Awesome-Agent-Learning：AI Agent 学习资源精选清单

前言

Awesome-Agent-Learning 是一个精选的 AI/LLM Agent 学习资源列表，帮助开发者从零开始学习 AI Agent 开发。

资源概览

基本信息：

• 仓库：https://github.com/artnitolog/awesome-agent-learning
• 维护者：artnitolog
• 更新频率：持续更新
• 资源数量：100+ 条目

资源分类：

分类	说明
理论	Agent 基础概念、架构设计
框架	LangChain、AutoGPT、CrewAI 等
教程	从入门到进阶的教程
论文	学术研究成果
项目	开源 Agent 项目
工具	Agent 开发工具

核心内容

1. 理论基础

Agent 核心概念：

• Agent 定义与分类
• ReAct 架构
• Chain-of-Thought 推理
• Multi-Agent 协作

推荐阅读：

• “Building Effective AI Agents” - Anthropic 工程博客
• “ReAct: Synergizing Reasoning and Acting in Language Models” - 论文
• “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models” - 论文

2. 框架与工具

主流框架：

框架	定位	Stars
LangChain	通用 LLM 框架	90k+
AutoGPT	自主 Agent	160k+
CrewAI	多 Agent 协作	20k+
LlamaIndex	数据索引与查询	30k+
Semantic Kernel	Microsoft 企业级	20k+

开发工具：

• LangSmith：LangChain 可观测性平台
• Helicone：LLM 监控
• Weights & Biases：实验追踪
• LiteLLM：多 LLM 统一接口

3. 实战项目

推荐项目：

项目 1：AI 客服 Agent

• 技术栈：LangChain + RAG + Claude
• 功能：自动回答常见问题、升级复杂问题
• 学习点：Prompt 设计、RAG 实现、Memory 管理

项目 2：代码生成 Agent

• 技术栈：Claude Code / OpenCode
• 功能：根据需求生成代码、编写测试
• 学习点：工具调用、代码理解、错误处理

项目 3：研究助手 Agent

• 技术栈：AutoGPT + 搜索 API
• 功能：自动化研究、生成报告
• 学习点：多步骤规划、外部 API 集成

4. 论文研究

推荐论文：

ReAct 架构：

• 论文：“ReAct: Synergizing Reasoning and Acting in Language Models”
• 核心思想：将推理和行动结合，形成”思考-行动-观察”循环
• 影响：成为 Agent 架构的主流范式

Chain-of-Thought：

• 论文：“Chain-of-Thought Prompting Elicits Reasoning in Large Language Models”
• 核心思想：让 LLM 展示推理过程
• 应用：复杂问题求解、数学推理

Multi-Agent 系统：

• 论文：“Communicative Agents for Software Development”
• 核心思想：多个 Agent 角色扮演、协作完成任务
• 应用：ChatDev、MetaGPT

5. 学习路径

初学者（0-3 个月）：

1. 理解 LLM 基础
2. 学习 Prompt Engineering
3. 尝试简单的 Agent（如客服机器人）
4. 学习 RAG 基础

进阶者（3-6 个月）：

1. 深入理解 Agent 架构（ReAct、CoT）
2. 学习工具调用
3. 实现多步骤 Agent
4. 探索 Memory 管理

高级开发者（6-12 个月）：

1. Multi-Agent 系统设计
2. Agent 安全与护栏
3. 生产环境部署
4. 性能优化与成本控制

推荐资源精选

教程类

1. LangChain 官方教程

• 链接：https://python.langchain.com/docs/tutorials/
• 内容：从 Hello World 到完整 Agent
• 难度：初级到中级

2. Anthropic Agent 指南

• 链接：https://www.anthropic.com/engineering/building-effective-agents
• 内容：如何构建有效的 Agent
• 难度：中级

3. DeepLearning.AI 课程

• 课程：“LangChain: Chat with Your Data”
• 课程：“Building Systems with the ChatGPT API”
• 难度：初级到中级

论文类

1. ReAct 论文

• 链接：https://arxiv.org/abs/2210.03629
• 核心贡献：推理与行动结合的架构

2. AutoGPT 论文

• 链接：https://arxiv.org/abs/2303.11381
• 核心贡献：自主 Agent 概念

3. Toolformer 论文

• 链接：https://arxiv.org/abs/2302.04761
• 核心贡献：LLM 自主学习使用工具

项目类

1. AutoGPT

• 链接：https://github.com/Significant-Gravitas/AutoGPT
• 特点：完全自主的 Agent
• 学习点：目标分解、自我反思

2. CrewAI

• 链接：https://github.com/joaomdmoura/crewAI
• 特点：多 Agent 协作框架
• 学习点：角色设计、任务分配

3. MetaGPT

• 链接：https://github.com/geekan/MetaGPT
• 特点：软件公司模拟
• 学习点：多角色协作、工作流设计

工具类

1. LangSmith

• 链接：https://www.langchain.com/langsmith
• 功能：Agent 可观测性、调试、评估
• 学习点：如何追踪 Agent 执行过程

2. LiteLLM

• 链接：https://github.com/BerriAI/litellm
• 功能：统一 LLM 接口
• 学习点：如何抽象不同 LLM

3. Weights & Biases

• 链接：https://wandb.ai/
• 功能：实验追踪、模型评估
• 学习点：如何管理 Agent 开发实验

使用建议

1. 按需学习

不要试图学习所有资源。根据你的目标选择：

• 想快速上手：从教程开始，边学边做
• 想深入理解：阅读论文，理解原理
• 想生产部署：学习工具、可观测性、安全

2. 实践优先

Agent 开发是实践驱动的：

• 每学一个概念，就写一个小项目
• 不要只看不做
• 从简单场景开始，逐步增加复杂度

3. 关注社区

Agent 领域变化极快：

• 关注 GitHub Trending
• 加入社区（Discord、Slack）
• 订阅技术博客

扩展资源

中文资源

• MosuoAI：AI Agent 开发者深度指南（mosuoai.com）
• 知源笔记：LLM 应用开发笔记
• AI 论文解读：微信公众号、知乎专栏

英文资源

• LangChain Blog：https://blog.langchain.dev/
• Anthropic Blog：https://www.anthropic.com/research
• OpenAI Cookbook：https://github.com/openai/openai-cookbook

相关阅读

• Awesome-Agent-Learning GitHub
• MosuoAI AI Agent 教程

---

更新时间：2026-04-25 02:50 来源：GitHub、Awesome-Agent-Learning