AI Agent 学习路线图：从零构建智能体的完整指南

📅 2026年05月23日 · 技术

Agent 学习不再迷茫

随着大语言模型的快速发展，AI Agent（智能体）已经成为技术圈最热门的话题之一。但面对琳琅满目的框架、工具和教程，很多初学者感到无从下手。Datawhale 社区出品的 Agent-Learning-Hub 正是为此而生——它是一份精心整理的 AI Agent 学习路线与资料库，帮助开发者从零开始系统化地掌握 Agent 开发技能。

项目简介

Agent-Learning-Hub 由 Datawhale 成员陈思州维护，目标是把社区里的优秀分享、官方博客、论文、开源项目和真实工程经验，整理成一份可照着执行的 "Learning Todo List"。它不收集随机链接，而是提供一条清晰的学习路径。

核心学习路径

项目将学习过程划分为 8 个阶段：

• Stage 0：理解什么是 Agent——区分 Chatbot、Workflow、Agent 和 Multi-Agent 的概念差异
• Stage 1：构建最小 Agent 循环——学会调用 LLM API、结构化输出、工具函数定义和 Tool Call 解析
• Stage 2：掌握工具调用、RAG 和记忆——包括检索增强生成、长期记忆、工具失败处理
• Stage 3：深入学习一个现代 Agent Harness——如 Claude Code、OpenClaw、Hermes Agent 等
• Stage 4：Multi-Agent 协调——理解 Supervisor/Graph 模式而非简单的 Agent 对话
• Stage 5：Skills 与协议——Skill vs Tool vs MCP 的区别与用法
• Stage 6：浏览器和计算机使用 Agent——Playwright、browser-use 等
• Stage 7-8：评估、安全与交付——上线一个真正的 Agent 产品

亮点推荐

这个项目最大的价值在于它的 实践导向。每个阶段都有明确的产出目标，例如 Stage 1 要求写一个 50-150 行的最小 Agent，Stage 5 要求写一个可复用的 Skill 文件。项目还特别指出了当前更值得投入的方向：Claude Code/Codex 类编码 Agent、Agent Harness 工程、Skills/MCP/A2A 协议等，而非过时的角色扮演框架。

适合人群

无论你是 LLM 应用开发者、想系统学习 Agent 的学生，还是已经在使用 Agent 但希望深入理解原理的工程师，这份路线图都能帮你找到合适的学习起点。项目按照难度递进，新手可以从 Stage 0 开始，有经验的开发者可以直接跳到 Stage 3 或更后。

参考来源

• datawhalechina/Agent-Learning-Hub — GitHub