Skip to content

README_ZH.md

Latest commit

 

History

History
254 lines (182 loc) · 14.3 KB

README_ZH.md

File metadata and controls

254 lines (182 loc) · 14.3 KB
Raw
AI Agent 学习路线图

从零开始学 AI Agent

一本图解驱动、中英双语、面向真实工程的 AI Agent 开源书。

从 Function Calling、记忆、规划、RAG、上下文工程，一直讲到 Agentic RL、多 Agent、评估、安全与生产部署。

阅读中文版 Read the English book

GitHub stars MIT License 欢迎 PR 23 章 中英双语

English README · 完整目录 · 可运行参考实现 · 参与贡献

这个仓库是什么？

agent_learning 是一本开源 AI Agent 教科书，也是一个结构化学习仓库。它填补的是 **「我会调用 LLM API」到「我能构建、评估、保护并部署 Agent 系统」**之间的空白。

全书不是按框架 API 堆知识点，而是沿着一条统一主线展开：

大模型基础 → 工具 → 记忆 → 规划 → RAG → 上下文 → Harness → 技能 → Agentic RL → 多 Agent → 评估 → 安全 → 部署

仓库包含：

  • 23 章完整内容，覆盖基础、核心能力、框架、多 Agent、生产化和综合项目。
  • 每种语言 188 个 Markdown 页面，中文与英文同步维护。
  • 330+ 张原创 SVG 图解和 5 个交互动画，解释架构、状态、时序和训练流程。
  • 从论文到工程的解读，覆盖 ReAct、Reflexion、MemGPT/Letta、GraphRAG、GRPO、MCP、A2A 等主题。
  • reference-agent/ 可运行教学底座，包含工具、记忆、安全闸门、评估、MCP Server、FastAPI 服务和 16 个测试。

它不是 Awesome List，也不是某个框架的使用手册，而是一条从原理到生产工程的完整学习路径。

为什么值得看

你的需求 本项目提供什么
建立正确直觉 每项技术都先解释「什么工程问题逼出了它」，再讲机制和代码。
看懂复杂系统 原创图解覆盖 Agent Loop、消息流、记忆分层、协议边界和强化学习流程。
把论文用于工程 论文按工程问题组织，明确方法、贡献、落地启示和局限。
从 Demo 走向生产 单独讲评估、可观测性、提示注入、权限控制、部署和成本。
避免框架绑定 先讲机制，再把 LangChain、LangGraph、CrewAI、AutoGen 等作为具体实现。
中英双语学习 src/zh/ 与 src/en/ 的正文、图解和交互内容保持对齐。

按你的目标开始

当前目标 推荐路线
第一次构建 Agent Agent 基础 → 大模型基础 → Hello Agent
构建 Agent 应用 工具 → 记忆 → 规划 → RAG
让脆弱 Demo 变可靠 上下文工程 → Harness 工程 → 评估 → 安全
训练和改进 Agent Agentic RL → 自我进化 Agent
选择 Agent 框架 LangChain → LangGraph → 框架全景
设计多 Agent 系统 多 Agent 协作 → MCP / A2A / ANP

完整目录

部分 章节 核心主题
第一部分：基础 1. 什么是 Agent？ · 2. 大语言模型基础 Agent Loop、LLM 原理、BPE、Attention、KV Cache、RoPE、提示词、模型 API
第二部分：核心能力 3. 工具 · 4. 记忆 · 5. 规划 · 6. RAG · 7. 上下文 · 8. Harness · 9. 技能 · 10. Agentic RL · 11. 自我进化 Function Calling、MemGPT/Letta、ReAct、GraphRAG、上下文腐化、结构化输出、Skill System、PPO/DPO/GRPO、数据飞轮
第三部分：框架实战 12. LangChain · 13. LangGraph · 14. 框架全景 · 15. Claude Code Chain、状态图、Human-in-the-Loop、CrewAI、AutoGen、低代码平台、Coding Agent
第四部分：多 Agent 16. 多 Agent 协作 · 17. 通信协议 Supervisor 与去中心化、角色分工、状态共享、MCP、A2A、ANP
第五部分：生产化 18. 评估 · 19. 安全 · 20. 部署 Benchmark、LLM-as-Judge、可观测性、回归测试、提示注入、Guardrails、沙箱、FastAPI、Docker、Kubernetes
第六部分：综合项目 21. 编程 Agent · 22. 数据分析 Agent · 23. 多模态 Agent 仓库编辑、代码执行、数据分析、报告生成、Computer Use、多模态 RAG

附录：提示词模板 · 常见问题 · 学习资源 · 术语表 · KL 散度 · 环境搭建

图解驱动的讲解

感知 → 思考 → 行动
Agent 感知思考行动循环 		Function Calling 完整链路
Function Calling 消息流程
三层记忆架构
Agent 记忆架构 		GRPO 训练架构
GRPO Agentic RL 架构

在线书还提供 Agent Loop、ReAct、Function Calling、RAG、GRPO 采样五个交互动画。

快速开始

在线阅读

本地构建中英双语版本

依赖：mdbook、可选的 mdbook-katex、Python 3。

git clone https://github.com/Haozhe-Xing/agent_learning.git
cd agent_learning
./serve.sh

打开：

  • http://localhost:3000/ — 语言选择页
  • http://localhost:3000/zh/ — 中文版
  • http://localhost:3000/en/ — 英文版

需要监听源码变化时使用 ./serve.sh --watch。

可运行参考实现

reference-agent/ 是实战章节共用的轻量教学实现，包含：

  • 最小 ReAct 循环与工具注册表；
  • 离线 FakeProvider 与可选的 OpenAI Provider；
  • 记忆、提示注入防护和 fail-closed 权限检查；
  • MCP Server、FastAPI 接口、流式输出、评估 Harness 和 Dockerfile；
  • 16 个无需 API Key 即可运行的测试。
cd reference-agent
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
pytest -q

这套实现刻意保持足够小，方便读者读完源码。它是教学底座，不夸大为完整生产方案。

快速定位内容

下面的索引同时服务于读者、IDE 搜索和大模型代码检索，尽量让主题、关键词与目录直接对应。

想找什么 路径 / 关键词
中文正文 src/zh/ · src/zh/SUMMARY.md
英文正文 src/en/ · src/en/SUMMARY.md
Function Calling 与工具 src/*/chapter_tools/ · 工具描述 · Tool Schema
Agent 记忆 src/*/chapter_memory/ · 短期记忆 · 长期记忆 · MemGPT · Letta
规划与推理 src/*/chapter_planning/ · ReAct · Reflection · Plan-and-Execute
RAG 与检索 src/*/chapter_rag/ · Embedding · Rerank · GraphRAG · Agentic RAG
上下文与 Harness 工程 src/*/chapter_context_engineering/ · src/*/chapter_harness/
Agentic RL 与自我进化 src/*/chapter_agentic_rl/ · src/*/chapter_self_evolving/ · PPO · DPO · GRPO
多 Agent 与协议 src/*/chapter_multi_agent/ · src/*/chapter_protocol/ · MCP · A2A · ANP
评估、安全、部署 src/*/chapter_evaluation/ · src/*/chapter_security/ · src/*/chapter_deployment/
可运行 Python 底座 reference-agent/src/reference_agent/
SVG 图解与交互动画 src/*/svg/ · src/*/animations/

仓库结构：

agent_learning/
├── src/zh/                 # 中文 mdBook 源文件
├── src/en/                 # 英文 mdBook 源文件
├── reference-agent/        # 可运行教学底座与测试
├── theme/                  # 中英共用主题
├── book.toml               # 中文构建配置
├── book-en.toml            # 英文构建配置
└── serve.sh                # 构建双语版本并启动本地服务

项目原则

  1. 先讲机制，再讲框架。 先解释抽象为什么存在，再介绍具体 API。
  2. 图必须承担信息。 图解用于表达架构和流程，不做无意义装饰。
  3. 论文必须落到工程。 论文解读要包含贡献、机制、用途和局限。
  4. 生产化表述必须诚实。 明确可运行代码、测试、安全边界和已知限制。
  5. 双语内容保持对齐。 正文、图解、导航和交互动画同步维护。

参与贡献

欢迎纠错、优化讲解、补充可运行示例、修订翻译或新增论文解读。

  • 发现错误：直接提交 Issue。
  • 修改章节：尽量同步修改 src/zh/ 与 src/en/ 中的对应文件。
  • 新增页面：同时更新两份 SUMMARY.md。
  • 新增图解：分别放入 src/zh/svg/ 与 src/en/svg/。
  • 提交 PR 前：运行 ./serve.sh，确认中英文都能构建。

论文、协议、版本和外部项目相关事实，请优先引用一手来源，并保持可核验。

路线图

  • 23 章中英双语 mdBook
  • 本地化图解与交互动画
  • Agentic RL、上下文工程、Harness 工程、自我进化 Agent
  • 带离线测试的 reference-agent 可运行底座
  • 更完整的端到端综合项目
  • 可搜索的图解画廊与概念索引
  • 评估与可观测性项目模板
  • 更多练习题、面试题和回归用例

建议可以直接发到 Issues。

开源协议

项目采用 MIT License。

如果这个项目帮你节省了时间，欢迎点一个 Star。

Star 会让更多正在学习 AI Agent 的工程师找到一条结构化路线，而不是再掉进互不相连的链接清单里。

阅读中文版 · Read in English · 提交 Issue