datawhalechina/hello-agents

解決する課題

今日 AI エージェントを構築する際、断片的なチュートリアルやフレームワーク固有のガイドは多くありますが、コアコンセプトから実際に自分のエージェントをコーディングするまでを導く、体系的で実践重視の学習パスはほとんどありません。このプロジェクトは、大規模言語モデルのユーザーをエージェントシステムの構築者に変えることを目的とした、完全なオープンソースカリキュラムでこのギャップを埋めます。

仕組み

チュートリアルは 5 つのパートで構成され、基礎から高度なスキルへと進みます。パート 1 では、エージェントとは何か、その歴史、大規模言語モデルの基本を説明します。パート 2 では、ReAct や Plan-and-Solve などの古典的なパターン、Coze や Dify などのローコードプラットフォーム、LangGraph などの主流フレームワークを紹介し、最後に OpenAI ネイティブ API を使用して独自のエージェントフレームワークをゼロから構築する方法を指導します。パート 3 では、メモリと検索、コンテキストエンジニアリング、通信プロトコル（MCP、A2A、ANP）、強化学習によるエージェントのトレーニング（SFT から GRPO まで）、パフォーマンス評価を扱います。パート 4 では、旅行アシスタント、自動化されたディープリサーチエージェント、シミュレーションタウンという実際のプロジェクトにすべてを適用します。パート 5 は、独自のマルチエージェントアプリケーションを構築する卒業プロジェクトで締めくくられます。

すべてのコードはリポジトリの code フォルダに提供されており、読者は実行、デバッグ、変更を推奨されています。このプロジェクトには、面接質問、環境設定ガイド、追加の実践エッセイなどのコミュニティ貢献も含まれています。

対象読者

このプロジェクトは、基本的な Python スキルと API を介した LLM 呼び出しの概念的理解を持つ AI 開発者、ソフトウェアエンジニア、学生、自習者を対象としています。アルゴリズムやモデルトレーニングの深い背景は必要ありません。焦点は実践的な応用と構築にあるためです。

ハイライト

• 完全に無料でオープンソース、中国語のカリキュラムとオンライン読書版を提供
• エージェント理論と古典的パラダイムから、メモリ、コンテキストエンジニアリング、プロトコル、エージェント強化学習などの高度な技術までの完全な旅をカバー
• 実践的な作業を含む：旅行アシスタント、ディープリサーチエージェント、シミュレーションタウンの構築
• OpenAI ネイティブ API を使用して独自のエージェントフレームワークをゼロから作成する方法を教える
• 面接質問、設定ガイド、ハンズオンチュートリアルなどのコミュニティ貢献を提供
• 再販を防ぐための透かし付きのダウンロード可能な PDF を提供