69k Stars 的《从零开始构建智能体》：Datawhale 出品的 Agent 系统教程，到底值不值得跟？

datawhalechina/hello-agents 是由 Datawhale 社区发起的系统性智能体学习教程，GitHub 已有 69,206 颗 Stars、8,622 次 Fork，中英文版本并行维护，最新 V1.0.3 PDF 于 2026 年 7 月 17 日刚更新。与市场上多数”3 分钟入门”教程不同，这个项目花了 16 个章节、200 多页的篇幅，从智能体基础概念讲起，一路覆盖到 Agentic-RL 训练、多智能体协议（MCP/A2A/ANP）和毕业设计。Datawhale 明确说它的目标是”AI Native Agent”，而不是 Dify/Coze/n8n 这类流程驱动的”伪 Agent”。这意味着它要带你从 LLM 的底层逻辑开始，真正理解 Agent 为什么能”思考”、如何”记忆”、怎样”协作”。

项目结构：五个部分，一条完整路径

教程分为五大部分，共 16 章，外加若干 Extra Chapter：

第一部分打基础：初识智能体（定义、类型、应用场景）、智能体发展史（从符号主义到 LLM 驱动）、大语言模型基础（Transformer、提示工程、主流模型局限）。如果你是 AI 初学者，这部分能帮你建立对 Agent 的正确认知，而不是被各种营销概念带偏。

第二部分开始动手：实现 ReAct、Plan-and-Solve、Reflection 等经典范式；体验 Coze、Dify、n8n 等低代码平台；在 AutoGen、AgentScope、LangGraph 等主流框架上跑通代码；最终从零构建自己的 HelloAgents 框架。核心作者 jjyaoao 在项目 README 里特别提到，这个自研框架基于 OpenAI 原生 API，不依赖任何第三方 Agent 库——目的是让你真正理解框架内部机制，而不是只会调 API。

第三部分进阶知识：记忆与检索（RAG、向量存储）、上下文工程（持续交互的情境理解）、MCP/A2A/ANP 等智能体通信协议、Agentic-RL（从 SFT 到 GRPO 的 LLM 训练流程）、性能评估框架。这部分内容对应当前 Agent 开发中最稀缺的能力——如何在生产环境里让 Agent 稳定、可评估地运行。

第四部分是综合案例：智能旅行助手（展示 MCP 与多智能体协作）、自动化深度研究智能体（复现 DeepResearch）、赛博小镇（Agent 与游戏结合，模拟社会动态）。第五部分是毕业设计，要求你独立完成一个完整的多智能体应用。

真实使用门槛

项目 README 明确写了前置要求：基础 Python 编程能力 + 对大语言模型有基本概念性了解（例如知道怎么通过 API 调用 LLM）。不需要深厚的算法或模型训练背景，重点是应用与构建。PDF 全程中英文并行，英文不好的读者可以直接看中文版。PDF 下载地址在 GitHub Releases（https://github.com/datawhalechina/hello-agents/releases/latest），国内加速在 https://www.datawhale.cn/learn/summary/239。在线阅读：https://datawhalechina.github.io/hello-agents/（国外）或 https://hello-agents.datawhale.cc/（国内，需 JS）。

适合谁 vs 不适合谁

适合你如果：有 Python 基础、想系统理解 Agent 而不只是会用某个框架、对多智能体系统有实际需求（比如想自建 RAG + Agent pipeline、或者研究 Agent 评估方法）、或者正在准备 Agent 相关面试（项目里有专门的面试题总结章节）。作者团队里有 Datawhale 核心成员和浙江师范大学教授，Extra Chapter 里有来自牛客科技、腾讯（隐去）等公司的实战内容。

不适合你如果：只是想快速搭一个聊天机器人发到 Discord、没有任何编程基础、或者期望找到”最新最热的前沿研究”——教程里引用的案例有滞后性，核心价值是体系化而非时效性。

值得注意的几个细节

V1.0.3 于 2026 年 7 月 17 日发布，主要修复了文档 Bug 和内容错误，中英文同步更新，说明项目有持续维护。Star 历史显示它从 2025 年初开始快速增长，Datawhale 把它定位为”Agent 元年”的系统性教程。PDF 里故意加了 Datawhale 水印防营销号倒卖，侧面说明这个教程有被抄袭和贩卖的先例——也意味着它确实有价值。另外，项目还配套了 HelloAgents 框架（https://github.com/jjyaoao/helloagents），可以配合教程一起练手。

下一步建议

立即可做：去 GitHub 页面（https://github.com/datawhalechina/hello-agents）点个 Star，然后打开在线阅读链接，先把前言和第一章过一遍，判断内容深度是否适合自己的水平。如果正好在准备 Agent 相关面试，把 Extra Chapter 里的《Agent 面试题总结》和参考答案过一遍，里面覆盖了 ReAct、Memory 设计、Tool Use 等高频问题。

进阶路径：用一周时间完成前四章（基础 + 经典范式），配合 HelloAgents 框架跑通 ReAct 示例；再用一周时间看第五章低代码平台，了解 Coze/Dify 能做什么、不能做什么，体会教程所说的”AI Native Agent vs 工程化 Agent”的本质区别。如果你在做 Agent 评估相关的工作，第十一章和第十二章（Agentic-RL + 性能评估）是目前中文资料里相对系统的参考。