AI Agent：技术原理与实战详解

核心洞察

市面上 Agent 教程不少，但系统性讲原理又带着你动手的很少。Datawhale 这本《从零开始构建智能体》十六章内容从基础理论一路铺到自研框架和模型训练，GitHub 上已经攒了七万多 Star，这个数字在同类开源教程里很能打。我比较好奇的是它那个自研框架 HelloAgents 到底讲得多深，毕竟"从零构建"这四个字，很多教程都只是说说。

核心结论

1. Hello-Agents 是 Datawhale 社区推出的系统性智能体开源教程，全书共五大部分、十六章，目前全部章节均已完成。

2. 项目在 GitHub 上已获得超过 7 万 Star，内容完全开源免费，提供在线网页阅读和 PDF 下载，并采用 CC BY-NC-SA 4.0 许可协议。

3. 教程包含从零构建自研框架 HelloAgents 的完整内容，基于 OpenAI 原生 API 实现，且该框架已更新至 V1.0.0。

4. 教程覆盖的核心技术包括 ReAct、Plan-and-Solve、Reflection 等经典范式，以及 MCPModel Context Protocol - a protocol that enables AI models to access external tools, data sources, and services to enhance their capabilities and context awareness./A2A 协议、RAGRetrieval-Augmented Generation - an AI framework that combines information retrieval with language generation to produce more accurate and contextually relevant responses.、上下文工程、Agent 评估和 Agentic-RL（从 SFT 到 GRPO一种强化学习算法，用于训练语言模型，从SFT到GRPO的实战训练。 的 LLMLarge Language Model, the underlying technology for generative AI. 训练）等系统性技术。

5. 项目下一阶段规划已明确：将推出配套视频课程，计划于 2026 年 5 月更新智能体最新学习路线，并已预告下一部作品《从零开始训练智能体》。

项目介绍

2024 年是"百模大战"的元年。到了 2025 年，风向变了，技术的焦点从训练更大的基础模型，转向构建更聪明的智能体应用。但市面上系统性强、又偏重实践的教程少得可怜。Datawhale 发起 Hello-Agents 项目，就是想把这块短板补上。

Hello-Agents 是 Datawhale 社区的一套系统性智能体学习教程。现在构建 Agent 大致分两派。一派是 Dify、Coze、n8n 这类软件工程 Agent，走的是流程驱动的软件开发路子，LLM 在里头当数据处理的后端。另一派是 AI 原生的 Agent，真正由 AI 来驱动。这本教程要带大家深入理解和构建的是后者。

教程会穿透框架表象，从智能体的核心原理讲起，拆解核心架构，梳理经典范式，最后带着你亲手搭一个多智能体应用。Datawhale 相信动手是最好的学习方式。希望这本教程能成为你探索智能体世界的起点，让你从大语言模型的"使用者"变成智能体系统的"构建者"。

快速开始

在线阅读

在线阅读有两个入口：国外访问 和 国内加速。不用下载，打开网页就能学。

本地阅读

想在本地看，或者想参与内容贡献，参考项目里的学习指南就行。

你将收获什么

• Datawhale 开源免费：所有内容完全免费，跟着社区一起成长
• 理解核心原理：智能体的概念、历史与经典范式
• 亲手实现：热门低代码平台和智能体代码框架的使用
• 自研框架 HelloAgents：基于 OpenAI 原生 API 从零构建一个自己的智能体框架
• 掌握高级技能：一步步实现上下文工程、Memory、协议、评估等系统性技术
• 模型训练：掌握 Agentic RL，从 SFT 到 GRPO 的全流程实战训练 LLM
• 驱动真实案例：实战开发智能旅行助手、赛博小镇等综合项目
• 求职面试：学习智能体求职相关面试问题

内容导航

整个教程分五大部分、十六章，目前全部完工。每个章节的详细内容可以到项目仓库里翻，目录如下：

社区贡献精选

学习 Hello-Agents 或者 Agent 相关技术的过程中，有什么独到见解、实践总结，欢迎以 PR 的形式投到社区精选。内容独立于正文的话，也可以投到 Extra-Chapter。期待你的第一次贡献。

PDF 版本下载

PDF 版完全开源免费。为了防止有人拿去加个水印就转卖，项目方在文件里预置了不影响阅读的 Datawhale 标志水印，事先说明一下。

下载地址：

• GitHub Releases：https://github.com/datawhalechina/hello-agents/releases/latest/
• 国内地址：https://www.datawhale.cn/learn/summary/239

如何学习

先说明白：这个项目适合有一定编程基础的 AI 开发者、软件工程师、在校学生，以及对前沿技术有好奇心的自学者。动手之前，最好有基础的 Python 能力，对大语言模型有基本概念，比如知道怎么通过 API 调一个 LLM。项目重点是应用和构建，不需要深厚的算法或者模型训练背景。

内容分五大部分，每一部分都是往上走的一级台阶。

第一部分（第一到三章）从智能体的定义、类型和发展历史讲起，把"智能体"这个概念的来龙去脉理清楚，再快速过一遍大语言模型的核心知识，把理论地基打牢。

第二部分（第四到七章）是动手实践的起点。你会亲手实现 ReAct 等经典范式，体验 Coze 等低代码平台的便捷，掌握 LangGraph 等主流框架。最后从零构建一个自己的智能体框架，既会用轮子，也会造轮子。

第三部分（第八到十二章）让你的智能体"学会"思考和协作。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，以及多智能体间的通信协议。最后掌握评估智能体性能的系统方法。

第四部分（第十三到十五章）是理论和实践的交汇点。前面学的东西在这里融会贯通，你会亲手做出智能旅行助手、自动化深度研究智能体，甚至一个模拟社会动态的赛博小镇，在真实项目里把本事练扎实。

第五部分（第十六章）是毕业设计。构建一个完整的、属于自己的多智能体应用，全面检验学习成果。还会一起看看智能体未来的方向。

智能体这个领域发展很快，又特别看重动手。项目在 code 文件夹里放了配套的全部代码，建议你把代码亲手跑一遍，调试、修改都行。遇到问题可以随时去项目的 issue 区提问，也可以多关注 Datawhale 和 Agent 相关社区。

准备好进入智能体的世界了吗？那就开始吧。

下一步规划

• 视频课程会陆续放出，比文字版更细致，实践课带大家从设计思路走到具体实施
• HelloAgents 框架已更新到 V1.0.0，后续会增加更多轻量好用的工具和特性，兼容学习版本
• 2026 年 5 月更新智能体最新学习路线
• 项目已经攒到 7 万 Star，团队放出了调查问卷，收集大家想学的智能体内容。下一部作品《从零开始训练智能体》会帮助学习者掌握从零到一训练自定义场景智能体模型的能力

如何贡献

这是一个开放的开源社区，任何形式的贡献都欢迎。

• 报告 Bug：发现内容或代码问题，提交 Issue
• 提出建议：有好想法，发起讨论
• 完善内容：改进教程，提交 Pull Request
• 分享实践：在"社区贡献精选"中分享你的学习笔记和项目

致谢

核心贡献者

• 陈思州，项目负责人，Datawhale 成员，负责全文写作和校对
• 孙韬，联合发起者，Datawhale 成员、CAMEL-AI，负责第九章内容和校对
• 姜舒凡，联合发起者，Datawhale 成员，负责章节习题设计和校对
• 黄佩林，Datawhale 意向成员，Agent 开发工程师，第五章内容贡献
• 曾鑫民，Agent 工程师，牛客科技，第十四章案例开发
• 胡昊，运营组织者，Datawhale 成员
• 朱信忠，指导专家，Datawhale 首席科学家，浙江师范大学杭州人工智能研究院教授

Extra-Chapter 贡献者

• WH，内容贡献者
• 周奥杰，DW 贡献者团队，西安交通大学，Extra02 内容贡献
• 张宸旭，个人开发者，帝国理工学院，Extra03 内容贡献
• 黄宏晗，DW 贡献者团队，深圳大学，Extra04 内容贡献
• 王大鹏，Datawhale 成员，高级研发工程师，Extra08 内容贡献
• 尤逸晖，个人开发者，南京信息工程大学，Extra09 内容贡献
• 殷鑫，个人开发者，浙江大学，Extra10 内容贡献
• Pranav Janakiraman，个人开发者，TinyFish，Extra11 内容贡献
• 王雨飞，个人开发者，北京邮电大学，Extra12 内容贡献

特别感谢

感谢 @Sm1les 对本项目的帮助与支持，也感谢所有为这个项目出过力的开发者。

Star History

如果这个项目对你有帮助，去 GitHub 点个 Star 吧。

读者交流群

扫描二维码加入读者交流群，和更多学习者交流讨论。

关于 Datawhale

Datawhale 是一个开源学习社区，关注公众号可以获取更多优质开源内容。

引用

如果 Hello-Agents 对你的研究或者工作有帮助，欢迎引用：

@misc{hello_agents2025,
  title  = {Hello-Agents: Building an AI Agent from Scratch},
  author = {Sizhou Chen and Tao Sun and Shufan Jiang and Peilin Huang and Xinmin Zeng and Hao Hu and Xinzhong Zhu and all Hello-Agents contributors},
  year   = {2025},
  url    = {https://github.com/datawhalechina/Hello-Agents},
  note   = {GitHub repository}
}

开源协议

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（CC BY-NC-SA 4.0）。

常见问题（FAQ）

Datawhale的Hello-Agents教程适合什么基础的人学习？

适合有编程基础的AI开发者、软件工程师、在校学生及自学者。需具备Python能力和LLM基本概念，如API调用。重点在应用构建，不需深厚算法背景。

Hello-Agents教程在哪里可以免费在线阅读？

提供两个在线阅读入口：国外访问datawhalechina.github.io/hello-agents，国内加速hello-agents.datawhale.cc。无需下载，直接网页学习。另有PDF版免费下载。

Hello-Agents教程主要能学到哪些技能？

覆盖从智能体原理到自研框架HelloAgents，包括ReAct经典范式、低代码平台、主流框架、上下文工程、Memory、协议、评估、Agentic RL训练等，还能实战旅行助手、赛博小镇等案例。