学习 Hello-Agents：从零构建 AI 智能体的系统路线

会调用一次大语言模型 API，并不等于会构建智能体。真正困难的是把规划、工具、记忆、上下文、协作和评估组织成一个能够完成任务的系统。最近我把 Datawhale 的开源教程 Hello-Agents《从零开始构建智能体》加入学习清单，准备用“读一章、跑一次、改一个地方、留下记录”的方式完成它。

项目出处与版权说明

原项目：Hello-Agents：从零开始构建智能体
发起与维护：Datawhale 社区及 Hello-Agents 全体贡献者
在线文档：国内访问 / GitHub Pages
开源许可：CC BY-NC-SA 4.0（署名—非商业性使用—相同方式共享）

本文是依据项目官方 README 与章节目录整理的个人学习导读，不是官方教程全文，也不代表 Datawhale 官方立场。项目名称、课程结构及相关资料的权利归原作者与贡献者所有；查阅日期为 2026 年 8 月 4 日。

为什么选择它作为学习主线

Hello-Agents 的价值不只在于介绍几个热门框架。它先解释智能体与大语言模型的基础，再进入 ReAct、Plan-and-Solve、Reflection 等经典范式，随后覆盖低代码平台、代码框架、自研框架、记忆与检索、上下文工程、通信协议、Agentic RL 和性能评估，最后用完整案例收束。

这条路线把“会使用模型”与“会设计系统”连接了起来。学习时既能看到 Dify、Coze、n8n、AutoGen、AgentScope、LangGraph 等工具，也会被要求穿过工具表面，理解规划、行动、反馈和迭代这些更稳定的能力。

开始前需要什么

官方给出的门槛很明确：具备基础 Python 编程能力，对大语言模型有基本概念，最好已经知道如何通过 API 调用一个 LLM。它不要求深厚的算法或模型训练背景，重点在应用与构建。

• 能阅读并修改 Python 代码，了解函数、类、虚拟环境和包管理。
• 理解提示词、上下文窗口、模型输入输出和 API Key 的基本用途。
• 愿意亲手运行、调试和改造示例，而不是只读结论。

API Key 应保存在本地环境变量或未纳入版本控制的配置文件中，不要写进代码、截图或提交记录。

五阶段学习地图

1. 建立共同语言（第 1～3 章）：学习智能体定义、发展史与大语言模型基础。产出一份概念表，能够解释 Agent、LLM、工具调用和多智能体的关系。
2. 从使用到构建（第 4～7 章）：学习经典范式、低代码平台、主流框架与自研框架。产出一个可运行的单智能体，并能说清它的决策循环。
3. 补齐系统能力（第 8～12 章）：学习记忆、RAG、上下文工程、MCP/A2A/ANP、Agentic RL 与评估。为智能体增加记忆或评估模块，并留下可复现的对比结果。
4. 完成综合案例（第 13～15 章）：学习旅行助手、自动化深度研究与赛博小镇。完整复现一个案例，再替换数据、工具或任务做一次改造。
5. 完成毕业设计（第 16 章）：构建自己的多智能体应用，交付目标、架构、运行说明、评估结果和局限性。

我的六周执行安排

第 1 周：基础。完成第 1～3 章，用自己的话整理智能体、环境、感知、行动、规划和反馈这些概念。目标不是背术语，而是能画出一次任务从输入到结果的完整流程。

第 2 周：范式。重点学习第 4～5 章。先实现一个最小 ReAct 循环，再用低代码平台重做同一任务，比较两种实现在哪些地方更透明、更灵活。

第 3 周：框架。完成第 6～7 章。选择一个主流框架复现示例，同时阅读自研 HelloAgents 框架的核心结构。至少改动一个工具或一段决策逻辑，确认自己真的理解了执行链路。

第 4 周：记忆与协作。学习第 8～10 章。为前面的智能体增加短期记忆、检索或协议能力，并记录上下文长度、响应质量、延迟和失败模式。

第 5 周：训练与评估。学习第 11～12 章。计算资源不足时可以先理解 SFT、GRPO 和评估方法，把重点放在建立测试集、指标与回归记录，而不是盲目追求训练规模。

第 6 周：案例与毕业作品。从旅行助手、深度研究或赛博小镇中选择一个案例复现，再把场景替换成自己真正关心的问题，完成第 16 章的毕业设计。

从今天开始

只想阅读时，可以直接打开国内在线文档。需要运行示例或参与共建时，再克隆官方仓库：

git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents

先读 docs/前言.md，再沿 README 的章节导航进入正文；每章所需环境和依赖以该章说明及 code 目录中的实际文件为准，不要未经检查就把所有依赖装进同一个 Python 环境。

我会为每次学习留下五项记录：本次目标、关键原理、运行命令、输入输出、失败原因与下一次实验。每周只要求一个可验证产出，避免把“看完了”误当成“掌握了”。

资料入口

• 官方 GitHub 仓库：代码、正文、贡献记录与最新变更。
• 国内在线文档 / GitHub Pages：无需下载即可阅读。
• 最新 Release：查看项目提供的发布版本与 PDF。
• Issues：检索问题、反馈错误或参与讨论。

再次注明出处：本文涉及的项目与章节信息来源于 Datawhale 社区的 Hello-Agents 官方仓库，原项目作者建议的引用名称为 Hello-Agents: Building an AI Agent from Scratch（Sizhou Chen、Tao Sun、Shufan Jiang 等及全体贡献者，2025）。原项目采用 CC BY-NC-SA 4.0 许可；转载请保留署名，并遵守非商业性使用与相同方式共享条款。