Hello-Agents 学习指南
原文：Hello-Agents - 从零开始构建智能体 — Datawhale
项目概述
如果说 2024 年是"百模大战"元年，2025 年则开启了 Agent 元年。Hello-Agents 是 Datawhale 社区的系统性智能体学习教程，旨在提供从零开始、理论与实战并重的智能体构建指南。
两类 Agent 构建路径
| 类型 | 代表 | 本质 |
|---|---|---|
| 流程驱动类 | Dify、Coze、n8n | 软件工程，LLM 作为后端数据处理 |
| AI 原生类 | AutoGen、LangGraph、helloagents | 真正以 AI 驱动的 Agent（本教程重点） |
教程内容导航
第一部分：智能体基础
| 章节 | 关键内容 |
|---|---|
| 初识智能体 | Agent 定义、类型、范式与应用 |
| 智能体发展史 | 从符号主义到 LLM 驱动的演进 |
| 大语言模型基础 | Transformer、提示工程、主流 LLM 及其局限 |
第二部分：构建 LLM 智能体
| 章节 | 关键内容 |
|---|---|
| 智能体经典范式构建 | ReAct、Plan-and-Solve、Reflection 手把手实现 |
| 基于低代码平台的搭建 | Coze、Dify、n8n 等平台使用 |
| 框架开发实践 | AutoGen、AgentScope、LangGraph 等主流框架 |
| 构建你的 Agent 框架 | 从 0 开始构建自己的智能体框架 |
第三部分：高级知识扩展
| 章节 | 关键内容 |
|---|---|
| 记忆与检索 | 记忆系统、RAG、存储 |
| 上下文工程 | 持续交互的"情境理解" |
| 智能体通信协议 | MCP、A2A、ANP 等协议解析 |
| Agentic-RL | 从 SFT 到 GRPO 的 LLM 训练实战 |
| 智能体性能评估 | 核心指标、基准测试与评估框架 |
第四部分：综合案例
| 案例 | 说明 |
|---|---|
| 智能旅行助手 | MCP 与多智能体协作的真实世界应用 |
| 自动化深度研究 Agent | DeepResearch Agent 复现与解析 |
| 赛博小镇 | Agent 与游戏结合，模拟社会动态 |
核心范式速查
| 范式 | 说明 |
|---|---|
| ReAct | Reason + Act，推理-行动循环 |
| Plan-and-Solve | 先规划再执行 |
| Reflection | 自我反思改进 |
| Tool Use | 函数调用/工具调用 |
| Memory | 短/长期记忆管理 |
| Multi-Agent | 多智能体协作 |
协议对比
| 协议 | 说明 |
|---|---|
| MCP | Model Context Protocol，模型上下文协议 |
| A2A | Agent to Agent，智能体间通信协议 |
| ANP | Agent Network Protocol |