Agentic AI (Chinese)

Source: https://github.com/WenyuChiou/awesome-agentic-ai-zh at f4282ac68907
License: MIT
Read the English original

This edition is an AI-assisted translation.

Русский | Упрощённый китайский | Английский

awesome-agentic-ai-zh

🤖 Учебная карта, ведущая от «что такое AI Agent» до «создания надёжной системы»

Сначала выберите маршрут, затем идите шаг за шагом. Важные концепции, практические упражнения и отобранные ресурсы расставлены по порядку для вас.

📱 Для чтения на телефоне используйте, пожалуйста, онлайн-документацию.

🎯 Чем поможет эта карта?

AI Agent (ИИ-агент) — это «система ИИ, которая ради цели человека сама решает, какой шаг предпринять дальше, и действует». Получив цель, он оценивает текущую ситуацию, выбирает следующий шаг, при необходимости использует инструменты, а затем в зависимости от результата продолжает, исправляет, останавливается или возвращает управление человеку. Он может автоматически выполнять работу за вас, но только в рамках правил и полномочий, которые вы ему дали. Чат-бот, отвечающий лишь один раз, или скрипт, где каждый шаг заранее жёстко прописан, не обязательно являются агентом. Этот репозиторий не требует, чтобы вы сразу знали все термины, — он проведёт вас последовательно через три задачи:

1. Сначала понять основы: что такое LLM (Large Language Model, модель, способная читать и писать текст на языке), Prompt, API (Application Programming Interface, интерфейс, через который программа вызывает сервис) и Token.
2. Затем создать что-то: позволить модели вызывать инструменты, запустить Agent Loop, читать документы и запоминать информацию.
3. Наконец, сделать это надёжным: добавить права доступа, Eval, ручное подтверждение, наблюдаемость и восстановление после сбоев.

Здесь роль — это учебный маршрут + отобранные ресурсы + небольшие упражнения, которые можно сразу запустить. Когда нужна полная глава, мы направим вас к официальной документации, Datawhale Hello-Agents или соответствующему Cookbook, вместо того чтобы переписывать очередную энциклопедию. Когда требуется подключить модель, каждое упражнение отдельно поясняет облачный или локальный путь.

Важные технические термины при первом появлении сначала объясняются простыми словами, а затем сохраняется официальное английское написание. Если забыли какое-то слово, просто загляните в глоссарий.

🚀 Начните прямо сейчас

1. Совсем не писали код: начните со Stage 0: базовая подготовка; если не знакомы с API или CLI Agent, используйте руководство по настройке с нуля.
2. Уже знаете Python, Git и API: начните со Stage 1: основы LLM.
3. Ещё не уверены, какой путь выбрать: сначала посмотрите таблицу выбора Track A / Track B ниже.

Перед тем как идти по Track A или Track B, сначала пройдите Stage 0–2; те, кто идёт только по маршруту повседневного пользователя, могут сразу открыть руководство по ролям.

Что вы хотите делать сейчас?	Рекомендуемый маршрут	Вход в маршрут
Выполнять работу с помощью CLI Agent, таких как Claude Code, Codex, OpenCode	Track A — продвинутый пользователь CLI	A1: выбрать CLI Agent
Самостоятельно писать Agent, циклы инструментов, Workflow и сервисы	Track B — создатель Agent	Stage 3: первый Agent Loop
Просто безопасно использовать ИИ в повседневной жизни, пока не пишете код	Маршрут повседневного пользователя	Руководство для повседневного пользователя

💻 Развернуть: скачать на локальный компьютер

git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git
cd awesome-agentic-ai-zh

После скачивания сначала откройте stages/00-foundations.md или по таблице выше сразу перейдите к подходящей вам первой остановке.

От Stage 0 до Stage 8, а также станция чтения Stage 7.5

На этой карте всего 8 тематических Stage + подготовительный Stage 0 + станция продвинутого чтения Stage 7.5, то есть 10 учебных остановок. Читатели Track A / B сначала проходят общие основы Stage 0–2; те, кто уже знает Python, Git и API, могут пропустить Stage 0. Повседневный пользователь может сразу идти по руководству ролей.

Общие основы: Stage 0–2

Stage	Что решает этот шаг?	Что вы сможете делать после?
0 · Базовая подготовка	Компьютер и базовые инструменты готовы?	Вызывать публичный API на Python, читать JSON (JavaScript Object Notation, текстовый формат, часто используемый программами для обмена данными) и сохранять результаты в Git
1 · Основы LLM	В чём разница между LLM, Token, Context и моделями?	Вызвать LLM и в зависимости от потребностей выбрать облачную или локальную модель
2 · Проектирование Prompt	Как чётко описать цель, данные, правила и результат?	На фиксированном примере сравнить границы Zero-Shot, One-Shot, Few-Shot и CoT (Chain-of-Thought, метод рассуждающих подсказок, решающий задачу через промежуточные шаги)

Track A: используйте CLI Agent, чтобы завершить работу

Официальный порядок: A1 → A2 → Stage 5 → A3 → Stage 8.

Порядок	Что решает этот шаг?	Что вы сможете делать после?
A1 · Выбрать CLI Agent	Чем отличаются OpenRouter, OpenCode, Pi, Ollama?	Выбрать подходящий инструмент и выполнить первую небольшую задачу
A2 · Создать повторяемый процесс	Как оставить правила и шаги для следующего использования?	Написать Project Instructions, Skill и переиспользуемые рабочие процессы
5 · Экосистема Claude Code	Как разделяются MCP, Skills, Plugins, Hooks и Subagents?	Сначала прочитайте ядро 5.1–5.4; 5.5–5.8 читайте выборочно по рабочей необходимости
A3 · Подключить к реальной работе	Как безопасно подключить внешние инструменты, CI и командные процессы?	Выполнить интеграцию с минимальными правами, ручной проверкой и журналированием
8 · Интерфейсы управления Agent	Как Agent управляет браузером, экраном и Sandbox?	Определить, какой задаче подходит CLI, Browser, Computer Use или API

Track B: создавайте Agent с нуля

Порядок	Что решает этот шаг?	Что вы сможете делать после?
3 · Использование инструментов и первый Agent Loop	Как модель безопасно вызывает инструменты и повторяет следующий шаг?	Создать Agent Loop с максимальным числом раундов и проверкой параметров
4 · Workflow Graph и фреймворки Agent	Как нарисовать несколько шагов как рабочую карту?	Выбрать Workflow, Agent, Graph и Framework
5 · Экосистема Claude Code	Как сотрудничают MCP, Skills, Plugins, Hooks и Subagents?	Комбинировать инструменты, правила и переиспользуемые возможности
6 · Memory · RAG (Retrieval-Augmented Generation, сначала найти релевантные данные, затем отвечать по ним)	Как Agent ищет документы, сохраняет и извлекает важную информацию?	Создать минимальный RAG, long-term memory и процесс contextual retrieval
7 · Инженерия запуска Agent: тестируемо, наблюдаемо, останавливаемо, восстанавливаемо	Как Agent стабильно работает в реальной среде?	Добавить Eval, наблюдаемость, бюджет, Human-in-the-loop (HITL, ручное подтверждение) и восстановление
7.5 · Карта продвинутых Agentic-концепций	Какие ещё продвинутые паттерны стоит знать?	Из 12 концепций выборочно изучить нужные, например PAR loop, agent-as-judge
8 · Интерфейсы управления Agent	Как Agent управляет реальной средой помимо API?	Выбрать Computer Use, Browser Use или Code Sandbox

Stage 4 сначала понимает Workflow Graph, затем реализует его через framework; Stage 7 добавляет Eval, наблюдаемость, подтверждение и восстановление, чтобы одна и та же рабочая карта работала стабильно.

🔭 Порядок обучения: Stage 2 Prompt → Stage 3 Agent Loop → Stage 4 Workflow Graph / Framework → Stage 5 инструменты и правила → Stage 6 Context Engineering → Stage 7 production. Prompt, Context, Harness, Loop, Graph работают вместе; это не пять слоёв и не сменяющие друг друга поколения продуктов.

После завершения A3 или Stage 7 можно начать Capstone-проект; для отслеживания прогресса используйте PROGRESS.md.

⏱️ Посмотреть оценку времени (для планирования, не как дедлайн)

• Track A: около 8–10 недель. Акцент на использовании готовых CLI Agent для выполнения работы.
• Track B: основная часть около 16–22 недель; при 5–8 часах в неделю обычно требуется 5–7 месяцев.
• Stage 5 — это Hub инструментов и правил: Track A смотрит, как использовать, Track B — как комбинировать.
• Stage 8 — это Hub интерфейсов управления: Track A смотрит, как делегировать, Track B — как подключить к своему Agent.

Сроки — лишь для планирования. Сначала завершите ближайший шаг, не нужно читать всю карту сразу.

Продолжайте по своей роли

Статическое изображение

Маршрут	Для кого	С чем вы будете работать?
🔬 Исследователь	Аспиранты, постдоки, руководители групп	Доказательства из литературы, воспроизводимые процессы, Multi-Agent Review
💻 Разработчик	Инженеры-программисты	CLI Delegation, Code Review, тесты и откат
🎓 Преподаватель	Учителя, лекторы	Подготовка к занятиям, обратная связь, приватность и обучающие Prompt
📊 Интеллектуальный работник	Консультанты, PM, аналитики	Рабочие процессы с Email, встречами и отчётами
👥 Повседневный пользователь	Пользователи ИИ, не обязательно пишущие код	Письмо, учёба, приватность и безопасное использование

💡 Как учиться, чтобы не застрять?

1. Проходите только один Stage за раз: сначала ответьте на ключевой вопрос этой главы.
2. Сначала смотрите ключевые термины и обязательное к чтению: они напрямую используются в последующих упражнениях.
3. Сразу скопируйте первую команду: сначала запустите офлайн-тест, не нужно копировать пустой файл.
4. Меняйте за раз только одну вещь: после изменения сразу снова запустите тест, чтобы понять, какое именно изменение повлияло на результат.
5. Переходите дальше только при выполнении условий завершения: понять — не значит уметь сделать.

Каждый starter.py — это запускаемый пример. Сначала посмотрите условие задачи и критерий успеха, затем измените одно место и снова запустите тест. Полный метод см. в как использовать этот учебный материал.

📚 Учебные входы, которые стоит сохранить

Здесь размещены только самые частые входы; полный список — в RESOURCES.md. Звёздочка означает приоритет обучения, а не рейтинг проектов.

Назначение	Вход	Когда использовать?	Важность
Начало	Руководство по настройке с нуля	Первая установка и запуск	⭐⭐⭐⭐⭐
	Как использовать этот учебный материал	Перед началом первого практического упражнения	⭐⭐⭐⭐⭐
	Таблица прогресса обучения	Хотите узнать следующий шаг или отметить выполненное	⭐⭐⭐⭐
Учёба	Глоссарий ключевых терминов	Встретили незнакомое слово вроде Token, RAG, MCP	⭐⭐⭐⭐⭐
	Вход для запускаемых примеров	Хотите сразу запустить офлайн-тесты и небольшие кейсы	⭐⭐⭐⭐⭐
	Практический Cookbook	Хотите сделать Skill, MCP, Office, Zotero или локальный LLM	⭐⭐⭐⭐
Поиск данных	Шкаф ресурсов	Не знаете, искать ли Guide, Catalog или Cookbook	⭐⭐⭐⭐⭐
	Полный список ресурсов	Хотите найти официальную документацию, курсы, сообщества и доп. чтение	⭐⭐⭐⭐
	Руководство по выбору CLI Agent	Готовитесь к Track A или сравниваете CLI-инструменты	⭐⭐⭐⭐
	Карта курсов и сертификаций	Различать сертификаты завершения, бейджи навыков и экзамены	⭐⭐⭐⭐

🤝 Вместе улучшим эту карту

• Ошибки в содержании, нерабочие ссылки или устаревшая информация: откройте Issue.
• Хотите добавить проект или учебный ресурс: укажите, чему из какого Stage он учит.
• Готовите PR: сначала прочитайте CONTRIBUTING.md и правила написания.
• Недавние обновления: см. CHANGELOG.md.

🧰 Развернуть: полный способ участия и автоматические проверки

Вы можете исправлять текст, добавлять трёхъязычные зеркала, сообщать о недостающих темах или долгосрочно поддерживать один Stage / ролевой маршрут. При добавлении ссылки на GitHub-проект автоматическая проверка поможет посмотреть статус архивации, лицензию и последнее обновление; решение о включении по-прежнему принимает maintainer на основе учебной ценности.

Полные роли и правила см. в CONTRIBUTORS.md.

🙏 Важные источники вдохновения и связанные проекты

• Datawhale Hello-Agents — для читателей, которым нужны полные главы и глубокая практика.
• Сообщество Datawhale — китайское сообщество совместного обучения машинному обучению, предоставляющее множество надёжных учебных входов.
• liyupi/ai-guide — больше тяготеет к широкой библиотеке ресурсов; этот репозиторий же отвечает за порядок обучения.

📖 Развернуть: участники и формат цитирования

@misc{awesome_agentic_ai_zh_2026,
  title = {awesome-agentic-ai-zh: A Structured Learning Roadmap for Agentic AI},
  author = {Chiou, Wenyu},
  year = {2026},
  url = {https://github.com/WenyuChiou/awesome-agentic-ai-zh}
}

☕ Поддержка и контакты

Эта учебная карта распространяется под лицензией MIT и останется бесплатной и открытой. Общие вопросы и предложения задавайте через Issue; для частной связи можно написать на wenyuchiou12@gmail.com.

Если эта карта была вам полезна, поставьте ⭐ Star или угощайте автора кофе.

License

MIT. Maintained by @WenyuChiou.