agents-from-scratch
agents-from-scratch 是一个旨在揭开 AI 智能体神秘面纱的开源教学项目。它摒弃了复杂的框架、云端 API 依赖以及所谓的“黑盒”推理逻辑，引导开发者仅凭本地大语言模型，从零开始一步步构建一个完整的智能体。
当前许多开发者在面对智能体开发时，往往被 LangChain 等高级封装工具劝退，或因不理解底层原理而感到困惑。agents-from-scratch 正是为了解决这一痛点而生。它将智能体还原为本质——即循环、状态与约束的组合，通过 12 个循序渐进的课程，详细演示如何实现结构化输出、决策路由、工具调用、记忆管理、规划能力乃至评估测试等核心功能。
该项目特别适合有一定编程基础但想深入理解智能体机制的开发者、希望摆脱“魔法式”调用的工程师，以及寻找清晰教学模型的 educators。其独特的技术亮点在于“本地优先”和“完全透明”：所有代码均可在本地运行，没有任何隐藏逻辑，让用户能机械式地拆解并掌握每一个环节。如果你厌倦了现成的 SaaS 套件，渴望真正搞懂智能体是如何“思考”与行动的，agents-from-scratch 将是你理想的入门指南。
使用场景
某初创团队希望为内部运维系统构建一个能自动执行数据库备份和日志清理的本地 AI 助手，且严格要求数据不出内网。
没有 agents-from-scratch 时
- 黑盒依赖严重：直接套用 LangChain 等框架，遇到复杂任务调度失败时，因无法看透底层“隐藏逻辑”，调试如同盲人摸象。
- 云端隐私风险：主流方案默认绑定云端 API，导致敏感的运维指令和日志数据必须上传，违反公司数据安全红线。
- 认知门槛过高：团队成员误以为 Agent 具有“自主思考”能力，花费大量时间调整玄学的提示词，却不懂其本质只是循环与状态约束。
- 过度工程化：仅需简单的“观察 - 决策 - 执行”闭环，却被迫引入庞大的依赖库和复杂的微服务架构，维护成本极高。
使用 agents-from-scratch 后
- 逻辑完全透明：通过 12 节渐进式课程亲手构建，开发者清晰掌握从 JSON 结构化输出到原子化动作执行的每一行代码，故障定位精准高效。
- 纯本地化部署：基于本地 LLM（如 GGUF 模型）运行，无需任何云端连接，确保所有运维操作和数据均在局域网内闭环处理。
- 回归机械本质：团队建立起"Agent 即循环 + 状态”的正确心智模型，不再迷信魔法，而是通过设计严谨的路由逻辑和内存机制解决问题。
- 轻量灵活架构：摒弃臃肿框架，仅用少量 Python 代码即可实现包含短期记忆、规划能力及遥测监控的完整 Agent，启动快且易于集成。
agents-from-scratch 让开发者剥离了 AI 代理的神秘外衣，用透明、可控且本地的方式，将复杂的自动化任务还原为可信赖的代码逻辑。
运行环境要求
- 未说明
未说明 (项目设计为本地优先，支持在 CPU 上运行本地 LLM，具体取决于所选 GGUF 模型的后端实现)
未说明 (取决于运行的本地大语言模型大小)
快速开始
从零开始构建AI智能体
一份温和且以本地优先的AI智能体入门指南。
本仓库通过逐步构建一个单一智能体，仅依赖一次本地大模型调用，来教授AI智能体的实际运作方式。
不使用任何框架。不使用云端API。没有隐藏的推理过程。没有魔法。
相关项目
从零开始构建AI产品
借助本地大模型学习AI产品开发的基础知识。通过10个包含可视化图表的全面课程，涵盖提示工程、结构化输出、多步推理、API设计以及前端集成等内容。
用JavaScript从零开始构建AI智能体
哲学理念
智能体并非人格化的存在。它们是循环、状态与约束的集合。
如果某件事让你觉得像魔法，请打开文件——这个仓库中没有任何隐藏的逻辑。
你将学到什么
本仓库将在12个课程中逐步构建一个不断演进的智能体：
| 课程 | 新增功能 | 链接 |
|---|---|---|
| 01 | 文本输入 / 文本输出 | lessons/01_basic_llm_chat.md |
| 02 | 角色与行为（系统提示） | lessons/02_system_prompt.md |
| 03 | 结构化输出（JSON契约） | lessons/03_structured_output.md |
| 04 | 决策（路由逻辑） | lessons/04_decision_making.md |
| 05 | 工具（外部能力） | lessons/05_tools.md |
| 06 | 智能体循环（观察 → 决策 → 行动） | lessons/06_agent_loop.md |
| 07 | 记忆（短期与长期） | lessons/07_memory.md |
| 08 | 计划（作为数据而非思维） | lessons/08_planning.md |
| 09 | 原子级动作（安全执行） | lessons/09_atomic_actions.md |
| 10 | AoT - 思维原子（依赖图） | lessons/10_atom_of_thought.md |
| 11 | 评估（回归测试） | lessons/11_evals.md |
| 12 | 遥测（运行时可观性） | lessons/12_telemetry.md |
适合人群
本仓库适合：
- 能够编写代码但对智能体感到困惑的开发者
- 对“只需使用LangChain”感到厌倦的人
- 希望使用本地模型的学习者
- 渴望深入理解其工作原理的工程师
- 寻求清晰概念模型的教育工作者
本仓库不适合：
- 寻求最快演示的人
- 希望获得SaaS入门套件的人
- 相信智能体“会思考”的人
- 希望看到隐藏思维链的人
快速入门
有关详细设置说明，请参阅QUICKSTART.md
简而言之：
- 安装依赖：
pip install -r requirements.txt - 将GGUF模型下载到
models/文件夹 - 运行：
python complete_example.py
注意： complete_example.py文件包含了演示所有12个课程的可执行代码示例。你可以将其作为参考，了解所有概念如何协同工作。
仓库结构
ai-agents-from-scratch/
├─ README.md # 你当前所在
├─ philosophy.md # 为什么存在这个仓库
├─ QUICKSTART.md # 详细的设置指南
├─ complete_example.py # 演示全部12个课程的内容
├─ requirements.txt # Python依赖项
│
├─ models/ # 在这里放置GGUF模型
├─ shared/ # 可重用工具（LLM、提示词、实用工具）
├─ agent/ # 不断演进的智能体实现
│ ├─ agent.py # 主要的智能体类
│ ├─ memory.py # 记忆系统
│ ├─ planner.py # 计划与原子级动作
│ ├─ state.py # 智能体状态管理
│ ├─ tools.py # 工具定义
│ ├─ evals.py # 评估框架（第11课）
│ └─ telemetry.py # 遥测系统（第12课）
├─ evals/ # 用于测试的黄金数据集
│ └─ golden_datasets.py # 已知无误的测试案例
└─ lessons/ # 分步骤讲解（01-12）
关键文件说明
agent/agent.py - 仓库的核心
- 包含贯穿所有12个课程不断演化的
Agent类 - 每个课程都会为同一个类添加新的方法和功能
- 这是你在学习过程中研究和修改的主要文件
complete_example.py - 学习参考
- 包含12个独立函数，每个函数对应一个课程
- 每个函数单独演示该课程的概念
- 在将各课程整合之前，可以先用它来了解各个课程的工作原理
- 运行：
python complete_example.py
agent/evals.py - 回归测试（第11课）
- 使用已知无误的案例测试你的智能体
- 在部署前捕捉提示词退化问题
agent/telemetry.py - 运行时可观性（第12课）
- 结构化日志用于调试
- 跟踪延迟、成功率和追踪信息
关系：
agent/agent.py= 你正在学习的代码（实现部分）complete_example.py= 各个课程的独立示例（用于学习和实验）
本仓库不是什么
- 这不是框架
- 这不是聊天机器人演示
- 这不声称模型会思考
- 这不暴露思维链
- 这不需要OpenAI或云端API
核心原则
- 一个智能体，多个阶段 - 同一个
agent.py文件会随着课程的推进而不断扩展 - 显式优于隐式 - 没有隐藏的逻辑，没有神奇的抽象
- 结构优于提示 - 可靠性来自约束条件，而非巧妙的措辞
- 本地优先 - 无需API密钥，无速率限制，无云端依赖
- 教育性质，非生产用途 - 本仓库教授基础知识，而非最佳实践
学习路径
每个课程都建立在前一个课程的基础上。请勿跳过课程顺序。
课程设计旨在逐步建立理解：
- 第1-3课：基础（大模型基础知识）
- 第4-6课：代理能力（决策、工具、循环）
- 第7-10课：智能（记忆、规划、执行）
- 第11-12课：可观性（评估、遥测）
贡献
这是一个教育性质的仓库。贡献应：
- 维持温和且循序渐进的学习风格
- 保持代码的可读性，而非追求花哨
- 添加解释，而非仅仅增加功能
- 坚持“不使用框架”的理念
许可证
MIT许可证 - 详见LICENSE文件
致谢
本仓库汇集了现代智能体开发中的最佳实践，同时刻意避免了会妨碍理解的复杂性。
如果您觉得本项目有用，请为仓库点个赞，并分享给其他正在学习人工智能智能体的人。
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。
NextChat
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。 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。 NextChat 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。
ML-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。 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。