Hello Agents

活跃
GitHub Python NOASSERTION

简介

从零开始的智能体原理与实践教程,系统讲解 AI Agent 核心概念、框架使用和项目实战。

核心特性

  • 系统性 Agent 教程 — 从智能体定义到多智能体应用的完整学习路径
  • 经典范式实现 — 手把手实现 ReAct、Plan-and-Solve、Reflection 等核心范式
  • 低代码平台实战 — 覆盖 Coze、Dify、n8n 等平台的使用教程
  • 框架开发实践 — AutoGen、AgentScope、LangGraph 等主流框架的应用
  • 自研框架 HelloAgents — 基于 OpenAI 原生 API 从零构建智能体框架
  • 综合案例驱动 — 智能旅行助手、深度研究 Agent、赛博小镇等实战项目

适用场景

💡 系统学习 AI Agent 基础原理和核心范式的入门教程
💡 使用低代码平台快速搭建智能体应用
💡 基于主流 Agent 框架开发多智能体协作系统
💡 从零构建自定义智能体框架深入理解底层机制
💡 学习上下文工程、RAG、记忆系统等高级主题

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(73.2k stars)
  • Issue 响应及时,积压少

⚠️ 不足

  • 缺少明确的开源许可证

快速开始

git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents
# 在线阅读:https://hello-agents.datawhale.cc
# 本地阅读:使用 Jupyter Notebook 打开 docs/ 目录下的章节文件

相关项目

Langchain-Chatchat

38.5k · Python
不活跃 B

Langchain-Chatchat 是一个基于 Langchain 和多种大语言模型的本地知识库 RAG 与 Agent 应用平台,支持 ChatGLM、Qwen、Llama 等模型,提供对话、知识库管理、Agent 调用等功能。

ragllmpython +3
  • · 本地知识库问答 — 基于 Langchain 实现文档加载、文本分割、向量化和语义检索,支持 BM25+KNN 混合检索
  • · 多模型推理框架接入 — 支持 Xinference、Ollama、FastChat、LocalAI 等框架,接入 GLM-4、Qwen2、Llama3 等模型
  • · Agent 工具调用 — 针对 ChatGLM3 和 Qwen 优化,支持多工具自动选择、单工具参数解析、手动工具调用和多模态图片对话

MemAgent

1.1k · Python
不活跃 B

可扩展至 350 万上下文 token 的记忆智能体框架,附带用于任意智能体工作流 RL 训练的训练框架,解决长上下文记忆难题。

memoryagentrag +2
  • · 超长上下文处理:从 8K 训练上下文外推至 350 万 token,性能损失低于 5%
  • · 强化学习驱动:采用 RLVR(可验证奖励强化学习)训练,扩展 DAPO 算法支持多轮对话端到端优化
  • · 线性时间复杂度:突破长文本处理的计算瓶颈,资源随文本长度线性扩展