Hello-Agents 是 Datawhale 社区出的《从零开始构建智能体》教程，GitHub 上 69,000 颗星、8,593 个 fork、Python、CC BY-NC-SA 4.0 协议，仓库 2025 年 9 月 7 日创建，最新 release V1.0.3，Trendshift 在榜。注意它不是运行时框架，而是一套从零到一的中文智能体系统学习教程--五部分十六章正文加十余篇社区精选，从智能体定义、发展史讲到 ReAct/Plan-and-Solve/Reflection 手写实现，再到自研框架 HelloAgents、Agentic RL 训练、智能旅行助手与赛博小镇综合案例，配 code 文件夹全部可跑代码。一句话：带你从大语言模型的"使用者"蜕变为智能体系统的"构建者"。
解决什么痛点
2025 被称作"Agent 元年"，技术焦点从训练更大的基础模型转向构建更聪明的智能体应用，但系统性、重实践的教程却极度匮乏。市面上的资源主要两类：一类是 Dify、Coze、n8n 这类低代码平台的"使用手册"，教你拖拽编排，不讲底层原理，换个框架就抓瞎；另一类是各框架的官方文档（LangGraph、AutoGen、AgentScope），散落各处、各说各话、只覆盖自家生态。英文世界有 Andrew Ng、DeepLearning.AI 的 agent 课程，但中文系统性的、能从理论一路带到自研框架和模型训练的实践教程几乎空白。想真正构建 AI 原生 Agent 的人，得自己拼凑符号主义历史、Transformer 基础、ReAct 范式、RAG 记忆、MCP 协议、GRPO 训练这些碎片。Hello-Agents 把这条路径打通成一套免费中文教程，核心主张是穿透框架表象、从智能体核心原理出发，最终亲手构建属于自己的多智能体应用。
五部分十六章：从理论到毕业设计的完整路径
教程分五大部分、十六章，全部章节标记为完成状态，是一条从地基到顶层的完整阶梯。
| 部分 | 章节 | 关键内容 |
|---|---|---|
| 一 智能体与语言模型基础 | 第 1-3 章 | 智能体定义/类型/范式/应用、从符号主义到 LLM 驱动的演进史、Transformer 与主流 LLM 及其局限 |
| 二 构建你的大语言模型智能体 | 第 4-7 章 | 手把手实现 ReAct/Plan-and-Solve/Reflection、Coze/Dify/n8n 低代码平台、AutoGen/AgentScope/LangGraph 主流框架、从零构建自研框架 |
| 三 高级知识扩展 | 第 8-12 章 | 记忆与检索(RAG)、上下文工程、通信协议(MCP/A2A/ANP)、Agentic-RL(SFT→GRPO)、性能评估 |
| 四 综合案例进阶 | 第 13-15 章 | 智能旅行助手(MCP+多智能体协作)、自动化深度研究智能体(DeepResearch 复现)、赛博小镇(Agent+社会动态模拟) |
| 五 毕业设计及未来展望 | 第 16 章 | 构建属于自己的完整多智能体应用 |
第一部分是理论地基，三章把"智能体是什么、从哪来、靠什么驱动"讲清；第二部分是动手起点，第四章先把 ReAct、Plan-and-Solve、Reflection 三大经典范式用代码手写一遍，再带读者横向体验低代码平台与主流框架，最后第七章从零造一个属于自己的智能体框架；第三部分让智能体"学会思考与协作"，用第二部分的自研框架深入记忆、上下文、协议、训练与评估；第四部分是综合实战，把所学融会贯通到真实项目；第五部分用毕业设计收口，全面检验学习成果。
两条路线之争：AI 原生 vs 流程驱动
这是教程的核心立论。README 明确把当前 Agent 构建分两派：一派是 Dify、Coze、n8n 这类软件工程类 Agent，本质是流程驱动的软件开发，LLM 只作为数据处理的后端；另一派是 AI 原生 Agent，真正以 AI 驱动。Hello-Agents 锁定后者，带你穿透框架表象、从核心原理出发。所以第四章不是教你怎么调某个框架的 API，而是把 ReAct（推理与行动交替）、Plan-and-Solve（先规划再求解）、Reflection（自我反思修正）三大经典范式逐行手写实现--这些是所有 agent 框架的底层骨架，框架换了它们不变。第五章才横向体验 Coze、Dify、n8n 低代码平台，第六章上手 AutoGen、AgentScope、LangGraph 等主流框架，目的是让你"用过轮子、看得懂别人怎么造"。到第七章就让你自己从零造一个智能体框架，基于 OpenAI 原生 API，整套下来既会"用轮子"也会"造轮子"，不会被困在某个框架的版本升级里。
自研框架 + Agentic RL：从"用轮子"到"造轮子"再到"训模型"
第七章构建的自研框架 HelloAgents（独立仓库 github.com/jjyaoao/helloagents，基于 OpenAI 原生 API）是后续高级章节的底座。第三部分就用它深入四项核心技能：第八章记忆与检索，讲记忆系统、RAG、存储；第九章上下文工程，处理持续交互的"情境理解"；第十章智能体通信协议，解析 MCP、A2A、ANP；第十二章智能体性能评估，讲核心指标、基准测试与评估框架。最有区分度的是第十一章 Agentic-RL--从 SFT 到 GRPO 的 LLM 训练全流程实战，这是绝大多数 agent 教程根本不碰的领域，Hello-Agents 把它做成了可跑的代码。第四部分三个综合案例也都有真实落点：第十三章智能旅行助手落 MCP 与多智能体协作，第十四章复现自动化深度研究智能体（DeepResearch Agent），第十五章构建赛博小镇，把 Agent 与游戏结合、模拟社会动态。教程还在 code 文件夹提供全部配套代码，强烈建议边读边跑。此外社区贡献精选（Extra-Chapter）已积累十余篇扩展，覆盖 Agent 面试题总结与答案、上下文工程补充、Dify 保姆级教程、GUI Agent 与 WebAgent 实战、Agent Self-Evolution 自进化、旅行助手后训练实战等，正文之外的增量很实在。
三分钟上手
这是一套学习教程，不是要装运行时，"上手"就是开始读、开始跑代码。
# 1. 在线读（无需下载）
# 国外: https://datawhalechina.github.io/hello-agents/
# 国内加速: https://hello-agents.datawhale.cc
# 2. 本地克隆，按章节读
git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents
# 正文在 docs/，按章节目录逐章推进
# 3. 跑配套代码
cd code # 全部章节配套代码
# 自研框架 HelloAgents 跑第七章以后的内容需配 OpenAI API key
# 4. 要 PDF 离线版
# GitHub Releases: https://github.com/datawhalechina/hello-agents/releases/latest/
# 国内下载: https://www.datawhale.cn/learn/summary/239前置要求：基础 Python 编程能力，对大语言模型有概念性了解（知道怎么用 API 调一个 LLM 即可），不要求算法或模型训练背景，项目重点在应用与构建。
适合谁 + 五个踩坑
适合：有编程基础的 AI 开发者、软件工程师、在校学生，以及对前沿 AI 有兴趣的自学者；想从 LLM"使用者"蜕变为 Agent"构建者"的人；求职者--Extra-Chapter 里有 Agent 岗位面试题总结与参考答案，加上实战项目，求职加分；教学场景--Datawhale 社区教程，适合做课程或自学教材。
五个踩坑。一是定位别搞错：这是教程不是生产工具，别指望 clone 下来当运行时 agent 部署，第七章的 HelloAgents 框架是教学版，要上生产得自己加固。二是协议别踩线：CC BY-NC-SA 4.0 明确非商业性使用，商用前看清条款，PDF 还预埋了 Datawhale 水印防营销号倒卖。三是章节虽全但内容在演进：16 章正文已全部完成状态，但视频课程仍在陆续放出，教程仓库 release 已到 V1.0.3、自研 HelloAgents 框架 V1.0.0 起也在持续完善，跟着主线学、扩展按需挑。四是篇幅不小：16 章正文加十余篇扩展，配代码全跑一遍是认真投入，不是周末速成。五是成本：第三部分 Agentic-RL 和高级章节需要 OpenAI API 预算，GRPO 训练对显卡有要求，量力而行。
和竞品比
和 Dify/Coze/n8n 的低代码教程比，本质是"用工具"对"懂原理"：前者快、能马上搭出能用的 agent，但换个框架就抓瞎，LLM 只在后端处理数据；Hello-Agents 穿透到 AI 原生 Agent 的核心原理，从 ReAct/Plan-and-Solve/Reflection 手写到自研框架再到 Agentic RL，让你会"造工具"。和各框架官方文档（LangGraph、AutoGen、AgentScope）比，那些是零散的、各管各生态的 API 参考；Hello-Agents 是一套统一的、横跨多框架对比、还带自研框架的中文课程，16 章有清晰递进路径。和英文 agent 课程（如 Andrew Ng / DeepLearning.AI 系列）比，内容深度和实战量不输，而且是中文、免费、Trendshift 在榜、Datawhale 社区背书，配套代码和面试题都现成。一句话：想三天搭个能跑的 agent 去低代码平台；想系统搞懂 AI 原生 Agent 并亲手造一个，选 Hello-Agents。
参考来源
- Hello-Agents GitHub 仓库（69k star，Python，CC BY-NC-SA 4.0）：https://github.com/datawhalechina/hello-agents
- 在线阅读（国外访问）：https://datawhalechina.github.io/hello-agents/
- 在线阅读（国内加速）：https://hello-agents.datawhale.cc
- PDF 下载（GitHub Releases，V1.0.3）：https://github.com/datawhalechina/hello-agents/releases/latest/
- 自研框架 HelloAgents（基于 OpenAI 原生 API）：https://github.com/jjyaoao/helloagents
- Trendshift 榜单：https://trendshift.io/repositories/15520