繁體中文 | 简体中文 | English
![从 Stage 0–2 共用基础分流到 CLI 与 Agent 路线，共用 Stage 5、8，再按需选择角色路线](resources/diagrams/banner.zh-Hans.svg) # 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。** [![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) [![在线文档站](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)
> 📱 手机阅读请使用[在线文档站](https://wenyuchiou.github.io/awesome-agentic-ai-zh/)。 ## 🎯 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，它会读取当前情况、选择下一步，需要时使用工具，再根据结果继续、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和权限内行动。只回答一次的聊天机器人，或每一步都预先固定好的脚本，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、观测与失败恢复。 这里的角色是**学习路线图 + 精选资源 + 可直接运行的小练习**。需要完整章节时，我们会带你去官方文档、[Datawhale Hello-Agents](https://github.com/datawhalechina/hello-agents) 或对应的 Cookbook，不重写另一套百科全书。需要连接模型时，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](resources/glossary.zh-Hans.md)。 ## 🚀 现在就开始 1. **完全没写过程序**：从 [Stage 0：基础准备](stages/00-foundations.zh-Hans.md)开始；API 或 CLI Agent 不熟时，搭配[零基础设置指南](resources/setup-guide.zh-Hans.md)。 2. **已经会 Python、Git 与 API**：从 [Stage 1：LLM 基础](stages/01-llm-basics.zh-Hans.md)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；只走日常用户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 UserA1：选一个 CLI Agent
自己写 Agent、工具循环、Workflow 与服务Track B — Agent BuilderStage 3：第一个 Agent Loop
只想在日常生活安全使用 AI，暂时不写程序日常用户路线日常用户指南
💻 展开：下载到本机 ```powershell git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git cd awesome-agentic-ai-zh ``` 下载后先打开 `stages/00-foundations.zh-Hans.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 ![AI Agent 学习地图](resources/diagrams/learning-map.zh-Hans.png) 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。日常用户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，程序交换数据常用的文本格式），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、数据、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，用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`。 Stage 8 建议接着学，不影响开始 Track A Capstone。
顺序这一步解决什么？完成后你能做什么？
A1 · 选一个 CLI AgentOpenRouter、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、人工检查与记录完成集成
8 · Agent 操作界面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）与恢复
7.5 · 进阶 Agentic 概念地图还有哪些进阶 Pattern 值得认得？从 12 个概念选读 PAR loop、agent-as-judge 等需要的主题
8 · Agent 操作界面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 加入 Eval、观测、批准与恢复，让流程稳定运行。 > 🔭 **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。 Track A 完成 A3 后，可开始 [Capstone 项目](CAPSTONE.zh-Hans.md)。Track B 则先完成 Stage 8（含 Stage 7.5）。用 [PROGRESS.zh-Hans.md](PROGRESS.zh-Hans.md) 记录进度。
⏱️ 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** 是操作界面 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。
### 依你的身份继续走 ![研究、开发、教学、知识工作与日常使用是五种选择，按需选读，不必全部走完](resources/diagrams/branch-decision-tree.zh-Hans.svg)
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、测试与回滚
🎓 教师老师、讲师备课、反馈、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
👥 日常用户不一定写程序的 AI 用户写作、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. **直接复制第一个命令**：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。 ## 📚 先收藏的学习入口 这里只放最常用入口；完整清单在 [RESOURCES.zh-Hans.md](RESOURCES.zh-Hans.md)。星号表示**学习优先顺序**，不是项目排行榜。
用途入口什么时候用？重要性
开始零基础设置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、技能徽章和认证考试⭐⭐⭐⭐
## 🤝 一起改进这张地图 - 内容错误、失效链接或过时信息：请开 [Issue](https://github.com/WenyuChiou/awesome-agentic-ai-zh/issues)。 - 想补一个项目或学习资源：请附上“它教哪个 Stage 的什么”。 - 准备送 PR：先看 [CONTRIBUTING.zh-Hans.md](CONTRIBUTING.zh-Hans.md) 与[写作规范](resources/style-guide.zh-Hans.md)。 - 最近更新内容：查看 [CHANGELOG.md](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 项目链接时，自动检查会协助查看归档状态、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](CONTRIBUTORS.md)。
## 🙏 重要启发与相关项目 - [**Datawhale Hello-Agents**](https://github.com/datawhalechina/hello-agents) — 适合需要完整章节与深度实作的读者。 - [**Datawhale 社群**](https://github.com/datawhalechina) — 中文机器学习共学社群，提供许多可靠的学习入口。 - [**liyupi/ai-guide**](https://github.com/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 [![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](mailto: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](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 历史 [![本项目的 GitHub Star 历史图](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)。