繁體中文 | 简体中文 | English
![從 Stage 0–2 共用基礎分流到 CLI 與 Agent 路線，共用 Stage 5、8，再依需求選角色路線](resources/diagrams/banner.svg) # awesome-agentic-ai-zh **🤖 一張從「AI Agent 是什麼」走到「能做出可靠系統」的學習地圖** **先選一條路，再一步一步走。重要概念、動手練習與精選資源都幫你排好順序。** [![License](https://img.shields.io/badge/license-MIT-blue?style=flat)](LICENSE) [![繁中](https://img.shields.io/badge/語言-繁體中文-red?style=flat)](README.md) [![简中](https://img.shields.io/badge/語言-简体中文-orange?style=flat)](README.zh-Hans.md) [![EN](https://img.shields.io/badge/lang-English-blue?style=flat)](README.en.md) ![GitHub stars](https://img.shields.io/github/stars/WenyuChiou/awesome-agentic-ai-zh?style=flat&logo=github) [![線上文件站](https://img.shields.io/badge/線上閱讀-立即開始-2ea44f?style=flat)](https://wenyuchiou.github.io/awesome-agentic-ai-zh/) [![Star History 全球排名](https://api.star-history.com/badge?repo=WenyuChiou/awesome-agentic-ai-zh&type=rank)](https://www.star-history.com/wenyuchiou/awesome-agentic-ai-zh)
> 📱 手機閱讀請使用[線上文件站](https://wenyuchiou.github.io/awesome-agentic-ai-zh/)。 ## 🎯 這份地圖幫你做什麼？ **AI Agent**（AI 代理人）是「能為了人的目標，自己判斷下一步並採取行動的 AI 系統」。人給它目標後，它會看目前情況、選擇下一步，必要時使用工具，再依結果繼續、修正、停止，或把控制權交還給人。它可以自動替人完成工作，但只能在人給的規則與權限內行動。只回答一次的聊天機器人，或每一步都固定寫好的腳本，不一定是 Agent。這個 repo 不要求你一開始就懂所有名詞，而是帶你依序完成三件事： 1. **先懂基礎**：LLM（Large Language Model，能讀寫語言的模型）、Prompt、API（Application Programming Interface，讓程式呼叫服務的介面） 與 Token 是什麼。 2. **再做出東西**：讓模型呼叫工具、跑 Agent Loop、讀文件與記住事情。 3. **最後做得可靠**：加入權限、Eval、人工批准、觀測與失敗復原。 這裡的角色是**學習路線圖 + 精選資源 + 可直接執行的小練習**。需要完整章節時，我們會帶你去官方文件、[Datawhale Hello-Agents](https://github.com/datawhalechina/hello-agents) 或對應的 Cookbook，不重寫另一套百科全書。需要連模型時，每個練習會再說明雲端或本機路徑。 章節中的重要技術詞第一次出現時會先用白話說明，再保留正式英文。忘記某個詞時，直接查[名詞表](resources/glossary.md)。 ## 🚀 現在就開始 1. **完全沒寫過程式**：從 [Stage 0：基礎準備](stages/00-foundations.md)開始；API 或 CLI Agent 不熟時，搭配[零基礎設定指南](resources/setup-guide.md)。 2. **已經會 Python、Git 與 API**：從 [Stage 1：LLM 基礎](stages/01-llm-basics.md)開始。 3. **還不確定要走哪條路**：先看下面的 Track A／Track B 選擇表。 走 Track A 或 Track B 前，先確認 Stage 0–2；只走日常使用者路線的人可以直接打開角色指南。
你現在想做什麼？建議路線路線入口
用 Claude Code、Codex、OpenCode 等 CLI Agent 完成工作Track A — CLI Power UserA1：選一個 CLI Agent
自己寫 Agent、工具迴圈、Workflow 與服務Track B — Agent BuilderStage 3：第一個 Agent Loop
只想在日常生活安全使用 AI，暫時不寫程式日常使用者路線日常使用者指南
💻 展開：下載到本機 ```powershell git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git cd awesome-agentic-ai-zh ``` 下載後先開啟 `stages/00-foundations.md`，或依上表直接前往適合你的第一站。
## 從 Stage 0 到 Stage 8，另有 Stage 7.5 閱讀站 ![AI Agent 學習地圖](resources/diagrams/learning-map.png) 這張地圖共有 **8 個主題 Stage + Stage 0 準備關 + Stage 7.5 進階閱讀站**，也就是 **10 個學習站**。Track A／B 讀者先確認 **Stage 0–2 共用基礎**；已經會 Python、Git 與 API 的人可以跳過 Stage 0。日常使用者可以直接走角色指南。 ### 共用基礎：Stage 0–2
Stage這一步解決什麼？完成後你能做什麼？
0 · 基礎準備電腦與基本工具準備好了嗎？用 Python 呼叫公開 API、讀 JSON（JavaScript Object Notation，程式交換資料常用的文字格式），並用 Git 保存成果
1 · LLM 基礎LLM、Token、Context 與模型差在哪裡？呼叫一個 LLM，並依需求選雲端或本機模型
2 · Prompt 設計怎麼把目標、資料、規則與輸出說清楚？用固定案例比較 Zero-Shot、One-Shot、Few-Shot 與 CoT（Chain-of-Thought，以中間步驟處理問題的推理提示方法） 的邊界
### Track A：使用 CLI Agent 把工作做完 正式順序是 `A1 → A2 → Stage 5 → A3 → Stage 8`。 Stage 8 建議接著學，不擋 Track A Capstone。
順序這一步解決什麼？完成後你能做什麼？
A1 · 選一個 CLI AgentOpenRouter、OpenCode、Pi、Ollama 分別是什麼？選對工具並完成第一個小任務
A2 · 建立可重複流程怎麼把規則與步驟留給下一次使用？寫 Project Instructions、Skill 與可重用工作流程
5 · Claude Code 生態MCP、Skills、Plugins、Hooks 與 Subagents 怎麼分？先讀核心 5.1–5.4；5.5–5.8 依工作需要選讀
A3 · 接進真實工作怎麼安全連接外部工具、CI 與團隊流程？用最小權限、人工檢查與紀錄完成整合
8 · Agent 操作介面Agent 怎麼操作瀏覽器、畫面與 Sandbox？判斷任務該用 CLI、Browser、Computer Use 還是 API
### Track B：從零打造 Agent
順序這一步解決什麼？完成後你能做什麼？
3 · 工具使用與第一個 Agent Loop模型怎麼安全呼叫工具並重複下一步？做出有最大輪數、會驗證參數的 Agent Loop
4 · Workflow Graph 與 Agent 框架怎麼把多個步驟畫成工作地圖？選擇 Workflow、Agent、Graph 與 Framework
5 · Claude Code 生態MCP、Skills、Plugins、Hooks 與 Subagents 怎麼合作？組合工具、規則與可重用能力
6 · Memory · RAG（Retrieval-Augmented Generation，先找相關資料，再依資料回答）Agent 怎麼查文件、保存與取回重要資訊？建立最小 RAG、long-term memory 與 contextual retrieval 流程
7 · Agent 上線工程：可測、可看、可停、可恢復Agent 怎麼在真實環境穩定運作？加入 Eval、觀測、預算、Human-in-the-loop（HITL，人工批准）與復原
7.5 · 進階 Agentic 概念地圖還有哪些進階 Pattern 值得認得？從 12 個概念選讀 PAR loop、agent-as-judge 等需要的主題
8 · Agent 操作介面Agent 怎麼操作 API 以外的真實環境？選擇 Computer Use、Browser Use 或 Code Sandbox
Stage 4 先看懂 **Workflow Graph**，再用 framework 把它做出來；Stage 7 加入 Eval、觀測、批准與復原，讓流程穩定運作。 > 🔭 **學習順序**：Stage 2 Prompt → Stage 3 **Agent Loop** → Stage 4 **Workflow Graph**／Framework → Stage 5 工具與規則 → Stage 6 **Context Engineering** → Stage 7 production。Prompt、Context、Harness、Loop、Graph 會一起工作；它們不是五層，也不是互相取代的產品世代。 Track A 完成 A3 後，可開始 [Capstone 專案](CAPSTONE.md)。Track B 則先完成 Stage 8（含 Stage 7.5）。用 [PROGRESS.md](PROGRESS.md) 記錄進度。
⏱️ 查看時間估算（安排參考，不是截止日期） - **Track A**：約 8–10 週。重點是使用現成 CLI Agent 完成工作。 - **Track B**：主幹約 16–22 週；每週投入 5–8 小時時，通常需要 5–7 個月。 - **Stage 5** 是工具與規則 Hub：Track A 看怎麼用，Track B 看怎麼組合。 - **Stage 8** 是操作介面 Hub：Track A 看怎麼委派，Track B 看怎麼接進自己的 Agent。 時程只是安排參考。先完成眼前的一步，不需要一次讀完整張地圖。
### 依你的身分繼續走 ![研究、開發、教學、知識工作與日常使用是五種選擇，依需求選讀，不必全部走完](resources/diagrams/branch-decision-tree.svg)
路線適合誰你會處理什麼？
🔬 研究人員研究生、博後、PI文獻證據、可重現流程、Multi-Agent Review
💻 開發者軟體工程師CLI Delegation、Code Review、測試與回復
🎓 教師老師、講師備課、回饋、隱私與教學 Prompt
📊 知識工作者顧問、PM、分析師Email、會議與報告工作流程
👥 日常使用者不一定寫程式的 AI 使用者寫作、學習、隱私與安全使用
## 💡 怎麼學才不容易卡住？ 1. **一次只走一個 Stage**：先回答這一章的核心問題。 2. **核心詞與必讀先看**：它們會直接用在後面的練習。 3. **直接複製第一個指令**：先跑不連網的測試，不必抄一份空白檔案。 4. **一次只改一件事**：改完立刻再跑測試，才知道是哪個改動造成結果。 5. **做到完成條件再往下走**：看懂不等於做得到。 ## 📚 先收藏的學習入口 這裡只放最常用入口；完整清單在 [RESOURCES.md](RESOURCES.md)。星號表示**學習優先順序**，不是專案排行榜。
用途入口什麼時候用？重要性
開始零基礎設定指南第一次安裝與執行⭐⭐⭐⭐⭐
如何使用這份教材開始第一個動手練習前⭐⭐⭐⭐⭐
學習進度表想知道下一步或記錄完成項目⭐⭐⭐⭐
學習核心名詞表遇到 Token、RAG、MCP 等陌生詞⭐⭐⭐⭐⭐
可執行範例入口想直接跑離線測試與小型案例⭐⭐⭐⭐⭐
實作 Cookbook想做 Skill、MCP、Office、Zotero 或本機 LLM⭐⭐⭐⭐
查資料資源工具櫃不知道該查 Guide、Catalog 還是 Cookbook⭐⭐⭐⭐⭐
完整資源清單想找官方文件、課程、社群與延伸閱讀⭐⭐⭐⭐
CLI Agent 選擇指南準備走 Track A 或比較 CLI 工具⭐⭐⭐⭐
課程與認證地圖分清完成證書、技能徽章與認證考試⭐⭐⭐⭐
## 🤝 一起改進這張地圖 - 內容錯誤、失效連結或過時資訊：請開 [Issue](https://github.com/WenyuChiou/awesome-agentic-ai-zh/issues)。 - 想補一個專案或學習資源：請附上「它教哪個 Stage 的什麼」。 - 準備送 PR：先看 [CONTRIBUTING.md](CONTRIBUTING.md) 與[寫作規範](resources/style-guide.md)。 - 最近更新內容：查看 [CHANGELOG.md](CHANGELOG.md)。
🧰 展開：完整貢獻方式與自動檢查 你可以修正文字、補三語鏡像、回報缺少的主題，或長期維護一個 Stage／角色路線。新增 GitHub 專案連結時，自動檢查會協助查看封存狀態、License 與最近更新；是否收錄仍由 maintainer 依學習價值判斷。 完整角色與規則見 [CONTRIBUTORS.md](CONTRIBUTORS.md)。
## 🙏 重要啟發與相關專案 - [**Datawhale Hello-Agents**](https://github.com/datawhalechina/hello-agents) — 適合需要完整章節與深度實作的讀者。 - [**Datawhale 社群**](https://github.com/datawhalechina) — 中文機器學習共學社群，提供許多可靠的學習入口。 - [**liyupi/ai-guide**](https://github.com/liyupi/ai-guide) — 偏向廣度資源庫；本 repo 則負責安排學習順序。
📖 展開：貢獻者與引用格式 [![Contributors](https://contrib.rocks/image?repo=WenyuChiou/awesome-agentic-ai-zh)](https://github.com/WenyuChiou/awesome-agentic-ai-zh/graphs/contributors) ```bibtex @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} } ```
## ☕ 支持與聯絡 這份學習地圖採 MIT 授權，會繼續免費公開。一般問題與建議請使用 Issue；需要私下聯絡時可寄信至 [wenyuchiou12@gmail.com](mailto:wenyuchiou12@gmail.com)。 如果這份地圖幫到你，歡迎給一個 ⭐ Star，或[請作者喝杯咖啡](https://www.buymeacoffee.com/wenyuchiou)。 [![Greptile: The War on Bugs](https://www.greptile.com/badge.svg)](https://www.greptile.com/?utm_source=oss_badge&utm_medium=readme&utm_campaign=greptile_for_open_source) ## ⭐ Star 歷史 [![此專案的 GitHub Star 歷史圖](https://api.star-history.com/svg?repos=WenyuChiou/awesome-agentic-ai-zh&type=Date)](https://www.star-history.com/#WenyuChiou/awesome-agentic-ai-zh&Date) ## License MIT。Maintained by [@WenyuChiou](https://github.com/WenyuChiou)。