Hello-Agents 原书第 1~12 章：零基础通读 + 从 0 到 1 手敲

这个目录对应原书第一部分到第三部分（第 1~12 章）的逐章精讲。

和 docs/2/ 的区别：docs/2/ 是"综合案例 + 自研项目"路线（对应原书第四、五部分），这里是"基础与原理"路线——把每一章的每个术语讲到零基础能懂，并且每一章都给出可以从空目录一行行敲出来、敲完就能跑的代码。

每篇的固定结构（这就是你要求的"是什么 → 怎么用 → 相关知识"）：

1. 一句话总结 + 这一章解决什么问题
2. 核心知识点详解：每个新词先说"它是什么"（打比方），再说"怎么用"（代码/步骤），最后说"相关知识"（和前后章节怎么串）
3. 动手环节：完整代码分节给出，每节末尾一个 ✅ Checkpoint，跑通了再往下
4. 踩坑与专家提示：真实开发里会翻车的地方
5. 面试怎么讲：可以直接背的表述
6. 本章小结

目录

附录 A 什么时候读？ 如果你有其他语言的开发经验（Android/Java/Kotlin/iOS/前端）但没写过 Python，先读附录 A 再开始第 1 章——它把语法、uv 工程链路、发布和部署一次补齐，16 个 Checkpoint 全部贴的是真实运行输出。如果你已经能写 Python，把它当查阅手册用（按目录查 ImportError、GIL、async 失效、Docker 层缓存等）。

怎么配合 docs/2 一起学

docs/1  原理与基础(第1~12章)          docs/2  项目与工程化(第13~16章+扩展)
──────────────────────────           ──────────────────────────────────
01 智能体是什么 ──────────────────→ 03 Agent原理与框架精讲
03 LLM基础(注意力/分词/采样) ─────→ 17 面试冲刺(底层原理追问)
04 三大范式(ReAct/Plan/Reflect) ──→ 11/13 手敲Agent、深度研究智能体
07 造框架 ═══════════════════════→ 18 终极手敲:构建你自己的Agent框架
08 记忆与RAG ─────────────────────→ 11 双层记忆、14 记忆小镇
09 上下文工程 ────────────────────→ 16 坑7/坑8(上下文超限与人设漂移)
10 通信协议(MCP/A2A) ─────────────→ 05 项目一(高德地图 MCP)
11 Agentic-RL ───────────────────→ 15 模型微调与私有化部署
12 评估 ─────────────────────────→ 16 坑15/坑16(评估集与对抗测试)

推荐顺序：先 docs/1 的 01~04（打地基）→ 再 docs/2 的 01~04（补 Python 与 Web 基础）→ 回来学 docs/1 的 08~12 → 最后 docs/2 的项目篇。如果你只想尽快做出东西，可以先 docs/1/01、docs/1/04，然后直接跳 docs/2/11。

环境与花费

• 正文（第 1~12 章）要求 Python 3.10 及以上（第 3 章的 list[str] 写法、第 7 章的框架都要求 3.10+）
• 附录 A 要求 Python 3.12（它用到了 datetime.UTC、def f[T]() 泛型语法等 3.12 才有的写法，且示例项目 pyproject.toml 里写了 requires-python = ">=3.12"）。附录 A 第 1 节会教你用 uv 装任意版本的 Python，不影响系统环境
• 除第 11 章的训练环节（需要 GPU，可跳过）外，所有代码都能在一台普通笔记本上跑
• 需要一个国内大模型的 API Key（DeepSeek / 智谱 / ModelScope 都行），全部章节跑完的 LLM 花费在 10 元以内
• 第 9、12 章的部分代码完全不需要联网、不需要 API Key（纯算法实现），第 3 章的四个实验、第 8 章和第 11 章的实验全部离线（第 3 章只有可选的第五个实验要下载 1GB 模型，第 8 章最后接真模型那一步才需要 Key），可以先从这些开始建立信心
• 附录 A 全程不需要 API Key，除最后的 Docker 部分需要装 Docker Desktop 外全部离线

准备好了就从 00-前言 开始（没写过 Python 的话，先去 附录 A）。