datawhalechina/hello-agents · 上手攻略
- 仓库：datawhalechina/hello-agents
- 链接：https://github.com/datawhalechina/hello-agents
- 分类：ai · skill · tutorial
- 作者：Tom
- 更新：2026-07-05
这是什么
hello-agents（全称《从零开始构建智能体》）是 Datawhale 社区开源的系统性 AI Agent 学习教程，stars 33K+，周增 +658。项目覆盖从"智能体"概念溯源到完整多智能体系统构建的全链路，配套开源书籍、代码仓库、视频课程（陆续放出），完全免费。
教程的核心主张：两派 Agent——流程驱动的低代码平台（Coze/Dify/n8n）vs. 真正的 AI Native Agent——本教程聚焦后者，带你穿透框架表象，从范式原理出发，最终从零构建自己的多智能体框架（HelloAgents）。
解决什么问题
当前 Agent 相关资源极度分散：博客碎片化、文档面向使用者而非构建者、框架教程缺乏原理支撑。本教程填补了这个空白——一本从零到一、理论与实战并重的 Agent 系统构建指南，尤其适合想从"LLM 调用者"进化为"智能体系统架构师"的开发者。
快速安装
本项目是教程型仓库，无需安装到本地，学习方式如下：
# 方式一：直接阅读 GitHub docs（推荐）
# 文档已按章节组织，每章独立 .md 文件
# 链接格式：https://github.com/datawhalechina/hello-agents/blob/main/docs/
# 方式二：克隆到本地
git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents
# 方式三：下载 PDF（国内外均有镜像）
# 国际：https://github.com/datawhalechina/hello-agents/releases/latest/
# 国内：https://www.datawhale.cn/learn/summary/239
# 配套代码（HelloAgents 自研框架）
# https://github.com/jjyaoao/helloagents
前置要求：Python 基础、会调用 LLM API（不需要训练模型）。
核心用法
教程结构速览
项目分 五大部分、十六章，是系统性学习的最佳路线图：
| 部分 | 内容 | 核心章节 |
|---|---|---|
| 第一部分 | 智能体与语言模型基础 | 第 1-3 章：概念、历史、LLM 原理 |
| 第二部分 | 构建你的大语言模型智能体 | 第 4-7 章：范式实现、低代码平台、主流框架、自研框架 |
| 第三部分 | 高级知识扩展 | 第 8-12 章：记忆、上下文工程、通信协议、Agentic RL、评估 |
| 第四部分 | 综合案例进阶 | 第 13-15 章：旅行助手、深度研究 Agent、赛博小镇 |
| 第五部分 | 毕业设计 | 第 16 章：构建完整多智能体应用 |
配套代码实践
# HelloAgents 框架（配套自研代码库）
# https://github.com/jjyaoao/helloagents
# 安装（建议 Python 3.10+）
pip install helloagents
# 基本用法示例（基于 OpenAI 原生 API）
from helloagents.core import Agent
from helloagents.prompts import ReActPrompt
agent = Agent(
model="gpt-4o",
prompt=ReActPrompt(),
tools=[...], # 接入搜索、代码执行等工具
)
result = agent.run("帮我规划北京三日游行程")
主流框架速查
| 框架 | 定位 | 适用场景 |
|---|---|---|
| LangGraph | DAG 式多智能体编排 | 复杂工作流、需要状态管理 |
| AutoGen | 多智能体对话协作 | 代理协商、代码生成 |
| AgentScope | 国产主流，专注多智能体仿真 | 学术研究、社会模拟 |
| HelloAgents | 自研教学框架，从 0 到 1 | 理解原理、二次开发 |
⚠️ 版本注意：HelloAgents 在 2026-05 已更新 V1.0.0，早期版本有 Breaking Changes，学习时请以 GitHub 最新版为准。
典型适用场景
① 系统学习 AI Agent 开发 有编程基础但不了解 Agent 架构，跟着教程从第一章走到第十六章，配套代码全部亲手跑一遍，可获得完整的 Agent 开发能力图谱。
② 面试准备 Extra-Chapter 提供了 Agent 岗位面试题与参考答案，涵盖范式原理、框架对比、实战踩坑等高频考点。
③ 基于框架二次开发 HelloAgents 框架代码结构简洁，适合作为起点，定制自己的多智能体应用（参考第十六章毕业设计）。
④ 教学或内部培训 PDF 可自由分发（需注明 Datawhale 开源协议），适合团队内部 AI 能力建设。
坑与注意
- 内容为中文：教程正文、代码注释、配套视频均为中文，海外用户需借助翻译工具。
- HelloAgents 框架较新：V1.0.0 于 2026-05 发布，部分功能仍在快速迭代，生产环境使用前需确认版本稳定性。
- 部分章节有依赖顺序：建议按顺序学习，跳读第四章以后的章节可能因基础概念缺失而吃力。
- 第四/五部分实操要求较高：建议有一定 Python 基础后再挑战赛博小镇和毕业设计章节。
- GitHub 访问不稳定：国内建议使用镜像站
hello-agents.datawhale.cc或 Gitee 备份。
与同类对比
| 教程 | 特点 | 适合人群 |
|---|---|---|
| hello-agents（本仓库） | 理论+原理+从0自研框架，中文，体系完整 | 想深入理解 Agent、愿意动手造轮子的开发者 |
| LangChain/LangGraph 官方文档 | 工具链全面，英文，侧重框架使用 | 需要快速用框架构建原型 |
| Dify/Coze 官方教程 | 低代码，侧重产品使用 | 非开发者或快速原型 |
| AutoGen 示例合集 | 微软出品，多智能体对话 | 研究多代理协商场景 |
hello-agents 的差异化：重原理、不只是调 API；从零构建 HelloAgents 框架，兼具"用轮子"和"造轮子"能力；配套中文书籍，学习曲线平滑。
一句话推荐结论
如果你想从 LLM 调用者进化为智能体系统构建者，且愿意动手从 0 理解范式、搭建框架，这本完全免费的中文教程是当前中文社区最系统的选择，33K Stars 背书，值得投入时间。
数据来源：GitHub README、Datawhale 官方文档、HelloAgents GitHub 仓库。HelloAgents 版本信息截至 2026-05，建议以 https://github.com/jjyaoao/helloagents 最新 Release 为准。