繁體中文 | 简体中文 | English

awesome-agentic-ai-zh

🤖 AI Agent 學習地圖 — 從基本 LLM 概念到自行打造多 Agent 系統

學習路線圖 + 240+ 資源選編 + 簡單直觀的案例，分為 8 個結構化階段。從「LLM 是什麼、Token 怎麼計算」一路進階至 Multi-agent 編排、Computer Use / Browser Use / Sandbox 等領域。

---

🎯 專案介紹

本倉庫角色定位：學習路線圖 + 240+ 資源選編 + 簡單直觀案例——以這三件事為核心，協助想學習 AI / AI Agent 的開發者從「不知道從哪開始」走到「能設計 Multi-agent 系統」。

具體做法：

核心	功能	規模
學習路線圖	將網路上散落的高品質專案、教材、必修閱讀，按從零開始、循序漸進整理成 8 個階段（含 Stage 5 + Stage 8 兩個共用樞紐）+ 2 條學習路線 + 5 條延伸路徑	8 個階段、2 條路徑
資源選編	每階段精選 240+ 個 Project（含星等、適合對象、教學重點、運行方式），加上中文 AI 生態 (DeepSeek / Zhipu / Kimi 等) 的 MCP / Skill 完整目錄	240+ 個 Project、65 個 MCP/Skill
簡單直觀案例	每階段附 1-5 個基礎練習（70-150 行 Starter + dual-path Ollama/Anthropic SDK 對照 + mock-based test）	23 個練習資料夾

走完這條完整路線，你將從「LLM 使用者」進階為「Agent 系統建構者」——能看懂 Framework 的運作機制、設計 Multi-agent 協作系統、並編寫自己的 MCP Server。

📖 關於中英文混用：本專案保留 AI Agent 領域常見英文術語（Prompt Engineering / Context Engineering / Harness / MCP / Skills / RAG 等），因為官方文件、論文、GitHub Repo 與 API 文件多以英文為主。每個重要概念均提供 中文理解名 + 英文正式術語 + 一句白話定位，讓讀者能先理解概念，再對接英文生態。完整對照表請見 resources/glossary.md。

---

📋 目錄

• 🎯 專案介紹
• 📚 快速開始
  • 線上閱讀
  • 本地下載
  • ✨ 你會收穫什麼？
• 🗺️ 學習地圖（兩條學習路徑）
• 💡 如何學習
• 📚 相關資源
• 🤝 如何貢獻
• 🙏 致謝
• 🎓 引用
• License

---

📚 快速開始

🚀 第一次接觸 AI Agent / 沒寫過 Code？

先查看 resources/setup-guide.md — 30-45 分鐘從零帶你申請 API Key、安裝 Python、跑出第一個 LLM Hello-World。

線上閱讀

• 學習地圖（兩條學習路徑） — 看完這節決定走 Track A 還是 Track B
• Stage 0 基礎準備 — 已經具備 Python / Git / API 知識的人可以直接跳至 Stage 1

本地下載

git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git
cd awesome-agentic-ai-zh
# 從 stages/00-foundations.md 開始

✨ 你會收穫什麼？

• 📖 完全免費 — MIT 授權，所有內容開放共學
• 🗺️ 兩條學習路徑 — Track A（CLI Power User）適合「想使用現成 CLI Agent」的人；Track B（Agent Builder）適合「想打造自己 Agent」的人。共用 Stage 0-2 基礎
• 🛠️ 基礎動手練習 — 每階段附 1-5 個直觀練習（題目 + dual-path SDK 對照 + success criteria）。定位為基礎入門 + 路線確認——章節級的深度練習請見對應 Stage 的 hello-agents / Anthropic Cookbook callout
• 🎯 精選 240+ 個 Project — 每個都附星等推薦、適合對象、教學重點、運行方式（含本地 LLM 執行：Ollama、llama.cpp、LocalAI、MLX）
• 🌏 三語完整維護 — 繁中(原始版本) / 簡中 / English，三版皆完整維護，非機器翻譯
• 🎓 不只「框架」，還有「Claude Code 生態」 — MCP / Skills / Plugins / SDK 完整堆疊
• 🔬 5 條依使用者分流的延伸路線 — 研究員 / 開發者 / 教師 / 知識工作者 / 日常使用者
• ⏱️ 清晰的預估時程 — Track A 8-10 週 / Track B 主幹最少 16-22 週，實際需 5-7 個月（每週 5-8 小時）

---

🗺️ 學習地圖（兩條學習路徑）

走完 Stage 0-2（共用基礎） 之後，依照你的目標選擇學習路徑：

• Track A — CLI Power User：你想使用現成的 CLI Agent（Claude Code、Codex、OpenCode、Gemini CLI 等）來優化工作流程，不打算從零開發 Agent。共 3 個 Sub-stage（A1-A3）。
• Track B — Agent Builder：你想從零打造自己的 Agent——學習 Framework、編寫 ReAct、設計 Multi-agent。Stage 3-7 是核心路線。

兩條學習路徑不互斥——多數人會先走 A 將 CLI 工具運用起來，再回到 B 學習內部運作；反之亦然。Stage 5（Claude Code 生態）兩條路徑皆會用到。

共用基礎（Stage 0-2）

Stage	主題	關鍵內容	預估時程
0	基礎準備（Foundations）	Python · CLI · Git · API · JSON	1-2 週
1	LLM 基礎（LLM Basics）	Token · API · 各大 LLM 比較 · 本地 LLM	1 週
2	Prompt 設計（Prompt Engineering）	System Prompt · Few-shot · CoT	1-2 週