hello-agents （从零开始构建智能体）
86,746
Stars
0
Forks
0
Watchers
0
Open Issues
未知
许可证
Python
语言
创建时间
最近更新
项目能做什么
《从零开始构建智能体》教程，涵盖智能体原理与实践。
来源：基于仓库元数据
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
{
"project_name": "Hello-Agents",
"project_intro": "Hello-Agents 是 Datawhale 社区发起的系统性智能体（Agent）学习教程。项目旨在带开发者穿透框架表象，从核心原理与经典范式出发，构建真正的 AI 原生（AI Native）智能体系统，帮助开发者从 LLM 的“使用者”蜕变为智能体系统的“构建者”。教程内容完全开源免费，配套有在线阅读文档与实战案例。",
"core_features": [
"原理解析与经典范式：深入讲解智能体核心原理，手把手实现 ReAct、Plan-and-Solve、Reflection 等经典范式",
"低代码与主流框架实战：涵盖 Coze、Dify、n8n 等低代码平台，以及 AutoGen、AgentScope、LangGraph 等主流代码框架的应用",
"从零构建自研框架：基于 OpenAI 原生 API，从零编写属于自己的智能体框架 HelloAgents",
"系统性高阶技术：系统涵盖上下文工程、记忆系统（Memory 与 RAG 检索）、智能体通信协议（MCP、A2A、ANP 等）以及评估基准",
"模型训练实战：掌握 Agentic RL，涵盖从 SFT 到 GRPO 的全流程实战训练",
"综合项目实战驱动：实战开发智能旅行助手（多智能体协作与 MCP）、自动化深度研究智能体（DeepResearch 复现）、赛博小镇（游戏与社会动态模拟）等真实案例",
"求职面试指导：提供智能体求职相关的面试常见问题"
],
"target_users": [
"希望深入理解智能体系统底层原理与架构的 AI 开发者",
"想要从纯 LLM 提示词/API 调用进阶到系统化智能体开发的工程师",
"希望掌握主流 Agent 框架开发、自研 Agent 框架或探索 Agentic RL 模型训练的技术人员",
"准备从事智能体相关方向求职与面试的学习者"
],
"install_steps": [
"在线阅读（推荐）：无需安装，直接访问线上文档学习。\n - 国外访问：https://datawhalechina.github.io/hello-agents/\n - 国内加速：https://hello-agents.datawhale.cc",
"本地阅读/代码克隆：此部分原文未说明具体安装命令与环境依赖，请查看原仓库"
],
"config_desc": "此部分原文未说明，请查看原仓库",
"faq": [
"Q: Hello-Agents 与 Dify、Coze 等工具有什么区别？\nA: Dify、Coze、n8n 属于软件工程类 Agent，本质是流程驱动的软件开发，LLM 仅作为后端；Hello-Agents 更聚焦于真正的“AI Native Agent”，带领开发者深入底层架构与核心代码原理，同时也包含上述低代码平台的使用介绍。"
],
"quick_start_markdown": "## 项目简介\n\nHello-Agents 是由 Datawhale 社区发起的开源系统性智能体学习教程。项目旨在帮助开发者穿透上层框架，深入智能体核心架构，掌握从基础原理、经典范式（ReAct、Plan-and-Solve 等）、主流框架开发到模型训练（Agentic RL）的全流程，成为能够亲手实现多智能体系统的构建者。\n\n## 核心功能\n\n- **智能体基础与演进**：涵盖从符号主义到 LLM 驱动的发展史，以及 Transformer 与主流模型局限性分析。\n- **经典范式手写实现**：手把手实现 ReAct、Plan-and-Solve、Reflection 等运行机制。\n- **双轨实战开发**：涵盖低代码平台（Coze、Dify、n8n）与代码级主流框架（AutoGen、AgentScope、LangGraph）。\n- **自研智能体框架**：基于 OpenAI 原生 API 从零搭建 HelloAgents 框架。\n- **高级扩展体系**：讲解记忆与检索（RAG）、上下文工程、智能体通信协议（MCP、A2A、ANP）与系统评估体系。\n- **模型训练进阶**：讲解 Agentic RL，实现从 SFT 到 GRPO 的训练实战。\n- **综合实战案例**：提供智能旅行助手、自动化深度研究（DeepResearch）、赛博小镇模拟等端到端项目。\n\n## 适合谁用\n\n- 想要从大模型“使用者”进阶为智能体“构建者”的开发者。\n- 需要系统化学习 Multi-Agent、MCP 协议、Agentic RL 的算法与工程人员。\n- 正在准备智能体方向技术面试的求职者。\n\n## 安装步骤\n\n### 1. 在线阅读（推荐）\n无需下载和配置环境，直接访问线上文档：\n- **国内加速**：[https://hello-agents.datawhale.cc](https://hello-agents.datawhale.cc)\n- **国外访问**：[https://datawhalechina.github.io/hello-agents/](https://datawhalechina.github.io/hello-agents/)\n\n### 2. 本地阅读与运行\n此部分原文未说明具体依赖安装及运行步骤，请查看原仓库。\n\n## 配置说明\n\n此部分原文未说明，请查看原仓库。\n\n## 常见问题\n\n- **问：教程与市面上的低代码工作流工具有何定位差异？** \n 答：Dify、Coze 等本质是流程驱动的软件工程应用，LLM 仅作为后端数据处理；Hello-Agents 聚焦于 AI 原生的 Agent 体系，带开发者从底层代码实现核心逻辑与多 Agent 通信。"
}
原始 README 摘录（英文原文，节选前 3000 字符）
<div align="right">
<a href="./README_EN.md">English</a> | 中文
</div>
<div align='center'>
<img src="./docs/images/hello-agents.png" alt="alt text" width="100%">
<h1>Hello-Agents</h1>
<h3>🤖 《从零开始构建智能体》</h3>
<div align="center">
<a href="https://trendshift.io/repositories/15520" target="_blank">
<img src="https://trendshift.io/api/badge/repositories/15520" alt="datawhalechina%2Fhello-agents | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/>
</a>
</div>
<p><em>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</em></p>
<img src="https://img.shields.io/github/stars/datawhalechina/Hello-Agents?style=flat&logo=github" alt="GitHub stars"/>
<img src="https://img.shields.io/github/forks/datawhalechina/Hello-Agents?style=flat&logo=github" alt="GitHub forks"/>
<img src="https://img.shields.io/badge/language-Chinese-brightgreen?style=flat" alt="Language"/>
<a href="https://github.com/datawhalechina/Hello-Agents"><img src="https://img.shields.io/badge/GitHub-Project-blue?style=flat&logo=github" alt="GitHub Project"></a>
<a href="https://datawhalechina.github.io/hello-agents/"><img src="https://img.shields.io/badge/在线阅读-Online%20Reading-green?style=flat&logo=gitbook" alt="Online Reading"></a>
</div>
---
## 🎯 项目介绍
  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。
  Hello-Agents 是 Datawhale 社区的<strong>系统性智能体学习教程</strong>。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"。
## 📚 快速开始
### 在线阅读
**[🌐 国外访问](https://datawhalechina.github.io/hello-agents/)** | **[🚀 国内加速](https://hello-agents.datawhale.cc)** - 无需下载，随时随地学习
### 本地阅读
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。
### ✨ 你将收获什么？
- 📖 <strong>Datawhale 开源免费</strong> 完全免费学习本项目所有内容，与社区共同成长
- 🔍 <strong>理解核心原理</strong> 深入理解智能体的概念、历史与经典范式
- 🏗️ <strong>亲手实现</strong> 掌握热门低代码平台和智能体代码框架的使用
- 🛠️ <strong>自研框架 [HelloAgents](https://github.com/jjyaoao/helloagents)</strong> 基于 Openai 原生 API 从零构建一个自己的智能体框架
- ⚙️ <strong>掌握高级技能</strong> 一步步实现上下文工程、Memory、协议、评估等系统性技术
- 🤝 <strong>模型训练</strong> 掌握 Agentic RL，从 SFT 到 GRPO 的全流程实战训练 LLM
- 🚀 <strong>驱动真实案例</strong> 实战开发智能旅行助手、赛博小镇等综合项目
- 📖 <strong>求职面试</strong> 学习智能体求职相关面试问题
## 📖 内容导航
| 章节 | 关键内容 | 状态 |
| ------------------------------------------------------------------------------------------- | --------------------------------------------- | ---- |
| [前言](./docs/前言.md) | 项目的缘起、背景及读者建议 | ✅ |
| <strong>第一部分：智能体与语言模型基础</strong> |
阅读完整原文
商业机会分析 规则生成（AI 未配置）
综合评分 67.5 分。该项目在“个人可实施性”维度得 60 分，“付费可能性”维度得 64.0 分，差异化空间 52.0 分（评分依据见评分卡）。
将 hello-agents 改造为垂直场景 SaaS
| 产品构想 | 保留核心能力，针对某一类用户（如某行业团队）做托管版，收取月费。 |
| 目标用户 | 有该需求的中小团队 / 独立站长 |
| 难度/周期 | 中 · 2~4 周（MVP） |
| 收费模式 | 订阅制（如 ¥29~99/月） |
| 竞争风险 | 需验证付费意愿；注意许可证合规 |
| 依据 | 数据支持的判断：许可证与关键词显示存在商用与付费场景 |
面向细分需求的二次开发产品
| 产品构想 | 基于 hello-agents 的核心能力，聚焦一个更窄的场景（如某平台、某行业）做差异化。 |
| 目标用户 | 该细分场景用户 |
| 难度/周期 | 中 · 2~6 周 |
| 收费模式 | 买断制 / 订阅制 / 广告 |
| 竞争风险 | 细分需求规模需验证 |
| 依据 | AI 推测：基于项目主题标签的判断 |
封装为在线小工具或 API 服务
| 产品构想 | 把项目最常用的一个功能做成网页小工具，靠流量变现或按量计费。 |
| 目标用户 | 搜索引擎带来的长尾用户 |
| 难度/周期 | 低 · 1~3 周 |
| 收费模式 | 免费引流 + 增值功能 / API 按量计费 |
| 竞争风险 | 同质化竞争，需做好 SEO |
| 依据 | AI 推测：基于技术栈与部署特征的判断 |
以上为规则引擎基于仓库公开数据生成的参考结论，包含推测成分，不构成投资或创业承诺；配置 AI 后可获得更深入的分析。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| morluto/rea | 利用智能体进行全方位逆向工程，支持从应用行为到原生二进制分析。 | 451,100 | TypeScript |
| mattpocock/skills | 面向工程师的实用 Agent 技能集合，直接提取自个人开发目录。 | 321,354 | Shell |
| obra/superpowers | 一套实用的 Agent 技能框架与软件开发方法论。 | 315,938 | Shell |
| affaan-m/ECC | 面向 Claude Code、Cursor 等工具的 Agent 性能优化与能力增强系统。 | 300,972 | JavaScript |
| NousResearch/hermes-agent | 一款能与用户共同成长的 AI 智能体。 | 262,565 | Python |
| anomalyco/opencode | 一款开源的 AI 编程智能体。 | 225,999 | TypeScript |
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 ，最近推送 ，发布过 3 个 Release |
| 社区活跃 | Star 86,746 / Fork 0 / Issue 0（数据支持，可自行核实） |
| 许可证 | 未检测到（需人工确认） |
| 主要风险 | 上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价 |
安装与使用
快速开始（以仓库 README 为准）
git clone https://github.com/datawhalechina/hello-agents.git cd hello-agents # 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。