# ai-agent-zero-to-one **Repository Path**: luckSnow/ai-agent-zero-to-one ## Basic Information - **Project Name**: ai-agent-zero-to-one - **Description**: 🤖 面向 Java 后端工程师的 AI Agent 开发实战课程。7 个模块带你从零进阶：基础入门 → LangChain → LangGraph → CrewAI → AutoGen → 高级主题 → 毕业项目。6 个实战项目全程驱动，代码完整可运行，关键概念配有 Java 生态类比，学完即可独立开发 Agent 应用。约 90 小时从入门到实战。 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: https://ai-agent-zero-to-one.pinme.dev - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-05-21 - **Last Updated**: 2026-05-28 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # AI Agent 开发实战课程 从零到一掌握 AI Agent 开发 — 面向零基础学习者的系统化学习路径。 在线学习地址：[https://ai-agent-zero-to-one.pinme.dev](https://ai-agent-zero-to-one.pinme.dev) ## 课程简介 本课程专为零基础学习者设计，采用**渐进实战式**学习路径，从 AI Agent 基础概念出发，逐步深入三大主流框架（LangChain/LangGraph、CrewAI、AutoGen），最终通过毕业项目综合运用所学知识。所有示例均使用 Python 语言，语言简单直白，让零基础小白也能轻松上手。 ## 课程大纲 | 模块 | 主题 | 核心内容 | 预计学习时间 | |------|------|----------|-------------| | 模块1 | AI Agent 基础与 LLM 入门 | Agent 概念、LLM 原理、Prompt Engineering、环境搭建 | 约 10 小时 | | 模块2 | LangChain 核心开发 | Model I/O、RAG、Chains/LCEL、Tools/Function Calling | 约 14.5 小时 | | 模块3 | LangGraph 状态图工作流 | StateGraph、状态管理、条件路由、Human-in-the-loop、子图 | 约 15 小时 | | 模块4 | CrewAI 多 Agent 协作 | Agent/Task/Crew、角色设计、协作模式、自定义 Tool | 约 12 小时 | | 模块5 | AutoGen 多 Agent 对话 | ConversableAgent、对话模式、代码执行、Group Chat | 约 13 小时 | | 模块6 | Agent 高级主题 | 记忆系统、评估测试、安全对齐、部署生产化 | 约 9 小时 | | 模块7 | 毕业项目 | 需求分析、架构设计、核心开发、项目评审 | 约 15-20 小时 | **总预计学习时间**：约 88-94 小时，建议每天学习 1-2 小时，约 2-3 个月完成全部课程。 ## 学习路径 ``` 模块1 基础入门 → 模块2 LangChain → 模块3 LangGraph → 模块4 CrewAI → 模块5 AutoGen → 模块6 高级主题 → 模块7 毕业项目 ``` ## 课程特色 - **渐进式学习路径** — 从基础概念到多 Agent 协作，7 个模块循序渐进 - **三大主流框架** — 深入 LangChain/LangGraph、CrewAI、AutoGen - **实战驱动** — 每个模块配备实战项目，学以致用 - **零基础友好** — 关键概念均提供生活化类比，语言简单直白，降低理解门槛 - **完整代码示例** — 所有代码示例完整可运行，无伪代码 ## 实战项目 | 模块 | 实战项目 | |------|----------| | 模块1 | 智能对话机器人 | | 模块2 | 智能文档问答助手 | | 模块3 | 多步骤研究助手 | | 模块4 | 内容创作团队（研究员 + 作者 + 审校员） | | 模块5 | 代码审查与优化系统 | | 模块7 | 自选综合项目（智能客服 / 数据分析 / 信息聚合 / 代码助手） | ## 技术栈 - **语言**：Python 3.10+ - **LLM**：OpenAI API / Ollama（本地模型） - **框架**：LangChain、LangGraph、CrewAI、AutoGen - **向量数据库**：Chroma、FAISS - **站点**：VitePress ## 快速开始 ### 环境要求 - Node.js 18+ - Python 3.10+（课程代码运行需要） ### 本地预览课程网站 ```bash # 安装依赖 npm install # 启动开发服务器 npm run docs:dev # 构建静态网站 npm run docs:build # 预览构建结果 npm run docs:preview ``` ### 课程代码运行准备 ```bash # 创建 Python 虚拟环境 python -m venv venv source venv/bin/activate # Linux/Mac venv\Scripts\activate # Windows # 安装常用依赖 pip install openai langchain langchain-openai langgraph crewai autogen-agentchat python-dotenv ``` ## 项目结构 ``` ai-kecheng/ ├── package.json ├── docs/ │ ├── index.md # 首页 │ ├── outline.md # 课程大纲 │ ├── .vitepress/ │ │ └── config.mts # VitePress 站点配置 │ ├── module1/ # 模块1：AI Agent 基础与 LLM 入门 │ │ ├── index.md │ │ ├── lesson1-1.md # AI Agent 概述 │ │ ├── lesson1-2.md # LLM 基础 │ │ ├── lesson1-3.md # Prompt Engineering │ │ ├── lesson1-4.md # Python AI 开发环境搭建 │ │ ├── project1.md # 实战：智能对话机器人 │ │ └── exercise1.md # 课后练习 │ ├── module2/ # 模块2：LangChain 核心开发 │ │ ├── index.md │ │ ├── lesson2-1.md ~ lesson2-5.md │ │ ├── project2.md # 实战：智能文档问答助手 │ │ └── exercise2.md │ ├── module3/ # 模块3：LangGraph 状态图工作流 │ │ ├── index.md │ │ ├── lesson3-1.md ~ lesson3-5.md │ │ ├── project3.md # 实战：多步骤研究助手 │ │ └── exercise3.md │ ├── module4/ # 模块4：CrewAI 多 Agent 协作 │ │ ├── index.md │ │ ├── lesson4-1.md ~ lesson4-5.md │ │ ├── project4.md # 实战：内容创作团队 │ │ └── exercise4.md │ ├── module5/ # 模块5：AutoGen 多 Agent 对话 │ │ ├── index.md │ │ ├── lesson5-1.md ~ lesson5-5.md │ │ ├── project5.md # 实战：代码审查与优化系统 │ │ └── exercise5.md │ ├── module6/ # 模块6：Agent 高级主题 │ │ ├── index.md │ │ ├── lesson6-1.md ~ lesson6-4.md │ │ └── exercise6.md │ └── module7/ # 模块7：毕业项目 │ ├── index.md │ ├── lesson7-1.md │ ├── lesson7-2.md │ └── lesson7-3.md ``` ## License MIT