16 章从零构建你自己的智能体Hello-Agents 原理到实战的完整教程【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents你想做 AI Agent却常常卡在入门第一步框架官方文档直接甩给你一堆 API跑完示例还是不明白它为什么这么工作网上的资料要么是 PPT 概念要么是几十行的玩具脚本改一处就崩。Hello-Agents 是 Datawhale 社区开源的从零构建智能体系统教程先用十几行代码让你亲手写出 ReAct 这类经典范式再走框架、低代码平台、自研框架最后落到记忆、上下文工程、通信协议和模型训练一路做到能玩的综合项目。16 章正文配上仓库 code/ 目录里全部可运行的配套代码可以边读边跑。十分钟上手跑通第一个天气智能体起步部分很简单。克隆仓库后直接进第一章的案例目录git clone https://gitcode.com/GitHub_Trending/he/hello-agents cd hello-agents/code/chapter1打开 FirstAgentTest.py把文件里的 API_KEY、BASE_URL、MODEL_ID 三个占位符换成你手上任意 LLM 服务的凭证OpenAI 兼容的服务都能接。运行之后这个旅行助手会先查北京天气再根据天气搜索推荐景点最后给你一句完整的行程建议。你会在终端里看到它思考—行动—观察—再思考的完整循环这是理解 Agent 最直观的方式。16 章学习路线从用轮子到造轮子教程分五个部分每部分任务明确按章学不会迷路。打基础第 1-3 章先讲清智能体到底是什么、它从符号主义到 LLM 驱动的演进过程再用一章快速过 Transformer 与提示工程。你只需要会调用 LLM API 就能跟上。手写经典范式第 4-6 章第四章逐行手写 ReAct、Plan-and-Solve 和 Reflection 三种范式它们是几乎所有智能体框架的地基。第五、六章体验 Coze、Dify、n8n 低代码平台以及 AutoGen、LangGraph 等主流框架的用法重点不是背 API而是体会什么时候该用轮子、什么时候该自己写。自研框架第 7 章这是教程区别于普通框架教程的地方基于 OpenAI 原生 API 从零搭一个轻量 Agent 框架把提示词、工具、记忆、主循环这些部件都过一遍。后面高级章节的所有扩展都建立在这个自研框架上。高级技能第 8-12 章给智能体接上记忆与检索RAG、用上下文工程处理长对话、通过 MCP 和 A2A 协议连接外部工具与其他智能体、用 SFT 加 GRPO 做 Agentic-RL 模型训练、再用基准测试评估智能体性能。这一整块是很多教程缺失的部分也是 Agent 岗位面试里最常被问到的Extra-Chapter 里还附了面试题总结与参考答案。综合案例第 13-15 章最后三章把所学全部落地会调用 MCP 工具的智能旅行助手、做自动文献调研的 DeepResearch 智能体以及一个能玩的赛博小镇。赛博小镇是全书最有趣的案例。像素风办公室里住着三个 NPC张三Python 工程师、李四产品经理、王五UI 设计师各有性格和说话风格。你用 WASD 移动按 E 键就能开口聊。李四的开场白是你好很高兴认识你。我正在整理一些需求准备为下一个项目做规划。你这边有需要帮忙的吗而真正有意思的地方在后面两个机制里。拆开看看ReAct 循环到底是怎么转的翻一遍 FirstAgentTest.py 会发现没有魔法。核心技巧全在系统提示词里要求模型每轮严格输出Thought: 思考Action: 行动的固定格式。外层程序则在一个 for 循环里做三件事——用正则从模型输出里提取 Action如果解析出 get_weather(北京) 这类工具调用就执行它把结果作为 Observation 塞回历史如果遇到 Finish[最终答案] 就结束并返回答案。你在终端看到的每一轮思考—行动—观察就是这个循环跑一圈。代码只有两百行不到读懂它以后再有人跟你聊 Agent 主循环你不会被绕晕。第四章的 ReAct.py 会在此基础上继续拆解。拆开看看赛博小镇怎么记住你NPC 为什么记得你上次说过的话答案在 backend/agents.py 背后的一套双层记忆设计里。短期是工作记忆只保留最近 10 条对话、两小时后过期用来给当前对话提供上下文长期是情景记忆把重要对话写入 Qdrant 向量库做语义检索上限 100 条重要性低于 0.3 的条目会被自动遗忘。每个 NPC 的记忆彼此隔离你跟张三聊多智能体李四不会从张三那里听说这件事。完整规则写在 MEMORY_SYSTEM_GUIDE.md 里。记忆之外还有一套好感度系统每轮对话后由 LLM 判断你的态度是赞美、批评还是中性好感度随之加 1 到 10 或减 3 到 15映射到陌生、熟悉、友好、亲密、挚友五个等级。等级变化会直接改变 NPC 语气——好感度低时它回答简短冷淡高时则愿意多聊、主动分享。这套动态调整逻辑在 AFFINITY_SYSTEM_GUIDE.md 里有完整示例是虚拟角色类产品最核心的手感来源。进阶方向学完 16 章之后可以做什么两个方向值得试。第一是逛社区共创区Co-creation-projects/ 里放着学习者用这套方法写出的 40 多个毕业项目数据库智能体、股票洞察、代码审查、会议行动项提取都有是学完还能做什么的现成参考。第二是改造赛博小镇本身加一个新职业的 NPC或者调整好感度增减幅度和等级阈值就能当作你的第一个动手项目后端 relationship_manager.py 并不长好读好改。避坑指南新手最常踩的 3 个坑占位符没替换。各章示例代码里是 YOUR_API_KEY、BASE_URL 这类占位符不换成真实凭证必报鉴权错误。另外第一章的景点推荐用到了 Tavily 搜索密钥没有的话可以把那个工具换成你自己的搜索接口或固定返回天气查询走 wttr.in不需要密钥。只读不跑。README 里作者反复强调请务必亲手运行、调试仓库里的每一份代码。理论章节可以快读实现章节不碰代码到高级部分会处处卡手。赛博小镇要前后端齐跑。先在 backend 目录pip install -r requirements.txt再python main.py启动后端然后用 Godot 4.2 以上版本导入 main.tscn 场景。最常见的游戏里聊不动天其实是后端没起或 8000 端口地址没对上先看 Godot 控制台报错。写在最后Hello-Agents 是目前中文开源里少数把原理—框架—自研—高级技能—模型训练完整闭环走一遍的教程代码与正文一一对应拿到就能跑。建议不要把 16 章一口气读完先用一个晚上把第一章示例跑通确认自己愿意继续再按五大部分稳步推进。卡住时可以去 Extra-Chapter 补 13 个附加主题或在仓库 issue 区提问。下一步很简单克隆仓库填上你自己的密钥让第一个 Agent 开始思考。【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
