# ai-agents-from-zero **Repository Path**: weixinper/ai-agents-from-zero ## Basic Information - **Project Name**: ai-agents-from-zero - **Description**: No description available - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-04-25 - **Last Updated**: 2026-06-11 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README
AI 智能体教程

🚀 全网最系统的 AI 智能体实战速成指南（从零到企业级落地）

ai-agents-from-zero

2026 持续更新中 · 目标打造「全网最完整」AI Agent 教程 —— 系统教程 + 可跑源码 + 面试题库 + 企业级实战项目，全面对齐「AI 智能体 / 大模型应用开发工程师」培训课表与招聘 JD的一条龙学习路线

![AI](https://img.shields.io/badge/AI-Agent-00c853?style=flat) ![Language](https://img.shields.io/badge/language-Chinese-2ea44f?style=flat) ![Stars](https://img.shields.io/github/stars/didilili/ai-agents-from-zero?logo=github&style=flat) [![GitHub](https://img.shields.io/badge/GitHub-Project-181717?logo=github&logoColor=white)](https://github.com/didilili/ai-agents-from-zero/) [![Read Online](https://img.shields.io/badge/在线阅读-点击访问-blue?logo=bookstack)](https://didilili.github.io/ai-agents-from-zero/#/) [快速开始](#quick-start) • [教程大纲](教程目录大纲.md) • [案例汇总](教程案例链接汇总.md#教程案例链接汇总源码与在线演示) • [更新日志](教程更新日志.md) • [面试题库](AI智能体与大模型应用开发面试题库.md) • [新手入门与常见问题](新手入门与常见问题.md)

📚 在线阅读

**📢 说明**：教程持续迭代，为 **2026 年最新版 AI 智能体** 笔记与教程，预计 5 月第一版更新完毕，完成「从入门到企业级」闭环。当前已完成并更新**概念篇**内容，接下来将进入**实战项目篇**的持续更新。你可以点击[更新日志](教程更新日志.md)，了解最新仓库动态。若对你有帮助，欢迎 **Star** ⭐~ --- ## ✨ 教程亮点 - **🧭 系统性学习路径，一条线拉通**：从大模型与提示词，到低代码（Coze/Dify）与代码框架（LangChain/LangGraph），再到企业级 RAG/Agent、微调与工程规范——按知识体系统一编排，**完整链路**闭环，适合系统吃透而不是碎片化收藏。 - **🐍 聚焦 Python 生态，拒绝 Java 绕路**：很多智能体课程会围绕 **Spring AI**、**langchain4j** 展开，更偏 Java 技术栈；而这套教程主线只讲 **Python**，重点就是 **LangChain / LangGraph** 这条路线，是真正意义上的**大模型智能体速成入门**。 - **📘 通俗易懂，真正适合零基础入门**：整套教程按**由浅入深**的方式编排，先讲清大模型、提示词、Agent、RAG、MCP 等核心概念，再逐步进入框架与项目实战，尽量少讲新手难懂的“黑话”，更适合第一次系统学习大模型智能体开发的人。 - **💼 企业级实战，对标「能干活」**：以商户运营管家、掌柜智库、电商小二、掌柜问数、市场罗盘等为主线，串起意图解析、多源知识、转人工、复盘与监控；把 **多路召回、评测、观测、成本、护栏** 放进真实语境里练。写简历、讲项目有抓手、不空泛。 - **✅ 每个案例都以“能跑起来”为标准**：不只是讲概念或贴伪代码，而是尽量提供**可运行案例、源码、环境说明和常见问题排查**。案例内容均按人工实际跑通的思路整理，帮助你少踩坑、尽快上手。 - **📚 教程源码面试，三位一体能跑通**：不止「看完」，还能「跑通」更能「答出来」——**可运行案例与源码**、**提示词模板**与部署思路，拒绝「只讲概念」。面试题库按**培训班与 JD** 常见能力域拆题，其中有相当一部分题目整理自**大厂真实面试题**、公开面经与高频追问场景，适合转岗/应届集中复盘。 - **🚀 面向 2026，开源且硬核**：栈与问法随生态迭代，对齐「AI 应用开发工程师」万元级培训课表维度；同类课侧重「教什么」，本仓库额外把**高频面试怎么答**摊开给你。若有用，**Star 即打赏 ⭐**。 --- ## 🛠 技术栈概览 | 类别 | 技术/平台 | 说明 | | ---------------- | --------------------------------------------- | ---------------------------------------------------------------------------------------- | | **大模型与基础** | LLM、Transformer、MoE、自注意力 | LLaMA/Qwen/GPT、多模态、预训练/微调/推理 | | **提示与编排** | 提示词工程、Chain of Thought、Few-shot | 多轮对话、记忆管理、Agent 与工具调用 | | **低代码平台** | Coze（扣子）、Dify | 工作流、Agent、知识库、插件、Python 调用 | | **开发框架** | LangChain、LangGraph | Model I/O、Chains、Memory、Agents（ReAct）、Retrieval、图状工作流 | | **协议与通信** | MCP（Model Context Protocol）、A2A | Function Calling、服务解耦、跨 Agent 通信 | | **RAG 与检索** | 向量数据库、稀疏检索、Neo4j、HyDE、BGE-Rerank | 多路召回、知识图谱、RAGAS 评估 | | **文档与多模态** | MinerU、OCR | 图文混排 PDF 解析、设备手册与售后指南 | | **部署与运维** | Docker、Ollama、Xinference、vLLM | 腾讯云/阿里云、AutoDL、Coze 本地部署 | | **微调与训练** | PEFT、LoRA、QLoRA、DeepSpeed、Llama-Factory | Alpaca/ShareGPT 数据格式、Safetensors/ONNX | | **编程与工具** | Python；Trae AI、Qoder（辅助 IDE） | 主语言为 Python；Trae / Qoder 为教程中涉及的 AI 编程辅助工具，多模型 API、MCP 接入与调试 | | **求职与面试** | 面试题库 | 按岗位能力域组织 **问法 + 答法**；对齐同类**线上培训结业能力**与 **JD** 高频考点 | --- ## 🎯 你学完能收获什么？ - **可上线的项目能力**，能独立交付 AI Agent 应用（从环境到部署），从「只会调 API」进阶到能落地的工程实践。 - **体系化的架构表达**，能讲清楚 RAG、Agent、MCP 等设计与取舍，面试与简历里经得起追问。 - **面试与 JD 对齐**，独立 [面试题库](AI智能体与大模型应用开发面试题库.md)，与正文题号互链，按岗位能力域组织问法与答法，适合应届与转岗梳理口径。 - **工程化与简历素材**，企业向案例与多路召回、观测、成本等表述，项目可演示、可写进简历。 - **可检索的知识地图**，成体系目录 + 案例源码，与常见「智能体 / 应用开发」课表维度对齐，便于对照补缺，少踩「只看过文章没跑过」的坑。 - **明确的岗位对标**，可胜任 AI 应用开发工程师、AI Agent 工程师、AI 自动化流程开发及 AI 产品技术负责人等方向；尤其适合前端 / 后端 / 产品等背景转型 AI 与智能体开发。 --- ## 📚 教程大纲（节选） 完整导航见 **[教程目录大纲](教程目录大纲.md)** 与 [在线文档](https://didilili.github.io/ai-agents-from-zero/#/)。 ### 01 大模型基础能力构建 | 章节编号 | 章节名称 | 内容概要 | | -------- | --------------------------- | -------------------------------------------------------------------------------- | | 01-1 | 大模型（LLM）认识与环境准备 | 起源与发展、AGI 关系、主流模型特点与适用场景、预训练/微调/推理 | | 01-2 | 大模型架构原理 | Transformer、MoE、自注意力、LLaMA/Qwen/GPT、多模态 | | 01-3 | 大模型调度平台 | Ollama、私有大模型调用、云端/本地部署（AWS、阿里云等） | | 01-4 | 提示词工程 | 核心原则与结构、链式思维与 Few-shot、多轮对话与记忆、在 Agent 与工具调用中的应用 | ### 02 企业低代码平台开发与项目实战 | 章节编号 | 章节名称 | 内容概要 | | -------- | ------------------------- | ---------------------------------------------------------------------------------- | | 02-1 | Coze（扣子）平台 | 界面与功能、插件/知识库/工作流/智能体、Python 调用工作流 | | 02-2 | 项目 1：商户运营管家 | 行业调研 PPT、爆款视频复刻、营销海报、卖点提炼、评论分析 | | 02-3 | Dify AI 平台 | 工作流/Agent/知识库、多案例（投诉分类、调研报告、客服分析、评论分析）、Python 调用 | | 02-4 | 容器化技术 | Docker 核心概念、安装与常用命令 | | 02-5 | 企业级大模型部署 | 腾讯云/阿里云、Docker、Dify、AutoDL、Ollama、Xinference、Coze 本地部署 | | 02-6 | AI 代码编程工具 - Trae AI | 安装使用、多模型 API、MCP 接入 | | 02-7 | AI 代码编程工具 - Qoder | 使用与调试、项目开发 | ### 03 大模型核心开发框架 | 章节编号 | 章节名称 | 内容概要 | | -------- | ------------------------ | --------------------------------------------------------------------------- | | 03-1 | LangChain 框架原理与应用 | Model I/O、Chains、Memory、Agents（ReAct）、Retrieval、电商商家对话助手案例 | | 03-2 | LangGraph 框架原理与应用 | 图状思维、State/Node/Edge、持久化记忆、流式输出 | | 03-3 | MCP 从原理到实战 | 与 Function Calling 对比、通信机制、工作流程、Server 部署与自定义开发 | | 03-4 | 跨 Agent 通信：A2A 协议 | 与 MCP 关系、消息与认证、典型场景 | ### 04 企业级 RAG / Agent 项目实战 | 章节编号 | 章节名称 | 内容概要 | | -------- | ---------------- | --------------------------------------------------------------------------------------- | | 04-1 | 项目 2：掌柜智库 | LangGraph RAG 工作流、MinerU/OCR、向量+稀疏+Neo4j 多路召回、HyDE/BGE-Rerank、RAGAS 评估 | | 04-2 | 项目 3：电商小二 | 意图解析、多源知识库、流式回复、转人工机制、对话复盘、多渠道与监控 | | 04-3 | 项目 4：掌柜问数 | 自然语言转数据查询、多轮问数、权限适配、可视化输出 | | 04-4 | 项目 5：市场罗盘 | 场景化任务拆解、从 0 到 1 设计与开发、阶段目标与进度管控、代码评审与成果展示 | ### 05 大模型微调实践 | 章节编号 | 章节名称 | 内容概要 | | -------- | ----------------------------- | ---------------------------------------------------------------------------------------- | | 05-1 | 大模型微调核心 | 数据与格式（Alpaca、ShareGPT）、PEFT/LoRA/QLoRA、全参数微调与 DeepSpeed、vLLM 部署、评估 | | 05-2 | 企业级微调数据集构建 | 公开/私有数据、标注与质量、数据增强 | | 05-3 | 基于 Llama-Factory 的高效微调 | 环境与参数、单卡/多卡、Safetensors/ONNX | | 05-4 | 调优案例 | 学习率与 LoRA 秩、loss/评测对比、业务场景下的迭代策略；多组对照的完整微调—评测—部署案例 | ### 06 大厂开发规范 | 章节编号 | 章节名称 | 内容概要 | | -------- | ------------------ | --------------------------------------------------------------------- | | 06-1 | 企业大模型研发流程 | 技术调研、方案与框架设计、RAG 与 pipeline、评估与角色、立项与需求文档 | | 06-2 | 大模型当下热点 | Agent/RAG 主流技术、前沿与热点跟踪 | --- ## 🏗️ Agent 项目架构与技术架构 ![智能体生态架构图](images/智能体生态架构图.png) --- ## 🚀 快速开始 结合 [在线文档](https://didilili.github.io/ai-agents-from-zero/#/) 一起学习。想马上跑通一个案例？按下面几步即可。更详细的环境说明、API 申请、常见报错处理见 [新手入门与常见问题](新手入门与常见问题.md)。 1. **克隆仓库并进入项目目录** ```bash git clone https://github.com/didilili/ai-agents-from-zero.git cd ai-agents-from-zero ``` 2. **准备环境**（推荐 Python 3.10，支持 3.10–3.13） ```bash python3.10 -m venv .venv source .venv/bin/activate # macOS/Linux # .venv\Scripts\activate # Windows CMD pip install -r requirements.txt ``` 3. **配置 API Key** - 将根目录下的 `.env-example` 复制为 `.env` - 在 `.env` 中填入你的 API Key（如通义千问/阿里百炼、DeepSeek 等），变量名需与代码一致（如 `aliQwen-api`、`QWEN_API_KEY`、`deepseek-api`） - 各平台 Key 的申请方式见 [新手入门与常见问题 - 各 API 平台如何申请 Key](新手入门与常见问题.md#_5、各-api-平台如何申请-key？) 4. **在项目根目录运行第一个案例** ```bash python 案例与源码-2-LangChain框架/01-helloworld/StandardDesc.py ``` **注意**：必须在**项目根目录**执行 `python`，否则会读不到 `.env`。若不想用云 API，可使用 [Ollama 本地模型](新手入门与常见问题.md#_54-不想用云-api：用本地-ollama（无需-key）)（无需 Key）。 遇到 `ModuleNotFoundError`、API Key 报错、找不到 `.env` 等，请查看 [新手入门与常见问题 - 常见问题与解决](新手入门与常见问题.md#_6、常见问题与解决)。 --- ## 📖 关于本仓库 - **目标**：做一套**真正适合入门的智能体速成教程**，不仅能把概念讲清楚，还能把案例跑起来，让你从 0 到能独立做 **RAG / Agent** 类项目，并能用工程化语言讲清楚自己的方案与项目。 - **技术定位**：聚焦 **Python 智能体开发路线**，重点讲 **LangChain / LangGraph** 及相关工程实践，**不走 Spring AI / langchain4j 的 Java 路线**，更适合想直接进入 Python 大模型应用开发的同学。 - **教程来源**：参考尚硅谷《大模型智能体线上速成班》等课程资料，并在此基础上结合公开文档、社区实践与项目经验持续**重构、补充与维护**，逐步整理成一套 **Python 智能体应用开发** 的系统化学习资料。 - **面试题来源**：题库中有相当一部分题目整理自**大厂真实面试题**、公开面经与高频追问场景，并结合本仓库的章节主线做了工程化重构，更适合按项目和系统设计视角复习。 - **内容构成**：**系统章节笔记** + **可运行案例源码** + **[面试题库](AI智能体与大模型应用开发面试题库.md)** （对标**同类线上培训**与**社招/校招 JD**）。 --- ## ⭐ Star History [![Star History Chart](https://api.star-history.com/image?repos=didilili/ai-agents-from-zero&type=date&legend=top-left)]() --- **仓库英文名**：`ai-agents-from-zero` · **仓库中文名**：《AI 智能体实战速成指南：从零到企业级落地》