这个仓库用来记录 AI Agent 方向值得持续学习的课程、教程、框架和实战项目。 当前整理日期:2026-06-04
- 先建立 Agent 基础概念:工具调用、规划、记忆、RAG、多 Agent、评估。
- 再跟一门系统课程跑完代码,避免只看概念。
- 之后选择一个主框架深入,例如 LangGraph 或 OpenAI Agents SDK。
- 最后用一个真实小项目串起来:带工具调用、状态管理、日志追踪和失败处理。
- GitHub: https://github.com/microsoft/ai-agents-for-beginners
- 适合阶段:入门到进阶
- 关键词:Agent 基础、Agentic RAG、多 Agent、MCP/A2A、记忆、生产化
- 推荐理由:结构完整,课程化程度高,适合建立 AI Agent 的全局地图;也有中文内容,适合作为第一站。
- GitHub: https://github.com/huggingface/agents-course
- 适合阶段:入门后的实践
- 关键词:smolagents、LangGraph、LlamaIndex、Agentic RAG、评估、最终项目
- 推荐理由:偏实战,覆盖多个生态工具,适合理解不同 Agent 框架的设计取舍。
- GitHub: https://github.com/langchain-ai/langchain-academy
- 适合阶段:进阶
- 关键词:LangGraph、状态机、可控工作流、多步骤任务、部署
- 推荐理由:LangGraph 很适合构建可调试、可生产化的 Agent 工作流,值得系统学习。
- GitHub: https://github.com/openai/openai-agents-python
- 适合阶段:项目实践
- 关键词:Agents、Tools、Handoffs、Guardrails、Tracing、Sessions
- 推荐理由:框架轻量,适合快速做多 Agent 工作流和真实应用原型。
- GitHub: https://github.com/pguso/ai-agents-from-scratch
- 适合阶段:理解底层原理
- 关键词:Function calling、Memory、ReAct、从零实现
- 推荐理由:不用先依赖复杂框架,能帮助理解 Agent 背后的核心机制。
- GitHub: https://github.com/kyrolabs/awesome-agents
- 用途:查找 Agent 相关框架、工具、产品和资料。
- 注意:适合作为索引,不建议作为第一门学习材料。
- GitHub: https://github.com/langchain-ai/langgraph
- 用途:查看 LangGraph 文档、示例、源码和生态更新。
- GitHub: https://github.com/microsoft/autogen
- 说明:AutoGen 曾经很热门,但仓库说明中提到它已进入 maintenance mode。新学习者更适合优先看 Microsoft Agent Framework 或其他仍在活跃发展的 Agent 学习资料。
- 学完 Microsoft AI Agents for Beginners 的基础章节
- 理解 tool calling、planning、memory、RAG 的区别
- 跑通至少一个最小 Agent 示例
- 跑 Hugging Face Agents Course 的核心 notebooks
- 对比 smolagents、LangGraph、LlamaIndex 的使用体验
- 记录一个自己觉得最清晰的 Agent 架构图
- 学完 LangChain Academy 的 LangGraph 基础模块
- 做一个包含状态、条件分支和工具调用的小工作流
- 加入日志或 tracing,观察 Agent 每一步在做什么
- 用 OpenAI Agents SDK 或 LangGraph 做一个小项目
- 至少包含 2 个工具调用
- 至少包含失败重试或人工确认
- 写一篇复盘:Agent 有哪些地方可靠,哪些地方不可靠
- Agent 框架对比
- 中文教程
- 论文阅读路线
- 可复现项目
- 面试题与工程实践
- MCP / A2A / Agent Protocol 相关资料