AI 原生开放教材

外观

从零构建 AI Agent（didilili）课时教程·中文原文 ↗仓库 ↗

从零构建 AI Agent（didilili） ​

AI 智能体教程

🚀 全网最系统的 AI 智能体实战速成指南（从零到企业级落地）

ai-agents-from-zero

2026 持续更新中 · 目标打造「地表最强」AI Agent 教程 —— 系统教程 + 可跑源码 + 面试题库 + 企业级实战项目 + 长期技术栈更新，全面对齐「AI 智能体 / 大模型应用开发工程师」培训课表与招聘 JD的一条龙学习路线

快速开始 • 教程大纲 • 案例汇总 • 更新日志 • 面试题库 • 新手入门与常见问题

📚 在线阅读

📢 更新说明：AI 不停，更新不止。本仓库将伴随 AI 大模型技术栈持续进化，坚持 开源、系统化、长期更新。模型、框架、Agent、实战项目，都会随着生态变化持续完善和升级。它不只是帮你入门，而是陪你一路成长，从零基础到能真正落地。

目前 概念篇 已全部更新完毕，两个完整实战项目也已更新完毕：NL2SQL + LangGraph 实战项目 电商问数（源码仓库）已于 5 月 3 日完成。DeepAgents 多智能体实战项目 深度研搜（源码仓库）已于 5 月 17 日完成。你可以点击更新日志，了解最新仓库动态。

✨ 教程亮点 ​

  • 🌱 全网首个系统开源的 AI 智能体教程：这是一套长期维护的 AI 大模型应用开发路线图。市面上不缺零散帖子，也不缺收费训练营，但真正系统、持续更新，并且覆盖 教程 + 源码 + 实战项目 + 面试题库 的 AI 大模型应用教程极少。本仓库要做的就是把这条路线公开、做深、做完整，陪你从入门、进阶、项目实战一路成长。
  • 🧭 一条线拉通大模型应用全栈：从大模型与提示词，到低代码（Coze/Dify）与代码框架（LangChain/LangGraph），再到企业级 RAG/Agent、微调与工程规范——按知识体系统一编排，完整链路闭环，适合系统吃透而不是碎片化收藏。
  • 🐍 聚焦 Python 生态，直击 Agent 工程：很多课程会围绕 Spring AI、langchain4j 展开，更偏 Java 技术栈。本教程主线聚焦 Python + LangChain + LangGraph，直接对齐当下 AI Agent / 大模型应用开发最常用的工程路线。
  • 📘 零基础能进，工程师也能深挖：整套教程按由浅入深的方式编排，先把大模型、Agent、RAG、MCP、Tool Calling 这些核心概念讲透，再进入源码、框架、部署和项目设计。少讲玄学黑话，多讲“为什么这么设计、代码怎么跑、项目怎么落地”。
  • 💼 企业级实战，对标「能干活」：以电商问数、深度研搜、掌柜智库、电商小二等为主线，串起意图解析、多源知识、转人工、复盘与监控；把 多路召回、评测、观测、成本、护栏 放进真实语境里练。写简历、讲项目有抓手、不空泛。
  • ✅ 每个案例都以“能跑起来”为标准：不只是讲概念或贴伪代码，而是尽量提供可运行案例、源码、环境说明和常见问题排查。案例内容均按人工实际跑通的思路整理，帮助你少踩坑、尽快上手。
  • 📚 教程源码面试，三位一体能跑通：不止「看完」，还能「跑通」更能「答出来」——可运行案例与源码、提示词模板与部署思路，拒绝「只讲概念」。面试题库按培训班与 JD 常见能力域拆题，其中有相当一部分题目整理自大厂真实面试题、公开面经与高频追问场景，适合转岗/应届集中复盘。

🛠 技术栈概览 ​

类别技术/平台说明
大模型与基础LLM、Transformer、MoE、自注意力LLaMA/Qwen/GPT、多模态、预训练/微调/推理
提示与编排提示词工程、Tool Calling、Skills多轮对话、消息模板、结构化输出、工具调用、技能化能力沉淀
低代码平台Coze（扣子）、Dify工作流、Agent、知识库、插件、Python 调用与本地化部署
开发框架LangChain、LangGraph、DeepAgentsModel I/O、Runnable / LCEL、Memory、Tools、Agents、图式工作流、多智能体
协议与通信MCP（Model Context Protocol）、A2AFunction Calling、服务解耦、外部工具接入、跨 Agent 协作
RAG 与检索向量数据库、稀疏检索、混合检索、BGE-Rerank多路召回、重排序、知识图谱、RAGAS 评估、高级 RAG 优化
文档与多模态MinerU、OCR图文混排 PDF 解析、设备手册与售后指南
部署与运维Docker、Ollama、Xinference、vLLM腾讯云/阿里云、AutoDL、Coze 本地部署
微调与训练PEFT、LoRA、QLoRA、DeepSpeed、Llama-FactoryAlpaca/ShareGPT 数据格式、Safetensors、关键词评估
编程与工具Python；Codex、Cursor主语言为 Python；覆盖 AI 编程工具、Agent Skills、多模型 API、MCP 接入与调试
求职与面试面试题库按岗位能力域组织 问法 + 答法；对齐同类线上培训结业能力与 JD 高频考点

🎯 你学完能收获什么？ ​

  • 可上线的项目能力，能独立交付 AI Agent 应用（从环境到部署），从「只会调 API」进阶到能落地的工程实践。
  • 体系化的架构表达，能讲清楚 RAG、Agent、MCP 等设计与取舍，面试与简历里经得起追问。
  • 面试与 JD 对齐，独立 面试题库，与正文题号互链，按岗位能力域组织问法与答法，适合应届与转岗梳理口径。
  • 工程化与简历素材，企业向案例与多路召回、观测、成本等表述，项目可演示、可写进简历。
  • 可检索的知识地图，成体系目录 + 案例源码，与常见「智能体 / 应用开发」课表维度对齐，便于对照补缺，少踩「只看过文章没跑过」的坑。
  • 明确的岗位对标，可胜任 AI 应用开发工程师、AI Agent 工程师、AI 自动化流程开发及 AI 产品技术负责人等方向；尤其适合前端 / 后端 / 产品等背景转型 AI 与智能体开发。

📚 教程大纲（节选） ​

完整导航见 教程目录大纲 与 在线文档。

这份大纲不是固定目录。后续将伴随 AI 技术栈继续演进，新的核心知识点、新框架和新项目实践会继续并入这条路线中。

01 大模型基础能力构建 ​

章节名称内容概要
大模型（LLM）认识与环境准备起源与发展、AGI 关系、主流模型特点与适用场景、预训练/微调/推理
大模型架构原理Transformer、MoE、自注意力、LLaMA/Qwen/GPT、多模态
大模型调度平台Ollama、私有大模型调用、云端/本地部署（AWS、阿里云等）
提示词工程核心原则与结构、链式思维与 Few-shot、多轮对话与记忆、在 Agent 与工具调用中的应用

02 企业低代码平台开发与项目实战 ​

章节名称内容概要
Coze（扣子）平台界面与功能、插件/知识库/工作流/智能体、Python 调用工作流
项目 1：商户运营管家行业调研 PPT、爆款视频复刻、营销海报、卖点提炼、评论分析
Dify AI 平台工作流/Agent/知识库、多案例（投诉分类、调研报告、客服分析、评论分析）、Python 调用
容器化技术Docker 核心概念、安装与常用命令
企业级大模型部署腾讯云/阿里云、Docker、Dify、AutoDL、Ollama、Xinference、Coze 本地部署
AI 代码编程工具 - Trae AI安装使用、多模型 API、MCP 接入
AI 代码编程工具 - Qoder使用与调试、项目开发

03 大模型核心开发框架 ​

章节名称内容概要
LangChain 框架原理与应用Model I/O、Prompt、Parser、Runnable / LCEL、Memory、Tools、Retrieval、Agent
LangGraph 框架原理与应用图式思维、State/Node/Edge、持久化记忆、流式输出、多智能体与 A2A
MCP 从原理到实战与 Function Calling 对比、通信机制、工作流程、Server 部署与自定义开发
跨 Agent 通信：A2A 协议与 MCP 关系、消息与认证、典型场景

04 企业级 RAG / Agent 项目实战 ​

章节名称内容概要
掌柜智库LangGraph RAG 工作流、MinerU/OCR、向量+稀疏+Neo4j 多路召回、HyDE/BGE-Rerank、RAGAS 评估
电商小二意图解析、多源知识库、流式回复、转人工机制、对话复盘、多渠道与监控
电商问数围绕自然语言问数，完整串起 MySQL 数仓、元数据知识库、Qdrant 向量检索、Elasticsearch 字段值检索、LangGraph 工作流、SQL 生成校验执行、FastAPI SSE 和前后端联调
深度研搜基于 DeepAgents 搭建多智能体研究系统，串起网络搜索、MySQL 查询、RAGFlow 知识库、文件读取生成、FastAPI 接口和 WebSocket 实时进度回传
市场罗盘场景化任务拆解、从 0 到 1 设计与开发、阶段目标与进度管控、代码评审与成果展示

已完成实战项目推荐：

  • 电商问数（源码仓库）：不是简单的 SQL 生成 Demo，而是把 MySQL、LangGraph、Qdrant、Elasticsearch、FastAPI 等知识点放进同一条可运行的智能问数链路里。
  • 深度研搜（源码仓库）：不是普通聊天框，而是围绕开放研究任务，把主智能体调度、子智能体分工、多来源资料检索、文件生成交付和前后端实时联动做成一条完整闭环。

05 大模型微调实践 ​

章节内容概要
28 微调概述问题诊断、模型类型、基线和关键词项目流程
29 数据与模板真实 JSONL、样本质量、清洗划分和对话模板
30 训练与高效微调训练参数、显存算例、LoRA 与 QLoRA
31 LLaMA-Factory 微调实战AutoDL 单卡 / FP16、清洗版训练、日志与备份
32 微调效果评估与模型部署单条验证、200 条双组预测与评分、导出与独立加载；vLLM 选做
33 微调显存优化与多卡训练单卡显存排查、并行分工、ZeRO 与短跑日志判断

06 大厂开发规范 ​

章节名称内容概要
企业大模型研发流程技术调研、方案与框架设计、RAG 与 pipeline、评估与角色、立项与需求文档
大模型当下热点Agent/RAG 主流技术、前沿与热点跟踪

🏗️ Agent 项目架构与技术架构 ​

智能体生态架构图

🚀 快速开始 ​

结合 在线文档 一起学习。想马上跑通一个案例？按下面几步即可。更详细的环境说明、API 申请、常见报错处理见 新手入门与常见问题。

  1. 克隆仓库并进入项目目录

    bash
    git clone https://github.com/didilili/ai-agents-from-zero.git
cd ai-agents-from-zero

  2. 准备环境（推荐 Python 3.10，支持 3.10–3.13）

    bash
    python3.10 -m venv .venv
source .venv/bin/activate          # macOS/Linux
# .venv\Scripts\activate           # Windows CMD
pip install -r requirements.txt

  3. 配置 API Key

    • 将根目录下的 .env-example 复制为 .env
    • 在 .env 中填入你的 API Key（如通义千问/阿里百炼、DeepSeek 等），变量名需与代码一致（如 aliQwen-api、QWEN_API_KEY、deepseek-api）
    • 各平台 Key 的申请方式见 新手入门与常见问题 - 各 API 平台如何申请 Key

  4. 在项目根目录运行第一个案例

    bash
    python 案例与源码-2-LangChain框架/01-helloworld/StandardDesc.py

    注意：必须在项目根目录执行 python，否则会读不到 .env。若不想用云 API，可使用 Ollama 本地模型（无需 Key）。

遇到 ModuleNotFoundError、API Key 报错、找不到 .env 等，请查看 新手入门与常见问题 - 常见问题与解决。

💬 交流社群 ​

想和更多读者共同交流 AI 编程、Agent / RAG 实战、面试经验？欢迎到 GitHub 入群申请帖 留言申请加入微信交流群。

📖 关于本仓库 ​

  • 目标：做一套真正适合入门、系统、且长期更新的 AI 智能体实战速成教程，不仅把概念讲清楚，也把案例跑起来，让你从 0 到能独立做 RAG / Agent / 多智能体 类项目，并能用工程化语言讲清楚自己的方案与项目。
  • 技术定位：聚焦 Python 智能体开发路线，重点讲 LangChain / LangGraph 及相关工程实践，不走 Spring AI / langchain4j 的 Java 路线，更适合想直接进入 Python 大模型应用开发的同学。
  • 教程来源：参考尚硅谷《大模型智能体速成班》等课程资料，并在此基础上结合公开文档、社区实践与项目经验持续重构、补充与维护，逐步整理成一套 Python 智能体应用开发 的系统化学习资料。
  • 面试题来源：题库中有相当一部分题目整理自大厂真实面试题、公开面经与高频追问场景，并结合本仓库的章节主线做了工程化重构，更适合按项目和系统设计视角复习。
  • 内容构成：系统章节笔记 + 可运行案例源码 + 面试题库 （对标同类线上培训与社招/校招 JD）。

仓库英文名：ai-agents-from-zero · 仓库中文名：《AI 智能体实战速成指南：从零到企业级落地》