本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
如果说2024年是"百模大战"的元年，那么2025年无疑开启了"Agent元年"。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 Hello-Agents 项目------一个从零开始、理论与实战并重的智能体系统构建指南。
项目简介： Hello-Agents 是Datawhale社区的系统性智能体学习教程。在如今Agent主要分为两派，一派是Dify，Coze，n8n这类软件工程类Agent，其本质只是将模型作为返回字符串的后端；另一派则是AI原生的Agent，即真正以AI驱动的Agent。本教程旨在带领大家深入理解并构建后者------真正的AI Native Agent。
我们相信，最好的学习方式就是动手实践。希望这本教程能成为你探索智能体世界的起点，能够从一名大语言模型的"使用者"，蜕变为一名智能体系统的"构建者"。在这个项目中你将获得：
- 🔍 深入理解智能体的概念、历史与经典范式
- 🏗️ 掌握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
- ⚙️ 一步步实现上下文工程、Memory、协议、评估等系统性技术
- 🤝 掌握Agentic RL，从SFT到GRPO的全流程实战训练LLM
- 🚀 实战开发智能旅行助手、赛博小镇等综合项目
- 📖 学习智能体求职相关面试问题
开源地址：
github.com/datawhalech...
项目受众
本项目适合大学生、研究人员、Agent 爱好者。
在学习项目之前，我们希望你具备基础的 Python 编程能力，并对大语言模型有基本的概念性了解（例如，知道如何通过 API 调用一个 LLM）。本项目的重点是应用与构建，因此你无需具备深厚的算法或模型训练背景。
学习指南
本项目分为五部分，覆盖基础到实战，循序渐进，层层相扣。
每一部分都是通往下一阶段的坚实阶梯：
- 第一部分：智能体与语言模型基础（第1章～第3章），我们将从智能体的定义、类型与发展历史讲起，为你梳理"智能体"这一概念的来龙去脉。随后，我们会快速巩固大语言模型的核心知识，为你的实践之旅打下坚实的理论地基。
- 第二部分：构建你的大语言模型智能体（第4章～第7章），这是你动手实践的起点。你将亲手实现 ReAct 等经典范式，体验 Coze 等低代码平台的便捷，并掌握 Langgraph 等主流框架的应用。最终，我们还会带你从零开始构建一个属于自己的智能体框架，让你兼具"用轮子"与"造轮子"的能力。
- 第三部分：高级知识扩展（第8章～第12章），在这一部分，你的智能体将"学会"思考与协作。我们将使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训练等核心技术，并学习多智能体间的通信协议。最终，你将掌握评估智能体系统性能的专业方法。
- 第四部分：综合案例进阶（第13章～第15章），这里是理论与实践的交汇点。你将把所学融会贯通，亲手打造智能旅行助手、自动化深度研究智能体，乃至一个模拟社会动态的赛博小镇，在真实有趣的项目中淬炼你的构建能力。
- 第五部分：毕业设计及未来展望（第16章），在旅程的终点，你将迎来一个毕业设计，构建一个完整的、属于你自己的多智能体应用，全面检验你的学习成果。我们还将与你一同展望智能体的未来，探索激动人心的前沿方向。
实战项目效果演示
在旅行管理助手项目中，我们将会实现Agent与MCP协议，前后端软件开发的实战演示。
在赛博小镇的案例中，我们将会使用Agent和Memory系统，尝试与游戏引擎结合构建一个智能体小镇。
特别感谢
智能体是一个飞速发展且极度依赖实践的领域。为了获得最佳的学习效果，我们在项目的code文件夹内提供了配套的全部代码，强烈建议你将理论与实践相结合。请务必亲手运行、调试甚至修改项目里提供的每一份代码。欢迎你随时关注 Datawhale 以及其他 Agent 相关社区，当遇到问题时，你可以随时在本项目的 issue 区提问。
感谢长期以来大家的支持和催更~
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。