企业官网建设流程全解析

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