165,"answer_zh":166,"source_url":162},793,"Chapter8.1.4 中即使配置了 Neo4j 云服务，程序仍默认连接本地 Neo4j，怎么办？","这通常是因为 os.getenv() 未能正确加载 .env 中的配置。临时解决方案是在 Neo4jConfig 的 from_env() 方法中直接硬编码云服务的 URI、用户名和密码。更稳妥的做法是确认 .env 文件位于正确路径，并在调用前显式执行 load_dotenv()，同时检查环境变量名称是否与代码中一致（如 NEO4J_URI、NEO4J_USER 等）。",[168,173],{"id":169,"version":170,"summary_zh":171,"released_at":172},110014,"V1.0.2","\r\n基于2026年2月10日为止的 Hello-Agents 全新PDF发布！\r\n\r\n> 修复了在项目发布后的三个月内所有的页面显示问题、事实错误问题、代码报错问题等等...\r\n\r\n本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～\r\n\r\nThis Hello-Agents PDF tutorial is completely open source and free. To prevent various marketing accounts from adding watermarks and reselling it to beginners of multi-agent systems, we have specially added a Datawhale open-source watermark to the PDF file without affecting readability. Thank you for your understanding.\r\n\r\n在线阅读地址：https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-agents\r\nHello-agents：https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\r\nDatawhale ：https:\u002F\u002Fwww.datawhale.cn\u002Fhome\r\nHello-agents PDF 国内下载地址 : https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F239","2026-02-10T08:51:26",{"id":174,"version":175,"summary_zh":176,"released_at":177},110015,"V1.0.0","_**本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～**_\r\n\r\n**_This Hello-Agents PDF tutorial is completely open source and free. To prevent various marketing accounts from adding watermarks and reselling it to beginners of multi-agent systems, we have specially added a Datawhale open-source watermark to the PDF file without affecting readability. Thank you for your understanding._**\r\n\r\n> 在线阅读地址：https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-agents\r\nHello-agents：https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents\r\nDatawhale ：https:\u002F\u002Fwww.datawhale.cn\u002Fhome\r\nHello-agents PDF 国内下载地址 : https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F239","2025-11-03T13:14:51"]