项目定位
Hello-Agents 是 Datawhale 社区推出的系统性智能体学习教程，标题为《从零开始构建智能体》，定位为从零开始的智能体原理与实践教程。项目将 Agent 构建划分为两派：一派是 Dify、Coze、n8n 等软件工程类 Agent，本质是流程驱动的软件开发，LLM 作为数据处理后端；另一派是 AI 原生 Agent，即真正以 AI 驱动的 Agent。本教程旨在带领学习者深入理解并构建后者，即真正的 AI Native Agent。
主要能力与学习内容
教程声称帮助学习者穿透框架表象，从智能体核心原理出发，深入核心架构，理解经典范式，并最终构建自己的多智能体应用。具体能力点包括：
- 理解核心原理：深入理解智能体的概念、历史与经典范式。
- 亲手实现：掌握热门低代码平台和智能体代码框架的使用。
- 自研框架：基于 OpenAI 原生 API 从零构建智能体框架 HelloAgents。
- 掌握高级技能：逐步实现上下文工程、Memory、协议、评估等系统性技术。
- 模型训练：掌握 Agentic RL，从 SFT 到 GRPO 的全流程实战训练 LLM。
- 驱动真实案例：实战开发智能旅行助手、赛博小镇等综合项目。
- 求职面试：学习智能体求职相关面试问题。
使用方式与内容结构
教程提供国外访问与国内加速两种在线阅读方式，无需下载即可学习。如需本地阅读或贡献内容，项目提供了学习指南。PDF 版本完全开源免费，并预先添加了不影响阅读的 Datawhale 开源标志水印，以防止被加水印后贩卖。
项目分为五大部分：
- 第一部分：智能体与语言模型基础（第一章至第三章），从智能体的定义、类型与发展历史讲起，并巩固大语言模型核心知识。
- 第二部分：构建你的大语言模型智能体（第四章至第七章），动手实现 ReAct 等经典范式，体验 Coze 等低代码平台，掌握 LangGraph 等主流框架，并最终从零构建自己的智能体框架。
- 第三部分：高级知识扩展（第八章至第十二章），使用自研框架探索记忆与检索、上下文工程、Agent 训练等核心技术，学习多智能体间通信协议，并掌握评估智能体系统性能的方法。
- 第四部分：综合案例进阶（第十三章至第十五章），打造智能旅行助手、自动化深度研究智能体，以及模拟社会动态的赛博小镇。
- 第五部分：毕业设计及未来展望（第十六章），构建一个完整的多智能体应用，并展望智能体未来方向。
项目 code 文件夹内提供了配套全部代码，教程建议将理论与实践相结合，亲手运行、调试甚至修改代码。遇到问题可在 issue 区提问。社区博客板块收录学习见解与实践总结，可投稿至 Extra-Chapter。
适用场景与目标人群
项目适合有一定编程基础的 AI 开发者、软件工程师、在校学生以及对前沿 AI 技术抱有浓厚兴趣的自学者。学习前需具备基础 Python 编程能力，并对大语言模型有基本概念性了解，例如知道如何通过 API 调用 LLM。项目重点在应用与构建，无需具备深厚的算法或模型训练背景。
资源与更新
- GitHub 仓库：https://github.com/datawhalechina/hello-agents
- PDF 教程：https://github.com/datawhalechina/hello-agents/releases/latest/
- PDF 国内下载地址：https://www.datawhale.cn/learn/summary/239
视频课程陆续放出。HelloAgents 框架已更新 V1.0.0 版本，将继续完善，增加更多好用、轻量化的工具和特性，兼容学习版本。2026 年 5 月更新智能体最新学习路线，点击查询。项目达到 7 万 Star，并提供调查问卷收集学习需求，后续作品为《从零开始训练智能体》。
贡献与许可
项目为开放开源社区，欢迎报告 Bug、提出建议、完善内容、分享实践等贡献。教程采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议。项目列出负责人、联合发起者、内容贡献者、运营组织者、指导专家及 Extra-Chapter 贡献者名单。详细视频链接与配套材料见 Hello-Agents 视频课录制共创。
限制与暂未提供
关于项目的收费标准、价格、商业化服务、具体平台兼容性、性能效果承诺等信息，资料中暂未提供。除上述 PDF 下载地址与国内学习页面外，其他平台或渠道信息暂未提供。
