全栈开发知识库

前言:这本教程讲什么、怎么学

一句话总结

《Hello-Agents》是 Datawhale 社区出品的一本免费开源教程,教你从零开始亲手打造"智能体"——让 AI 不只是陪你聊天,还能自己动脑规划、动手干活的程序。


先把三个绕不开的词讲明白

大语言模型(LLM):就是 ChatGPT、DeepSeek 这类聊天 AI 的学名。你可以把它想象成一个"读过全世界的书、特别会说话的大脑"——你问什么它都能答。但它只会"说",不会"做"。

智能体(Agent):给这个大脑装上手和脚。比如你说"帮我订一张明天去上海的机票",普通聊天 AI 只能告诉你订票步骤,而智能体会真的去查航班、比价格、完成预订。一句话:LLM 是嘴,Agent 是嘴 + 手 + 脚。

API:程序之间"打电话"的方式。你写的程序想借用 ChatGPT 的聪明才智,不用自己造一个 AI,只要通过 API 给对方服务器"打个电话",把问题发过去,答案就传回来。

为什么现在值得学这个

前言里有个重要判断:2024 年是"百模大战"元年——各家公司拼命比谁的模型更强;而 2025 年开启了"Agent 元年"——大家发现,与其训练更大的模型,不如研究怎么让现有的模型学会自主做事,这才是能真正落地干活的方向。

再往前一步是多智能体系统(MAS):让好几个 AI 组成一个小团队,有的查资料、有的写方案、有的挑毛病,互相配合甚至互相辩论,共同完成单个 AI 搞不定的复杂任务。这被认为是释放大模型全部潜力的"关键钥匙"。

这本教程和别的教程有什么不一样

作者观察到一个现象:市面上 Agent 框架和教程满天飞,但大多只教"某个框架的按钮怎么按",学的人知其然不知其所以然——就像只会背一份菜谱,换道菜就傻眼了。

这本教程反着来:从原理讲起,带你亲手造轮子。你不仅会用现成的框架,还会自己写出一个智能体框架,真正明白它肚子里是怎么运转的。学完的目标是:从大模型的"使用者",蜕变成智能体系统的"构建者"。

全书五大部分,一条循序渐进的路线

  1. 基础篇(第 1~3 章):什么是智能体、它的发展历史、大语言模型的基本原理。相当于先认识食材。
  2. 单体篇(第 4~7 章):动手做出你的第一个智能体,理解它内部的"心智结构",最后自己写一个框架。相当于学会独立做第一道菜。
  3. 高级篇(第 8~12 章):给智能体装上记忆、工具、与其他智能体沟通的协议,并学会评估它干得好不好。相当于进阶厨艺。
  4. 实战篇(第 13~15 章):做三个完整项目——智能旅行助手、自动深度研究助手、AI 模拟小镇。相当于办一整桌宴席。
  5. 展望篇(第 16 章):毕业设计,独立完成一个属于你自己的多智能体应用。

开始之前需要什么基础

官方的期望很低:会一点 Python(一门对新手最友好的编程语言)、大概知道"调用 LLM 的 API"是怎么回事就行。不需要懂算法、不需要会训练模型——教程的重点是应用与构建,不是数学推导。如果你完全零基础,先花一两周补一下 Python 入门即可上路。

官方给的学习建议

  • 一定要动手。项目的 code 文件夹里配套了全部代码,务必亲手运行、调试、改一改甚至弄坏再修好。原文引了一句诗:"纸上得来终觉浅,绝知此事要躬行。"
  • 举一反三。学完一个案例,试着把技术套用到你自己感兴趣的真实场景,这才是学习的最终目的。
  • 善用社区。这是开源项目,遇到问题可以去 GitHub 的 issue 区提问,有想法也欢迎参与共建。

划重点

  • LLM 是"会说话的大脑",Agent 是"会干活的大脑",API 是程序间打电话的方式
  • 行业焦点正从"训练更强的模型"转向"构建更聪明的智能体",多智能体协作是未来方向
  • 本教程的独特之处:不只教你用框架,而是从原理出发带你亲手造一个框架
  • 学习路线五步走:基础 → 单体 → 高级 → 实战 → 毕业设计
  • 最重要的一条学习方法:亲手跑代码,光看不练等于没学
本页由 Markdown 自动渲染 · 共 628 篇笔记