awesome-agentic-ai-zh

🤖 AI Agent 學習地圖 — 從基本 LLM 概念到自己打造多 agent 系統

📱 用手機看的話，建議走線上文件站而不是這一頁。 內容一樣，但站上的表格會隨螢幕折行、不用左右拖，另外有跨頁搜尋與側邊目錄。桌機兩邊都好讀，手機差得多。

🎯 專案介紹

本 repo 角色定位：學習路線圖 + 240+ 資源 curation + 簡單 illustrative 案例——三件事為核心、幫想學 AI / AI agent 的人從「不知道從哪開始」走到「能設計多 agent 系統」。

具體做法：

核心 做什麼 規模

學習路線圖 把網路散落的高品質專案、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 hub）+ 2 條學習路線 + 5 條延伸路徑 8 stages、2 tracks

資源 curation 每階段精選 240+ 個 project（含星等、適合誰、教什麼、怎麼跑），加上中文 AI 生態(DeepSeek / Zhipu / Kimi 等)MCP / Skill 完整 catalog 240+ projects、79 MCP/Skill

簡單 illustrative 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 folder

走完整條路線，你會從「LLM 使用者」進階到「agent 系統建構者」——能看懂 framework 在做什麼、能設計多 agent 協作、能寫自己的 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、paper、GitHub repo 與 API 文件多以英文為主。每個重要概念會提供 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

• ☕ 支持這個專案

• License

📚 快速開始

🚀 第一次接觸 AI agent / 沒寫過 code？

先看 resources/setup-guide.md — 30-45 分鐘從零帶你申請 API key、裝好 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 Track B

• Stage 0 基礎準備 — 已經會 Python / git / API 的人可以直接跳 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）給「想 USE 現成 CLI agent」的人；Track B（Agent Builder）給「想 BUILD 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 illustrative 練習（題目 + dual-path SDK 對照 + success criteria）。定位是基礎入門 + 路線確認——chapter-length 深度練習見對應 stage 的 hello-agents / Anthropic Cookbook callout

• 🎯 精選 240+ 個 projects — 每個都附星等推薦、適合誰、教什麼、怎麼跑（含本地 LLM 執行：Ollama、llama.cpp、LocalAI、MLX）

• 🌏 三語完整維護 — 繁中(canonical)/ 簡中 / English,三版皆完整維護、英文非薄翻譯

• 🎓 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 / 老師 / 知識工作者 / 日常使用者

• ⏱️ 預估時程寫清楚 — Track A 8-10 週 / Track B 主幹最少 16-22 週、現實 5-7 個月（每週 5-8 hr）

🗺 學習地圖（兩條學習路徑）

走完 Stage 0-2（共用基礎） 之後，依你的目的選一條學習路徑：

• Track A — CLI Power User：你想用現成的 CLI agent（Claude Code、Codex、OpenCode、Gemini CLI 等）把工作做順、效率拉高，不打算自己從零寫 agent。3 個 sub-stage（A1-A3）。

• Track B — Agent Builder：你想從零打造自己的 agent——學 framework、寫 ReAct、設計 multi-agent。Stage 3-8 是主路線。

兩條學習路徑不互斥——多數人是先走 A 把 CLI 用起來，再回到 B 學內部運作；或反過來也行。Stage 5（Claude Code 生態）兩條路徑都會用到。

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 · 各家 LLM 比較 · 本地 LLM 1 週

2 Prompt 設計（Prompt Engineering） 系統 prompt · few-shot · CoT 1-2 週

Track A — CLI Power User（想用 CLI 把事情做完）

Stage 主題 關鍵內容 預估時程

A1 選一個 CLI Agent，開始用它做事（CLI Agent Intro & Selection） 8 主流 CLI 比較 · 安裝 · 第一次跑 1 週

A2 建立可重複使用的 CLI 工作流程（CLI Workflow Patterns） CLAUDE.md · slash command · 多步驟拆解 1-2 週

A3 把 CLI Agent 接進真實工作流程（Integration & Production） MCP 接 CLI · CI 自動化 · cost / observability 1-2 週

+5 Stage 5 — Claude Code 生態（共用 hub） MCP · Skills · Plugins · Subagents、Track A 必看 5.1-5.4 / 選讀 5.5-5.7 1-2 週（Track A 視角）

+8 Stage 8 — Agent Interfaces（共用 hub） Computer Use · Browser Use · Code Sandbox、Track A 視角看 Track A 怎麼用 1-2 週（Track A 視角）

Track A 預估總時程：含 Stage 0-2（共用基礎）+ A1-A3 + Stage 5 + Stage 8（兩個共用 hub）= 約 8-10 週。核心參考：resources/cli-agents-guide.md。

Track B — Agent Builder（從零打造 agent）

Stage 主題 關鍵內容 預估時程

3 ⭐ 工具使用與第一個 Agent（Tool Use & Hello Agent） function calling · ReAct · 5 個動手練習 2-3 週

4 Agent 框架（Agent Frameworks） LangGraph · AutoGen · CrewAI · Smolagents 2-3 週

5 ⭐⭐ Claude Code 生態系（Claude Code Ecosystem）（共用 hub、Track A 也學） MCP · Skills · Plugins · Subagents 3-4 週（Track B 視角）

6 上下文管理（Context Engineering）：RAG 與 Memory vector DB · long-term memory · contextual retrieval 2 週

7 多 Agent 系統與穩定運作（Multi-Agent & Production） multi-agent orchestration · eval · observability · SDK 進階 2-4 週

7.5 進階 Agentic Workflow 概念（Advanced Agentic Concepts）（reading map） 工作邊界 · PAR loop · agent-as-judge · 12 個進階概念 + reading list 1 週（不寫 code）

8 ⭐⭐ Agent 操作介面（Agent Interfaces）（共用 hub、Track A 也學） Computer Use · Browser Use · Code Sandbox、2024-2026 frontier 2-3 週（Track B 視角）

Track B 預估總時程：主幹最少 16-22 週、現實 5-7 個月（每週 5-8 hr 兼職）

兩個共用 hub（Track A + Track B 都會用到）：

• Stage 5 = Claude Code 生態（MCP / Skills / Plugins / Subagents）—— Track A 學 MCP 接 CLI、Track B 學 agent runtime 結構

• Stage 8 = Agent Interfaces（Computer Use / Browser / Sandbox、2024-2026 frontier）—— Track A 學「怎麼用」委派任務、Track B 學「怎麼 build」embed 進 agent

兩個 hub 出現在兩條 track 內、視角不同、學的深度也不同（內文有 Track A / Track B 分視角段）。

💡 想看跨 stage 的完整範例？ 7 步打造你的第一個 AI Agent — 同一個 Paper Summary Bot 從 Stage 1 一路寫到 Stage 7，~300 行真實程式碼（Track B 適用）

走完主幹後，依你的身分挑一條延伸路線繼續走。不確定挑哪條？

💡 「日常使用者」這條路線不必走完主幹就能直接讀——是給「想用 AI、但不一定要寫 code」的人。

路線 適合誰 主題

🔬 研究人員 研究生、博後、PI 文獻整理 · paper 寫作 · multi-agent review

💻 開發者 軟體工程師 Cursor · Aider · CLI delegation · code review

🎓 教師 老師、講師 備課 · 投影片 · 學生 feedback · 隱私 / 倫理 · prompt 範本

📊 知識工作者 顧問、PM、分析師 Email · 會議紀錄 · report 自動化

👥 日常使用者 ChatGPT / Claude.ai 使用者 寫信 · 學習 · 隱私場景 · CLI agent 入門

💡 如何學習

這份路線圖兼顧概念與實作，目標是帶你從 LLM 使用者一路走到 agent 系統建構者。適合有基本 Python 能力的開發者、研究生、自學者。動手之前，先確認你有：

• 基本 Python — 寫過 function、用過 API、看得懂 JSON

• 基本 git — clone、commit、push

• 想學的動機 — agent 是 2024-2026 變化最快的領域，需要持續投入（2026 仍每月推新 model / 新 framework）

上面有缺的就從 Stage 0 補齊；都會了就直接跳 Stage 1。

主幹分 5 部分：

• Part 1（Stage 0-2）：基礎與 LLM 入門 — Python / git / API、什麼是 LLM、怎麼設計 prompt

• Part 2（Stage 3-4）：建構你的 Agent — 從 tool use 進化到 agent，學主流 framework

• Part 3（Stage 5） 共用 hub — Claude Code 生態系（MCP / Skills / Plugins / Subagents、Track A + B 都會用到）

• Part 4（Stage 6-7）：進階整合 — memory / RAG / multi-agent 協作 / harness engineering

• Part 5（Stage 8） 共用 hub — Agent Interfaces（Computer Use / Browser Use / Code Sandbox、2024-2026 frontier、Track A + B 都會用到）

🔭 概念分層的演進：prompt engineering（Stage 2、單一 prompt 怎麼寫）→ context engineering（Stage 3 之後、怎麼動態組 system prompt + memory + retrieved chunks + tool schema）→ harness engineering（Stage 7、agent loop / eval / observability / deploy 整套包成 production system）。2026 之後社群又往外接了 loop（讓它自己跑完）與 graph（把流程攤開來看得到）兩層——完整五層與各層目的見 Stage 7 五層工程分工。詳見 stages/02-prompt-engineering.md#-進階context-engineering不是-prompt-engineering-了 跟 stages/07-multi-agent-production.md 必修閱讀 5+6。

走完主幹（Track B 16-22 週 / Track A 8-10 週）後，依你的身分（研究員 / 開發者 / 老師 / 知識工作者 / 日常使用者）挑一條延伸路線繼續走。

最重要的一句話：不要跳過 動手練習。每個 stage 的 動手練習都是「不動手就學不會」的東西，光讀過去後面會卡住。

🎓 動手練習怎麼用才對：每個練習 folder 裡的 starter.py 是完整解答、不是 TODO skeleton。如果你 clone 下來直接 cat starter.py + python test.py pass、會誤以為「我學會了」、其實沒寫一行 code。正確學習法：mv starter.py starter_reference.py、看 signature 不看 body、自己重寫、卡住才回去對照。完整方法論 + 每個 stage 的時間預算 + 卡住處理流程看 docs/HOW_TO_USE.md。

準備好了嗎？從 Stage 0 開始。

📚 相關資源

完整的相關資源（用語說明 + 常用 MCP / Skill