【如何系统学习Agent项目】：https://github.com/Earth-OL-Player/ai_learn_project

一、先给结论：不要把 Hello-Agents 当百科啃

如果你是 Agent 开发学习者，读 Hello-Agents 时最容易犯的错，是从第一章一路平均用力读到第十六章。

我不建议这么读。

这套内容很完整，从智能体概念、LLM 基础、ReAct、低代码平台、主流框架、自研框架、记忆、上下文工程、通信协议、Agentic RL、评估，再到旅行助手、Deep Research、赛博小镇和毕业设计，基本把一个 Agent 学习者会遇到的主线都铺开了。

问题也在这里：内容太全，容易让人误以为每一章都要同等精读。

如果目标是尽快具备 Agent 开发能力，我的速刷路线是：

第 1 章快速建立 Agent Loop
  -> 第 4 章吃透 ReAct、Plan-and-Solve、Reflection
  -> 第 7 章看自研框架怎么拆
  -> 第 8 章理解记忆与 RAG
  -> 第 9 章重点看上下文工程
  -> 第 10 章看 MCP 和智能体通信
  -> 第 12 章补评估闭环
  -> 第 13 或第 14 章挑一个综合项目跑通
  -> 第 16 章反推自己的毕业项目

这里面第 4、7、8、9、10、12 章最值钱。它们决定你是不是只会“调一个大模型接口”，还是能设计一个可运行、可调试、可评估的 Agent 系统。

二、我读完整套内容后的判断

Hello-Agents 的定位不是“教你用某个框架写 Demo”。它更像一份 Agent 开发路线图。

主线分成五段：

部分	覆盖内容	速刷时怎么处理
第一部分	智能体概念、发展史、LLM 基础	只补必要概念，不要陷进去
第二部分	经典范式、低代码平台、主流框架、自研框架	重点精读，这是动手入口
第三部分	记忆、上下文、协议、训练、评估	重点看工程闭环，训练按需后置
第四部分	旅行助手、Deep Research、赛博小镇	选一个项目跑，不必三个全跑
第五部分	毕业设计	提前看，用来倒推自己的项目范围

这本教程有一个好处：它没有只停在“Agent 很强”这种口号上，而是把很多烦人的工程细节拿出来讲。比如工具调用怎么封装、ReAct 输出怎么解析、记忆怎么存、上下文怎么压缩、MCP 怎么接、BFCL 和 GAIA 怎么评估。

这些东西才是 Agent 项目最卡人的地方。

三、Agent 开发者最该关注的 7 个点

1. Agent Loop：先把“循环”看懂

第一章先别忙着背各种智能体分类，先把这条循环看懂：

观察 Observation
  -> 思考 Thought
  -> 行动 Action
  -> 反馈 Observation
  -> 再次思考

很多人学 Agent 时，一上来就问 LangGraph、AutoGen、MCP、Dify 怎么选。其实先别急。

你要先能回答几个更朴素的问题：

问题	影响什么
Agent 能看到什么？	决定输入边界，也决定是否需要检索、文件访问、浏览器或数据库工具
Agent 能做什么？	决定工具列表、权限边界、调用参数和失败兜底
Agent 怎么知道做对了？	决定评估方式，不能只靠“看起来不错”
Agent 出错后怎么恢复？	决定日志、重试、反思、人工介入和状态回滚

第一章的“5 分钟实现第一个智能体”可以跑一遍。不要在这一章花太多时间背定义。你只要把 Agent 和普通 Workflow 的差异记住就够了：Workflow 更像固定流程，Agent 更像带有动态决策的循环系统。

2. ReAct：Agent 入门必须手写一次

第四章是整套教程的第一块硬骨头。

ReAct 把推理和行动放在同一个循环里。模型不是一次性给答案，而是先判断要不要调用工具，再根据工具返回结果继续推理。

这个范式必须手写一次。原因很简单：只用成熟框架时，你看不到 Agent 最容易坏在哪里。

常见故障基本都藏在这些地方：

故障点	真实表现
输出解析不稳定	模型没按 Thought / Action / Final Answer 格式输出
工具参数不合法	搜索词、JSON、日期、城市名、ID 格式经常错
工具返回太长	上下文被塞爆，后续推理开始跑偏
循环停不下来	一直搜索、一直反思、一直补充信息
没有最大步数	一个小问题烧掉一堆 token

所以第 4 章的 ReAct 不只是一个算法范式，它更像 Agent 工程的入门体检。

你能把 ReAct 手写出来，再看 LangGraph、AutoGen、AgentScope，心里会踏实很多。

3. Plan-and-Solve：适合长任务，但别滥用

Plan-and-Solve 适合步骤明确、任务比较长的场景，比如旅行规划、研究报告、项目拆解。

它的问题也明显：计划一旦错了，后面会沿着错误方向执行。现实项目里，我更倾向于把它和 ReAct 混用：

先让模型生成粗计划
  -> 每一步用 ReAct 执行
  -> 工具反馈后允许局部改计划
  -> 最后统一检查约束

第 4 章看 Plan-and-Solve 时，不用纠结每一段代码。重点看它怎么拆规划器、执行器和状态。

你要带走的是一句话：复杂任务不能只靠“直接问模型”，必须拆成可追踪的中间步骤。

4. Reflection：别迷信自我反思，要看成本

Reflection 很好用，尤其适合代码生成、报告优化、复杂推理这类“初稿可以被评审”的任务。

但它不是免费午餐。

每多一轮反思，就多一次模型调用、多一段等待、多一段上下文。对实时任务来说，它可能让体验变差。

我的建议是：

场景	是否建议加 Reflection
代码生成、SQL 生成、报告生成	建议加，收益明显
闲聊、客服问答	谨慎加，可能拖慢
工具调用型任务	可以只在失败后加
强实时任务	大多不适合

第 4 章的 Reflection 重点看“执行、反思、优化”的轨迹记录。不要只看提示词，提示词只是表面；更该看系统有没有保存每轮尝试、反馈和改动。

5. 自研框架：第 7 章要认真看

第 7 章讲自研 HelloAgents 框架，我认为这是整套教程里最适合开发者精读的一章。

很多 Agent 教程会直接教你调用某个框架的 API。这样上手快，但缺一个中间层：你不知道框架为什么要这么设计。

第 7 章拆了几个骨架：

模块	你应该关注什么
LLM 封装	多模型提供商、本地模型、自动检测机制
Message	角色、内容、历史记录该怎么表达
Config	模型参数、环境变量、默认值怎么管理
Agent 抽象基类	不同 Agent 范式怎样统一接口
Tool	工具注册、参数、调用结果怎么进入上下文
SimpleAgent / ReActAgent / ReflectionAgent	范式如何落成代码结构

读这一章时，我建议你不要只复制代码，而是画一张类关系图。

你最终要搞清楚这件事：Agent 框架不是为了“看起来高级”，而是为了把 LLM、工具、记忆、状态、提示词和执行循环拆开。拆开之后，项目才好调试，也好扩展。

四、哪些章节可以跳过或后置

速刷不是偷懒，是先把时间花在回报最高的地方。

下面这张表是我的取舍。

章节	速刷优先级	建议看法	可以跳过或后置的内容
前言	P2	看项目定位和学习建议	不必反复读
第 1 章 初识智能体	P0	看 Agent Loop、Workflow 和 Agent 差异、5 分钟 Demo	智能体分类细节可略读
第 2 章 智能体发展史	P3	面试或科普需要时再看	符号主义历史可先跳过
第 3 章 LLM 基础	P2	不懂 Transformer、提示工程、分词时补	已有 LLM 基础可快速扫
第 4 章 经典范式	P0	精读 ReAct、Plan-and-Solve、Reflection	示例背景可少看，代码逻辑要看
第 5 章 低代码平台	P2	想用 Coze、Dify、n8n 时看	纯代码开发者可先跳
第 6 章 框架开发实践	P1	看 AutoGen、AgentScope、CAMEL、LangGraph 的选型差异	不必四个框架都完整跑
第 7 章 自建 Agent 框架	P0	精读，理解框架抽象	不建议跳
第 8 章 记忆与检索	P0	看 Memory、RAG、Qdrant、Neo4j、文档问答	认知科学铺垫可略读
第 9 章 上下文工程	P0	看 ContextBuilder、NoteTool、TerminalTool	概念段落可快读，实践部分要看
第 10 章 通信协议	P0	重点看 MCP，再理解 A2A、ANP	协议历史可略读
第 11 章 Agentic-RL	P2	训练方向、后训练方向再精读	只做应用开发可后置
第 12 章 性能评估	P0	看 BFCL、GAIA、指标和评估报告	数据集细节可先扫
第 13 章 旅行助手	P1	想做真实 Web 应用时跑它	不必逐行抄前端
第 14 章 Deep Research	P1	想做研究型 Agent 时跑它	TODO 驱动流程更值得看
第 15 章 赛博小镇	P2	多智能体、NPC、游戏交互感兴趣再看	不做游戏可后置
第 16 章 毕业设计	P1	提前看，用来定自己的项目	提交流程细节可后看

如果你只有两天，我建议只看第 1、4、7、8、9、10、12 章的主干小节。

如果你有一周，再补一个综合项目。

五、7 天速刷路线

第 0 天：准备环境，不要边学边找 Key

先把 Python、虚拟环境、依赖、大模型 API、搜索 API 配好。番外的环境配置可以先看。

这一步很无聊，但不能省。Agent 学习最怕卡在“代码没跑起来”，然后误以为自己没学懂。

当天验收标准：

能调用一次 LLM
能运行一个最小 Agent Demo
能确认搜索工具或本地工具至少一个可用

第 1 天：第 1 章，只抓 Agent Loop

目标不是背概念，而是能解释：

为什么普通聊天机器人不是完整 Agent？
为什么工具调用会让系统复杂度上升？
为什么 Agent 需要观察、行动和反馈？
Workflow 和 Agent 的边界在哪里？

当天产出：写一段你自己的 Agent Loop 解释，不超过 300 字。

第 2 天：第 4 章，手写 ReAct

这一天只干一件事：跑通 ReAct。

你可以用搜索工具，也可以用计算器、天气查询、文件读取这类简单工具。重点不是工具多，而是让模型正确走完：

Thought -> Action -> Observation -> Thought -> Final Answer

当天产出：记录至少 3 个失败样例，比如格式错、工具参数错、循环停不下来。

这些失败样例比成功截图更值钱。

第 3 天：第 7 章，拆框架

不要急着写复杂项目。先看框架怎么拆：

LLM 客户端
Message
Config
Agent 抽象类
ToolRegistry
具体 Agent 范式

当天产出：画出自己的最小 Agent 框架结构。哪怕只是伪代码也行。

示例：

class Agent:
    """定义所有智能体都要具备的基础运行接口。"""

    def run(self, task: str) -> str:
        """接收任务文本，返回智能体处理结果。"""
        raise NotImplementedError


class Tool:
    """描述一个可被智能体调用的外部能力。"""

    def call(self, arguments: dict) -> str:
        """执行工具调用，并返回可写入上下文的观察结果。"""
        raise NotImplementedError

这段伪代码看起来简单，但它会逼你思考一件事：Agent 到底依赖哪些抽象。

第 4 天：第 8、9 章，记忆和上下文一起看

第 8 章讲记忆与检索，第 9 章讲上下文工程。建议连着看。

原因是：记忆不是“存得越多越好”，上下文也不是“塞得越满越好”。

你要重点理解四个动作：

动作	说明
写入	什么内容值得保存
检索	当前任务需要哪部分历史或知识
压缩	长内容怎么摘要、裁剪、重排
隔离	哪些上下文不该混在一起

当天产出：做一个文档问答或笔记型 Agent。要求它能保存一条信息，并在下一轮对话里用上。

第 5 天：第 10、12 章，协议和评估闭环

第 10 章看 MCP、A2A、ANP。速刷时先抓 MCP。

MCP 的价值不是“又多了一个协议名”，而是把工具接入变得标准化。以前每接一个服务都要写适配逻辑，现在可以通过协议拿到工具列表、参数描述和调用方式。

第 12 章看评估。Agent 没有评估，很容易变成玄学。

当天产出：给自己的 Agent 定 3 个指标。

工具调用是否正确
最终答案是否满足约束
失败时是否给出可诊断日志

第 6 天：第 13 或第 14 章，挑一个项目跑

想做偏生活服务、真实 Web 应用，就看第 13 章旅行助手。

想做研究报告、资料整合、自动检索，就看第 14 章 Deep Research。

不要两个都同时跑。你会被环境、前后端、搜索 API、模型配置分散注意力。

当天产出：跑通一个项目的最小链路。

前端输入任务
  -> 后端接收请求
  -> Agent 拆解任务
  -> 调用工具
  -> 返回结构化结果

第 7 天：第 16 章，定自己的毕业项目

第 16 章不要留到最后才看。它的价值是帮你定范围。

我建议选题时先回答这 5 个问题：

问题	示例
用户是谁？	学习者、程序员、运营、研究员
任务是什么？	查资料、写报告、审代码、做计划
需要哪些工具？	搜索、文件、数据库、浏览器、地图
需要记忆吗？	用户偏好、历史任务、项目状态
怎么评估？	正确率、约束满足率、人工评分、耗时

如果这 5 个问题答不出来，先不要写代码。

六、番外内容怎么刷

Hello-Agents 的番外内容很有用，但不适合一开始全读。

我的建议如下：

番外	建议	适合什么时候看
Agent 面试题总结和参考答案	面试前必看	主线刷完后，用来查漏补缺
上下文工程补充知识	推荐看	第 9 章之后看，理解会更顺
Dify 智能体创建流程	按需看	要做低代码平台时看
Datawhale FAQ	推荐扫一遍	主线读到一半卡住时看
Agent Skills 与 MCP 解读	推荐看	第 10 章之后看
GUI Agent 科普与实战	按需看	做桌面或手机自动化时看
环境配置	先看	第 0 天处理环境时看
如何写出好的 Skill	推荐看	想把经验沉淀成可复用能力时看
Agent 应用开发踩坑经验	建议认真看	第一个 Demo 跑通后看
Agent 自进化	后置	已经有评估闭环后再看
Web Agent 科普与实战	推荐看	做浏览器任务、网页自动化时看
旅行助手后训练实战	后置	看完第 11、13 章再看
视频课录制共创	可跳过	想参与社区共创时再看

这里我特别建议看“Agent 应用开发踩坑经验”。这类内容比概念更接近真实开发：工具太自由会失控，工具太碎会低效；提示词不是魔法，观测和日志才是调优的基础。

七、共创项目区怎么用

共创项目区不要逐个精读。

它更适合拿来做三件事：

1. 找选题灵感。
2. 看 README 怎么写。
3. 对比别人怎么组织 Agent 项目结构。

里面有数据分析、数据库助手、股票分析、编程导师、代码审查、邮件助手、菜谱助手、小说生成、历史复盘等方向。你可以先挑和自己目标接近的 2 到 3 个项目看。

看共创项目时，不要只看效果图。重点看这些：

检查项	你要找什么
项目简介	任务边界是否清楚
主要功能	是否真需要 Agent，还是普通 Workflow 就够
技术栈	是否有模型、工具、记忆、检索、评估
快速开始	能不能让别人跑起来
使用示例	是否有输入、输出和失败说明

一个 Agent 项目写得好不好，README 往往能先看出一半。

八、我会这样配置自己的速刷清单

下面这段可以直接复制成自己的学习配置。

hello_agents_fast_read:
  goal: "7 天内完成第一轮速刷，并跑通一个最小 Agent 项目"
  must_read:
    - "第 1 章：Agent Loop、Workflow 和 Agent 的差异"
    - "第 4 章：ReAct、Plan-and-Solve、Reflection"
    - "第 7 章：自研 Agent 框架的基础抽象"
    - "第 8 章：Memory、RAG、文档问答"
    - "第 9 章：ContextBuilder、NoteTool、TerminalTool"
    - "第 10 章：MCP、A2A、ANP"
    - "第 12 章：BFCL、GAIA、评估报告"
  choose_one_project:
    - "第 13 章：智能旅行助手"
    - "第 14 章：自动化深度研究智能体"
  optional_later:
    - "第 2 章：发展史"
    - "第 5 章：低代码平台"
    - "第 11 章：Agentic RL"
    - "第 15 章：赛博小镇"
  deliverables:
    - "一个能调用工具的 ReAct Agent"
    - "一份失败样例记录"
    - "一张框架结构图"
    - "一个带记忆或检索能力的小 Demo"
    - "三个可执行的评估指标"

如果你刷完一轮后没有这些产出，大概率只是“看过”，还没学进去。

九、哪些内容最容易误读

误区一：以为低代码平台就是 Agent 开发的全部

Coze、Dify、n8n 很适合快速搭建应用，也适合验证想法。

但想成为 Agent 开发者，不能只停在拖拽节点。你至少要知道节点背后发生了什么：模型输入是什么、工具参数怎么来、上下文怎么组织、失败怎么兜底。

低代码可以用，但不要让它替你思考系统设计。

误区二：以为框架越复杂越专业

Agent 项目不是框架名堆得越多越好。

一个能稳定完成任务、日志清楚、失败可诊断、指标可追踪的小 Agent，比一个挂满框架名但跑不稳的系统更有价值。

第 6 章看主流框架时，重点不是“哪个最好”，而是看它们分别解决什么问题。

误区三：以为记忆就是向量数据库

向量数据库只是存取方式之一。

问题在于：什么该记，什么时候取，取出来放在哪里，和当前任务有没有冲突。

第 8、9 章合起来看，才能避免把记忆系统做成一个“历史消息垃圾桶”。

误区四：以为评估是最后一步

评估应该尽早进入项目。

哪怕只有 10 条测试任务，也比完全靠肉眼看输出强。Agent 很会给出看起来像样的答案，但工具调用错、约束漏掉、预算算错、来源不可靠，这些问题肉眼很容易漏。

第 12 章值得提前看。

十、速刷后的进阶路线

第一轮刷完后，我建议按目标分三条路走。

路线 A：做 AI 应用开发

重点补：

第 7 章自研框架
第 8 章记忆与检索
第 9 章上下文工程
第 10 章 MCP
第 13 或第 14 章综合项目
番外 Web Agent、Agent 应用踩坑经验

适合想做工具型 Agent、办公助手、资料整理、代码助手的人。

路线 B：准备 Agent 面试

重点补：

第 1 章概念边界
第 4 章三种范式
第 6 章框架对比
第 8 章 RAG 和 Memory
第 10 章 MCP / A2A
第 12 章评估
番外 Agent 面试题

面试时不要只背“ReAct 是推理加行动”。要能讲一个失败案例，比如 Action 解析失败、工具参数错误、Observation 太长导致后续推理变差。

路线 C：研究训练和自进化

重点补：

第 11 章 Agentic RL
第 12 章性能评估
番外 Agent 自进化
番外 旅行助手后训练实战

这条路线门槛更高。最好在你已经跑通过一个 Agent 项目，并且有评估集之后再学。不然很容易变成看训练术语。

十一、我自己的最终建议

想通过 Hello-Agents 快速入门 Agent 开发，不要追求“我把每一章都看完了”。

更好的目标是：

我能解释 Agent Loop
我能手写一个 ReAct
我能拆出 Agent 框架的几个基础模块
我知道 Memory、RAG、上下文工程的边界
我知道 MCP 解决什么问题
我能给 Agent 设计最小评估集
我能跑通一个综合项目，并说清楚它为什么这么设计

做到这些，你再回头看第 2 章发展史、第 5 章低代码、第 11 章训练、第 15 章赛博小镇，吸收会快很多。

Agent 学习难的地方，不是知道多少新名词，而是能不能把“模型、工具、上下文、状态、评估”放到同一个系统里。

Hello-Agents 已经把这条路铺出来了。速刷时别迷路，先把主干跑通。跑通之后，再慢慢补枝叶。