MCPcopy
hub / github.com/WenyuChiou/awesome-agentic-ai-zh

github.com/WenyuChiou/awesome-agentic-ai-zh @main sqlite

repository ↗ · DeepWiki ↗
407 symbols 1,914 edges 102 files 151 documented · 37%
README

繁體中文 | 简体中文 | English

AI Agent 学习路径

awesome-agentic-ai-zh

🤖 AI Agent 学习地图 — 从基础 LLM 概念到自己构建多 agent 系统

学习路线图 + 240+ 资源 curation + 简单 illustrative 案例

结构化 8 阶段、从“LLM 是什么、token 怎么算”走到 multi-agent 编排、Computer Use / Browser Use / Sandbox

License 繁中 简中 EN GitHub stars GitHub forks 在线文档站

🎯 项目介绍

本 repo 角色定位：学习路线图 + 240+ 资源 curation + 简单 illustrative 案例——三件事为核心、帮想学 AI / AI agent 的人从“不知道从哪开始”走到“能设计多 agent 系统”。

具体做法：

核心 做什么 规模
学习路线图 把网上散落的高质量项目、教材、必修阅读，按从零开始、循序渐进整理成 8 个阶段（含 Stage 5 + Stage 8 两个共用 hub）+ 2 条学习路线 + 5 条延伸路径 8 stages、2 tracks
资源 curation 每阶段精选 240+ 个 project（含星等、适合谁、教什么、怎么跑），加上中文 AI 生态(DeepSeek / Zhipu / Kimi 等)MCP / Skill 完整 catalog 240+ projects、65 MCP/Skill
简单 illustrative 案例 每阶段附 1-5 个基础练习（70-150 行 starter + dual-path Ollama/Anthropic SDK 对照 + mock-based test） 23 个练习 folder

走完这条路线，你会从“LLM 用户”进阶到“agent 系统构建者”——能看懂 framework 在做什么、能设计多 agent 协作、能写自己的 MCP server。

📚 快速开始

🚀 第一次接触 AI agent / 没写过 code？

先看 resources/setup-guide.zh-Hans.md — 30-45 分钟从零带你申请 API key、装好 Python、跑出第一个 LLM hello-world。

在线阅读

本地下载

git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git
cd awesome-agentic-ai-zh
# 从 stages/00-foundations.zh-Hans.md 开始

✨ 你会收获什么？

  • 📖 完全免费 — MIT 授权，所有内容开放共学
  • 🗺️ 两条学习路径 — Track A（CLI Power User）给“想 USE 现成 CLI agent”的人；Track B（Agent Builder）给“想 BUILD 自己 agent”的人。共用 Stage 0-2 基础
  • 🛠️ 基础动手练习 — 每阶段附 1-5 个 illustrative 练习（题目 + dual-path SDK 对照 + success criteria）。定位是基础入门 + 路线确认——chapter-length 深度练习见对应 stage 的 hello-agents / Anthropic Cookbook callout
  • 🎯 精选 240+ 个 projects — 每个都附星等推荐、适合谁、教什么、怎么跑（含本地 LLM 执行：Ollama、llama.cpp、LocalAI、MLX）
  • 🌏 三语完整维护 — 繁中(canonical)/ 简中 / English,三版皆完整维护、英文非薄翻译
  • 🎓 不只“框架”、还有“Claude Code 生态” — MCP / Skills / Plugins 完整堆叠
  • 🔬 5 条依用户分流的延伸路线 — 研究员 / 开发者 / 老师 / 知识工作者 / 日常用户
  • ⏱️ 预估时程写清楚 — Track A 8-10 周 / Track B 主干最少 16-22 周、现实 5-7 个月（每周 5-8 hr）

🗺️ 学习地图（两条学习路径）

AI Agent 学习地图

走完 Stage 0-2（共用基础） 之后，依你的目的选一条学习路径：

  • Track A — CLI Power User：你想用现成的 CLI agent（Claude Code、Codex、OpenCode、Gemini CLI 等）把工作做顺、效率拉高，不打算自己从零写 agent。3 个 sub-stage（A1-A3）。
  • Track B — Agent Builder: 你想从零构建自己的 agent——学 framework、写 ReAct、设计 multi-agent。Stage 3-8 是主路线。

两条学习路径不互斥——多数人是先走 A 把 CLI 用起来，再回到 B 学内部运作；或反过来也行。Stage 5（Claude Code 生态）两条路径都会用到。

共用基础（Stage 0-2）

Stage 主题 关键内容 预估时程
0 基础准备（Foundations） Python · CLI · git · API · JSON 1-2 周
1 LLM 基础（LLM Basics） token · API · 各家 LLM 比较 · 本地 LLM 1 周
2 Prompt 设计（Prompt Engineering） 系统 prompt · few-shot · CoT 1-2 周

Track A — CLI Power User（想用 CLI 把事情做完）

Stage 主题 关键内容 预估时程
A1 选一个 CLI Agent，开始用它做事（CLI Agent Intro & Selection） 7 个主流 CLI 比较 · 安装 · 第一次跑 1 周
A2 建立可重复使用的 CLI 工作流程（CLI Workflow Patterns） CLAUDE.md · slash command · 多步骤拆解 1-2 周
A3 把 CLI Agent 接进真实工作流程（Integration & Production） MCP 接 CLI · CI 自动化 · cost / observability 1-2 周
+5 Stage 5 — Claude Code 生态系（Claude Code Ecosystem）（共用 hub） MCP · Skills · Plugins · Subagents、Track A 必看 5.1-5.4 / 选读 5.5-5.7 1-2 周（Track A 视角）
+8 Stage 8 — Agent 操作介面（Agent Interfaces）（共用 hub） Computer Use · Browser Use · Code Sandbox、Track A 视角看 Track A 怎么用 1-2 周（Track A 视角）

Track A 预估总时程：含 Stage 0-2（共用基础）+ A1-A3 + Stage 5 + Stage 8（两个共用 hub）= 约 8-10 周。核心参考：resources/cli-agents-guide.zh-Hans.md。

Track B — Agent Builder（想从零构建 agent）

Stage 主题 关键内容 预估时程
3 ⭐ 工具使用与第一个 Agent（Tool Use & Hello Agent） function calling · ReAct · 5 个动手练习 2-3 周
4 Agent 框架（Agent Frameworks） LangGraph · AutoGen · CrewAI · Smolagents 2-3 周
5 ⭐⭐ Claude Code 生态系（Claude Code Ecosystem）（共用 hub、Track A 也学） MCP · Skills · Plugins · Subagents 3-4 周（Track B 视角）
6 上下文管理（Context Engineering）：RAG 与 Memory vector DB · long-term memory · contextual retrieval 2 周
7 多 Agent 系统与稳定运作（Multi-Agent & Production） multi-agent orchestration · eval · observability · SDK 进阶 2-4 周
7.5 进阶 Agentic Workflow 概念（Advanced Agentic Concepts）（reading map） 工作边界 · PAR loop · agent-as-judge · 12 个进阶概念 + reading list 1 周（不写 code）
8 ⭐⭐ Agent 操作介面（Agent Interfaces）（共用 hub、Track A 也学） Computer Use · Browser Use · Code Sandbox、2024-2026 frontier 2-3 周（Track B 视角）

Track B 预估总时程：主干最少 16-22 周、现实 5-7 个月（每周 5-8 hr 兼职）

两个共用 hub（Track A + Track B 都会用到）： - Stage 5 = Claude Code 生态（MCP / Skills / Plugins / Subagents）—— Track A 学 MCP 接 CLI、Track B 学 agent runtime 结构 - Stage 8 = Agent Interfaces（Computer Use / Browser / Sandbox、2024-2026 frontier）—— Track A 学“怎么用”委派任务、Track B 学“怎么 build”embed 进 agent

💡 想看跨 stage 的完整示例？ 7 步构建你的第一个 AI Agent — 同一个 Paper Summary Bot 从 Stage 1 一路写到 Stage 7，~350 行真实代码（Track B 适用）

走完主干（Track B 16-22 周 / Track A 8-10 周）后，依你的身份挑一条延伸路线继续走。不确定挑哪条？

Branch 决策树

💡 “日常用户”这条路线不必走完主干就能直接读——是给“想用 AI、但不一定要写 code”的人。

路线 适合谁 主题
🔬 研究员 研究生、博后、PI 文献整理 · paper 写作 · multi-agent review
💻 开发者 软件工程师 Cursor · Aider · CLI delegation · code review
🎓 老师 老师、讲师 备课 · 幻灯片 · 学生 feedback · 隐私 / 伦理 · prompt 范本
📊 知识工作者 顾问、PM、分析师 Email · 会议记录 · report 自动化
👥 日常用户 ChatGPT / Claude.ai 用户 写信 · 学习 · 隐私场景 · CLI agent 入门

💡 如何学习

这份路线图兼顾概念与实作，目标是带你“从 LLM 用户一路走到 agent 系统构建者”。适合“有基本 Python 能力”的开发者、研究生、自学者。动手之前，先确认你有：

  • 基本 Python — 写过 function、用过 API、看得懂 JSON
  • 基本 git — clone、commit、push
  • 想学的动机 — agent 是 2025 年之后变化最快的领域，需要持续投入

上面有缺的就从 Stage 0 补齐；都会了就直接跳 Stage 1。

主干分 5 部分：

  • Part 1（Stage 0-2）：基础与 LLM 入门 — Python / git / API、什么是 LLM、怎么设计 prompt
  • Part 2（Stage 3-4）：构建你的 Agent — 从 tool use 进化到 agent，学主流 framework
  • Part 3（Stage 5） 共用 hub — Claude Code 生态系（MCP / Skills / Plugins / Subagents、Track A + B 都会用到）
  • Part 4（Stage 6-7）：进阶集成 — memory / RAG / multi-agent 协作 / harness engineering
  • Part 5（Stage 8） 共用 hub — Agent Interfaces（Computer Use / Browser Use / Code Sandbox、2024-2026 frontier、两条 track 都会用到）

🔭 三层概念进化：prompt engineering（Stage 2、单一 prompt 怎么写）→ context engineering（Stage 3 之后、怎么动态组 system prompt + memory + retrieved chunks + tool schema）→ harness engineering（Stage 7、agent loop / eval / observability / deploy 整套包成 production system）。3 个术语对应 3 个 phase、不必另外找资源。详见 stages/02-prompt-engineering.zh-Hans.md 进阶：context engineering 跟 stages/07-multi-agent-production.zh-Hans.md 必修阅读 5+6。

走完主干（Track B 16-22 周 / Track A 8-10 周）后，依你的身份挑一条延伸路线继续走。

最重要的说一句话：不要跳过 動手練習。每个 stage 的 動手練習都是“不动手就学不会”的东西，光读过去后面会卡住。

🎓 动手练习怎么用才对：每个练习 folder 里的 starter.py 是完整解答、不是 TODO skeleton。如果你 clone 下来直接 cat starter.py + python test.py pass、会误以为“我学会了”、其实没写一行 code。正确学习法：mv starter.py starter_reference.py、看 signature 不看 body、自己重写、卡住才回去对照。完整方法论 + 每个 stage 的时间预算 + 卡住处理流程看 docs/HOW_TO_USE.md。

准备好了吗？从 Stage 0 开始。

📚 相关资源

常用入口、依情境分组：

🚀 入门 / 环境设定

你的状况 去哪 内容
完全没写过 code、第一次接触 AI agent resources/setup-guide.zh-Hans.md 30-45 分钟从零装好（API key、Python、第一个 hello-world）
不知道挑哪个 LLM provider resources/setup-guide.zh-Hans.md A Anthropic / OpenAI / DeepSeek / Kimi / NVIDIA NIM 对照

📖 概念 / 用语

你的状况 去哪 内容
不懂某个词（LLM / agent / RAG / token / MCP / Skill / 向量数据库…） resources/glossary.zh-Hans.md 30+ 词、每个 30-80 字 + 哪 stage 讲细的
想搞懂 agent 为什么有的在 terminal、有的在 Telegram、有的在 Jetson resources/agent-paradigms.zh-Hans.md 5 种 agent 型态 mental model + Hermes / OpenClaw 例子
MCP / Skills / Plugins 用语对照 RESOURCES.zh-Hans.md 三个核心用语 1 页速查表
想找带证书的线上 AI agent 课（英文 + 中文） resources/courses.zh-Hans.md 10 门 credible、会发证书的课，分 tier；并诚实标注完成证书不是学历

🛠 动手实作

你的状况 去哪 内容
想动手写 Skill / MCP server / 接 Word / Zotero / 本机 LLM resources/cookbook.zh-Hans.md 6 个 step-by-step recipe、每个 30-50 分钟
想用 subagent 但不知道该派谁、怎么派、派什么工作 resources/subagent-cookbook.zh-Hans.md 15 个复制粘贴即用的 dispatch recipe
卡在 tool calling（LLM 不调用 / schema 写不好 / ReAct loop 跑不停） examples/stage-5/tool-calling-tutor/ 可装进 Claude Code 的 skill、4-symptom diagnostic
动手练习怎么正确使用（主动 vs 被动模式） docs/HOW_TO_USE.md 5-10 分钟读完、配合每个 stage 用

三个核心用语：MCP / Skills / Plugins

README 跟各 stage 会频繁提到这三个 Claude Code 生态的关键词，先快速说明：

  • MCP（Model Context Protocol） — Anthropic 推的开放协议，让任何 LLM host（Claude Code、其他 IDE、自写 agent）都能用同一套接口去调用外部 tool server（文件、DB、API、自家服务）。把它想成“LLM 的 USB 接口”。详见 Stage 5.2。
  • Skills — Claude Code 的“行为包”。一个 Skill 就是一份 SKILL.md，描述“在什么情境要做什么、可以调用哪些 MCP tool”。写好之后 Claude Code 会自动 discover。详见 Stage 5.3。
  • Plugins / Marketplaces — 把 Skills、slash commands、hooks、MCP 设置打包成一个发布单位给 team 或社群安装。Marketplace 就是 plugin 的 catalog。详见 Stage 5.4。

对, 应的 動手練習 练习都在 Stage 5，Track A 的 A3 也会用到。

接日常工具：常用 MCP server / Skill

把 Claude Code（或其他 CLI agent）接到你已经在用的 app，省掉手动切换的成本。下面几个是社群 / 官方比较成熟的：

笔记 / 知识库

办公文件（Word / Excel / PowerPoint / PDF）

Google Workspace（Gmail / Docs / Drive / Calendar）

开发协作

中文圈常用

  • leemysw/feishu-docx ★ 209 — 飞书（Lark）docs / sheet / bitable ↔ Markdown，含 Claude Skills 支持

上面只是 highlight。完整 65+ 个集成（含数据库、浏览器自动化、Figma、Excalidraw、Cloudflare、Stripe…）：resources/mcp-skills-catalog.zh-Hans.md。

想找更多 MCP server catalog？看 [

Core symbols most depended-on inside this repo

_looks_like_switcher
called by 7
scripts/sync-language-switchers.py
semantic_query
called by 7
examples/stage-6/02-vector-db/starter.py
run
called by 7
examples/stage-4/03-graph-workflow/starter.py
with_retry
called by 7
examples/stage-1/05-error-handling/starter_anthropic.py
with_retry
called by 7
examples/stage-1/05-error-handling/starter.py
remember
called by 6
examples/stage-6/05-long-term-memory/starter.py
build_collection
called by 6
examples/stage-6/02-vector-db/starter.py
index_docs
called by 6
examples/stage-6/02-vector-db/starter.py

Shape

Function 381
Class 12
Method 10
Route 4

Languages

Python100%

Modules by API surface

scripts/sync-language-switchers.py10 symbols
examples/stage-3/03-react-from-scratch/test_anthropic.py10 symbols
examples/stage-7/03-observability/starter.py9 symbols
examples/stage-3/03-react-from-scratch/test.py9 symbols
examples/stage-1/05-error-handling/test_anthropic.py9 symbols
examples/stage-1/05-error-handling/test.py9 symbols
examples/stage-7/02-eval/test.py8 symbols
examples/stage-4/03-graph-workflow/starter.py8 symbols
examples/stage-3/02-multi-tool-selection/test_anthropic.py8 symbols
examples/stage-3/02-multi-tool-selection/test.py8 symbols
scripts/check-anchors.py7 symbols
examples/stage-7/05-deploy/starter_anthropic.py7 symbols

Dependencies from manifests, versioned

anthropic0.40 · 1×
chromadb0.4 · 1×
crewai0.80 · 1×
fastapi0.110 · 1×
google-genai1.0 · 1×
httpx0.27 · 1×
langchain-anthropic0.2 · 1×
langchain-core0.3 · 1×
langchain-openai0.2 · 1×
langgraph0.2 · 1×
litellm1.50 · 1×
mkdocs1.6 · 1×

For agents

$ claude mcp add awesome-agentic-ai-zh \
  -- python -m otcore.mcp_server <graph>

⬇ download graph artifact