阅读完整的交互式版本： 本仓库是 AI Agents From Scratch（从零构建 AI Agent）系列的一部分——这是一个动手实践的系列教程，我们将一步步构建 AI Agent，解释每一个设计决策，并可视化底层运行逻辑。

👉 https://agentsfromscratch.com

如果你更喜欢长篇解释、图表和深入的概念解析，请从那里开始，然后再回到这里研究代码。

AI Agents From Scratch（从零构建 AI Agent）

学习如何在不依赖框架的情况下，在本地构建 AI Agent。在投入生产级框架之前，先透彻理解其底层原理。

宗旨

本仓库旨在教你使用 本地 LLM 和 node-llama-cpp 从第一性原理出发构建 AI Agent。通过学习这些示例，你将理解：

• LLM 的基础工作原理
• Agent 的本质（LLM + 工具 + 模式）
• 不同 Agent 架构的运作方式
• 为什么框架会做出某些特定的设计选择

理念：在构建中学习。深度理解，然后明智地使用框架。

相关项目

AI Product from Scratch

通过本地 LLM 学习 AI 产品开发基础。通过 10 个综合课程和可视化图表，涵盖了提示词工程（Prompt Engineering）、结构化输出、多步推理、API 设计和前端集成。

AI Agents from Scratch in Python

下一阶段：从零实现 LangChain 和 LangGraph 概念

在掌握基础知识后，该项目的下一阶段将引导你使用本地模型和原生 JavaScript 重新实现 LangChain 和 LangGraph 的核心部分。 这不是为了构建一个新框架，而是为了让你理解框架是如何工作的。

第一阶段：Agent 基础 - 从 LLM 到 ReAct

前置要求

• Node.js 18+
• 至少 8GB 内存（建议 16GB）
• 下载模型并放入 ./models/ 文件夹，详情请见 DOWNLOAD.md

安装

npm install

运行示例

node intro/intro.js
node simple-agent/simple-agent.js
node react-agent/react-agent.js

学习路径

请按顺序学习以下示例，以逐步建立认知：

1. 简介 - 基础 LLM 交互

intro/ | 代码 | 代码详解 | 概念

你将学到：

• 加载并运行本地 LLM
• 基本的提示/响应循环

核心概念：模型加载、上下文（Context）、推理管道（Inference Pipeline）、Token 生成

---

2. (可选) OpenAI 简介 - 使用专有模型

openai-intro/ | 代码 | 代码详解 | 概念

你将学到：

• 如何调用托管的 LLM（如 GPT-4）
• 温度（Temperature）控制
• Token 使用情况

核心概念：推理端点（Inference Endpoints）、网络延迟、成本与可控性、数据隐私、供应商依赖

---

3. 翻译 - 系统提示词与专业化

translation/ | 代码 | 代码详解 | 概念

你将学到：

• 使用系统提示词（System Prompts）使 Agent 专业化
• 输出格式控制
• 基于角色的行为
• 针对不同模型的聊天封装（Chat Wrappers）

核心概念：系统提示词、Agent 专业化、行为约束、提示词工程

---

4. 思考 - 推理与问题解决

think/ | 代码 | 代码详解 | 概念

你将学到：

• 配置 LLM 进行逻辑推理
• 处理复杂的定量问题
• 纯 LLM 推理的局限性
• 何时使用外部工具

核心概念：推理型 Agent、问题分解、认知任务、推理局限性

---

5. 批处理 - 并行处理

batch/ | 代码 | 代码详解 | 概念

你将学到：

• 并发处理多个请求
• 并行处理的上下文序列
• GPU 批处理
• 性能优化

核心概念：并行执行、序列、批大小（Batch Size）、吞吐量优化

---

6. 编码 - 流式处理与响应控制

coding/ | 代码 | 代码详解 | 概念