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.

简体中文 | 繁體中文 | English

awesome-agentic-ai-zh

🤖 一张从「AI Agent 是什么」走到「能做出可靠系统」的学习地图

先选一条路，再一步一步走。重要概念、动手练习与精选资源都帮你排好顺序。

📱 手机阅读请使用线上文件站。

🎯 这份地图帮你做什么？

AI Agent（AI 智能体）是「能为了人的目标，自己判断下一步并采取行动的 AI 系统」。人给它目标后，它会看目前情况、选择下一步，必要时使用工具，再依结果继续、修正、停止，或把控制权交还给人。它可以自动替人完成工作，但只能在人给的规则与权限内行动。只回答一次的聊天机器人，或每一步都固定写好的脚本，不一定是 Agent。这个 repo 不要求你一开始就懂所有名词，而是带你依序完成三件事：

1. 先懂基础：LLM（Large Language Model，能读写语言的模型）、Prompt、API（Application Programming Interface，让程序调用服务的接口） 与 Token 是什么。
2. 再做出东西：让模型调用工具、跑 Agent Loop、读文件与记住事情。
3. 最后做得可靠：加入权限、Eval、人工批准、观测与失败复原。

这里的角色是学习路线图 + 精选资源 + 可直接执行的小练习。需要完整章节时，我们会带你去官方文档、Datawhale Hello-Agents 或对应的 Cookbook，不重写另一套百科全书。需要连模型时，每个练习会再说明云端或本机路径。

章节中的重要技术词第一次出现时会先用白话说明，再保留正式英文。忘记某个词时，直接查名词表。

🚀 现在就开始

1. 完全没写过程序：从 Stage 0：基础准备开始；API 或 CLI Agent 不熟时，搭配零基础设定指南。
2. 已经会 Python、Git 与 API：从 Stage 1：LLM 基础开始。
3. 还不确定要走哪条路：先看下面的 Track A／Track B 选择表。

走 Track A 或 Track B 前，先确认 Stage 0–2；只走日常使用者路线的人可以直接打开角色指南。

你现在想做什么？	建议路线	路线入口
用 Claude Code、Codex、OpenCode 等 CLI Agent 完成工作	Track A — CLI Power User	A1：选一个 CLI Agent
自己写 Agent、工具回圈、Workflow 与服务	Track B — Agent Builder	Stage 3：第一个 Agent Loop
只想在日常生活安全使用 AI，暂时不写程序	日常使用者路线	日常使用者指南

💻 展开：下载到本机

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

下载后先开启 stages/00-foundations.md，或依上表直接前往适合你的第一站。

从 Stage 0 到 Stage 8，另有 Stage 7.5 阅读站

这张地图共有 8 个主题 Stage + Stage 0 准备关 + Stage 7.5 进阶阅读站，也就是 10 个学习站。Track A／B 读者先确认 Stage 0–2 共用基础；已经会 Python、Git 与 API 的人可以跳过 Stage 0。日常使用者可以直接走角色指南。

共用基础：Stage 0–2

Stage	这一步解决什么？	完成后你能做什么？
0 · 基础准备	电脑与基本工具准备好了吗？	用 Python 调用公开 API、读 JSON（JavaScript Object Notation，程序交换资料常用的文字格式），并用 Git 保存成果
1 · LLM 基础	LLM、Token、Context 与模型差在哪里？	调用一个 LLM，并依需求选云端或本机模型
2 · Prompt 设计	怎么把目标、资料、规则与输出说清楚？	用固定案例比较 Zero-Shot、One-Shot、Few-Shot 与 CoT（Chain-of-Thought，以中间步骤处理问题的推理提示方法） 的边界

Track A：使用 CLI Agent 把工作做完

正式顺序是 A1 → A2 → Stage 5 → A3 → Stage 8。

顺序	这一步解决什么？	完成后你能做什么？
A1 · 选一个 CLI Agent	OpenRouter、OpenCode、Pi、Ollama 分别是什么？	选对工具并完成第一个小任务
A2 · 建立可重复流程	怎么把规则与步骤留给下一次使用？	写 Project Instructions、Skill 与可重用工作流程
5 · Claude Code 生态	MCP、Skills、Plugins、Hooks 与 Subagents 怎么分？	先读核心 5.1–5.4；5.5–5.8 依工作需要选读
A3 · 接进真实工作	怎么安全连接外部工具、CI 与团队流程？	用最小权限、人工检查与纪录完成整合
8 · Agent 操作介面	Agent 怎么操作浏览器、画面与 Sandbox？	判断任务该用 CLI、Browser、Computer Use 还是 API

Track B：从零打造 Agent

顺序	这一步解决什么？	完成后你能做什么？
3 · 工具使用与第一个 Agent Loop	模型怎么安全调用工具并重复下一步？	做出有最大轮数、会验证参数的 Agent Loop
4 · Workflow Graph 与 Agent 框架	怎么把多个步骤画成工作地图？	选择 Workflow、Agent、Graph 与 Framework
5 · Claude Code 生态	MCP、Skills、Plugins、Hooks 与 Subagents 怎么合作？	组合工具、规则与可重用能力
6 · Memory · RAG（Retrieval-Augmented Generation，先找相关资料，再依资料回答）	Agent 怎么查文件、保存与取回重要信息？	建立最小 RAG、long-term memory 与 contextual retrieval 流程
7 · Agent 上线工程：可测、可看、可停、可恢复	Agent 怎么在真实环境稳定运作？	加入 Eval、观测、预算、Human-in-the-loop（HITL，人工批准）与复原
7.5 · 进阶 Agentic 概念地图	还有哪些进阶 Pattern 值得认识？	从 12 个概念选读 PAR loop、agent-as-judge 等需要的主题
8 · Agent 操作介面	Agent 怎么操作 API 以外的真实环境？	选择 Computer Use、Browser Use 或 Code Sandbox

Stage 4 先看懂 Workflow Graph，再用 framework 把它做出来；Stage 7 再加入 Eval、观测、批准与复原，让同一张工作图可以稳定运作。

🔭 学习顺序：Stage 2 Prompt → Stage 3 Agent Loop → Stage 4 Workflow Graph／Framework → Stage 5 工具与规则 → Stage 6 Context Engineering → Stage 7 production。Prompt、Context、Harness、Loop、Graph 会一起工作；它们不是五层，也不是互相取代的产品世代。

完成 A3 或 Stage 7 后，可以开始 Capstone 专案；想记录进度可使用 PROGRESS.md。

⏱️ 查看时间估算（安排参考，不是截止日期）

• Track A：约 8–10 周。重点是使用现成 CLI Agent 完成工作。
• Track B：主干约 16–22 周；每周投入 5–8 小时时，通常需要 5–7 个月。
• Stage 5 是工具与规则 Hub：Track A 看怎么用，Track B 看怎么组合。
• Stage 8 是操作介面 Hub：Track A 看怎么委派，Track B 看怎么接进自己的 Agent。

时程只是安排参考。先完成眼前的一步，不需要一次读完整张地图。

依你的身分继续走

静态图

路线	适合谁	你会处理什么？
🔬 研究人员	研究生、博后、PI	文献证据、可重现流程、Multi-Agent Review
💻 开发者	软件工程师	CLI Delegation、Code Review、测试与回复
🎓 教师	老师、讲师	备课、回馈、隐私与教学 Prompt
📊 知识工作者	顾问、PM、分析师	Email、会议与报告工作流程
👥 日常使用者	不一定写程序的 AI 使用者	写作、学习、隐私与安全使用

💡 怎么学才不容易卡住？

1. 一次只走一个 Stage：先回答这一章的核心问题。
2. 核心词与必读先看：它们会直接用在后面的练习。
3. 直接复制第一个指令：先跑不连网的测试，不必抄一份空白文件。
4. 一次只改一件事：改完立刻再跑测试，才知道是哪个改动造成结果。
5. 做到完成条件再往下走：看懂不等于做得到。

每个 starter.py 都是可执行参考。先看题目与成功条件，再修改一个地方并重跑测试。完整方法见如何使用这份教材。

📚 先收藏的学习入口

这里只放最常用入口；完整清单在 RESOURCES.md。星号表示学习优先顺序，不是专案排行榜。

用途	入口	什么时候用？	重要性
开始	零基础设定指南	第一次安装与执行	⭐⭐⭐⭐⭐
	如何使用这份教材	开始第一个动手练习前	⭐⭐⭐⭐⭐
	学习进度表	想知道下一步或记录完成项目	⭐⭐⭐⭐
学习	核心名词表	遇到 Token、RAG、MCP 等陌生词	⭐⭐⭐⭐⭐
	可执行范例入口	想直接跑离线测试与小型案例	⭐⭐⭐⭐⭐
	实作 Cookbook	想做 Skill、MCP、Office、Zotero 或本机 LLM	⭐⭐⭐⭐
查资料	资源工具柜	不知道该查 Guide、Catalog 还是 Cookbook	⭐⭐⭐⭐⭐
	完整资源清单	想找官方文档、课程、社群与延伸阅读	⭐⭐⭐⭐
	CLI Agent 选择指南	准备走 Track A 或比较 CLI 工具	⭐⭐⭐⭐
	课程与认证地图	分清完成证书、技能徽章与认证考试	⭐⭐⭐⭐

🤝 一起改进这张地图

• 内容错误、失效链接或过期信息：请开 Issue。
• 想补一个专案或学习资源：请附上「它教哪个 Stage 的什么」。
• 准备送 PR：先看 CONTRIBUTING.md 与写作规范。
• 最近更新内容：查看 CHANGELOG.md。

🧰 展开：完整贡献方式与自动检查

你可以修正文字、补三语镜像、回报缺少的主题，或长期维护一个 Stage／角色路线。新增 GitHub 专案链接时，自动检查会协助查看封存状态、License 与最近更新；是否收录仍由 maintainer 依学习价值判断。

完整角色与规则见 CONTRIBUTORS.md。

🙏 重要启发与相关专案

• Datawhale Hello-Agents — 适合需要完整章节与深度实作的读者。
• Datawhale 社群 — 中文机器学习共学社群，提供许多可靠的学习入口。
• liyupi/ai-guide — 偏向广度资源库；本 repo 则负责安排学习顺序。

📖 展开：贡献者与引用格式

@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}
}

☕ 支持与联络

这份学习地图采 MIT 授权，会继续免费公开。一般问题与建议请使用 Issue；需要私下联络时可寄信至 wenyuchiou12@gmail.com。

如果这份地图帮到你，欢迎给一个 ⭐ Star，或请作者喝杯咖啡。

License

MIT。Maintained by @WenyuChiou。