agent_learning
一個系統化的 AI Agent 開發教學,涵蓋 LLM Agents、RAG、工具使用、記憶系統、多代理系統、LangChain、LangGraph、MCP 及 agentic RL。
agent_learning 是什麼?
一個系統化的 AI Agent 開發教學,涵蓋 LLM Agents、RAG、工具使用、記憶系統、多代理系統、LangChain、LangGraph、MCP 及 agentic RL。| 從頭開始學習 AI Agent 開發 | 系統、全面、實戰導向的 Agent 開發教學 | 每日自動追蹤 arXiv 最新論文 | Learn AI Agent Development from Scratch
agent_learning 概覽
這是什麼
agent_learning 是一個開源的 AI Agent 教材與學習資源庫。它提供 23 個章節,涵蓋基礎、核心能力、框架、多智能體系統、生產環境與專題專案。內容以英文和中文兩種語言維護,每種語言 188 頁 Markdown、330 張以上原創 SVG 圖表,以及五個互動展示。此儲存庫還包含一個可執行的 reference-agent 實作,具備工具、記憶、安全閘門、評估、MCP 伺服器、FastAPI 服務與 16 個測試。
主要功能
- 23 個章節涵蓋從 LLM 基礎到生產部署的主題,包括 RAG、工具使用、記憶系統、智能體強化學習、多智能體系統、LangChain、LangGraph 和 MCP。
- 雙語內容,每種語言 188 頁,330 張以上原創 SVG 圖表。
- 可執行的 reference-agent 基準實作,包含最小 ReAct 迴圈、工具註冊表、離線 FakeProvider、選用 OpenAI provider、記憶、提示注入防護、失敗關閉權限檢查、MCP 伺服器、FastAPI 端點、串流、評估框架、Dockerfile,以及無需 API 金鑰即可執行的 16 個測試。
- 論文到實作的解說,涵蓋 ReAct、Reflexion、MemGPT/Letta、GraphRAG、GRPO、MCP、A2A 等。
- 專案遵循五項原則:機制先於框架;圖表必須具教學意義;研究必須導向工程洞見;生產宣稱必須誠實;雙語內容保持一致。
使用情境
- 從第一原理到生產工程,系統學習 AI Agent 開發。
- 教學或參考 Agent 架構與實作模式。
- 透過離線測試能力快速原型化最小 Agent 基準。
快速開始
完整說明請見儲存庫 README。要在本地執行 reference-agent 測試:bashcd reference-agentpython -m venv .venvsource .venv/bin/activatepip install -e .[dev]pytest -q
授權與價格
採用 MIT 授權條款。開源,未提及價格資訊。
內容整理自該專案公開的 README 與儲存庫資訊。