datawhalechina/hello-agents

해결하는 문제

오늘날 AI 에이전트를 구축하는 것은 단편적인 튜토리얼과 프레임워크별 가이드로 가득하지만, 핵심 개념에서 실제로 자신의 에이전트를 코딩하는 데까지 이끄는 체계적이고 실습 우선의 학습 경로는 거의 없습니다. 이 프로젝트는 대규모 언어 모델 사용자를 에이전트 시스템 구축자로 전환하도록 설계된 완전한 오픈소스 커리큘럼으로 이 격차를 메웁니다.

작동 방식

튜토리얼은 기초에서 고급 기술로 진행되는 다섯 부분으로 구성됩니다. 1부에서는 에이전트가 무엇인지, 그 역사, 대규모 언어 모델의 기본을 설명합니다. 2부에서는 ReAct 및 Plan-and-Solve와 같은 고전적인 패턴, Coze 및 Dify와 같은 로우코드 플랫폼, LangGraph와 같은 주류 프레임워크를 살펴보고, 마지막으로 OpenAI 네이티브 API를 사용하여 자신만의 에이전트 프레임워크를 처음부터 구축하는 방법을 안내합니다. 3부에서는 메모리 및 검색, 컨텍스트 엔지니어링, 통신 프로토콜(MCP, A2A, ANP), 강화 학습을 통한 에이전트 훈련(SFT에서 GRPO까지), 성능 평가를 다룹니다. 4부에서는 여행 어시스턴트, 자동화된 딥 리서치 에이전트, 시뮬레이션 타운과 같은 실제 프로젝트에 모든 것을 적용합니다. 5부는 자신만의 멀티 에이전트 애플리케이션을 구축하는 졸업 프로젝트로 끝납니다.

모든 코드는 저장소의 code 폴더에 제공되며, 독자는 실행, 디버깅, 수정을 권장받습니다. 이 프로젝트에는 면접 질문, 환경 설정 가이드, 추가 실용 에세이와 같은 커뮤니티 기여도 포함되어 있습니다.

대상 독자

이 프로젝트는 기본적인 Python 기술과 API를 통한 LLM 호출에 대한 개념적 이해를 가진 AI 개발자, 소프트웨어 엔지니어, 학생, 자기 주도 학습자를 대상으로 합니다. 알고리즘이나 모델 훈련에 대한 깊은 배경 지식은 필요하지 않습니다. 초점은 실용적인 응용과 구축에 있기 때문입니다.

주요 특징

• 완전 무료 및 오픈소스, 중국어 커리큘럼과 온라인 읽기 버전 제공
• 에이전트 이론과 고전적 패러다임에서 메모리, 컨텍스트 엔지니어링, 프로토콜, 에이전트 강화 학습과 같은 고급 기술까지의 전체 여정을 다룹니다.
• 실습 작업 포함: 여행 어시스턴트, 딥 리서치 에이전트, 시뮬레이션 타운 구축
• OpenAI 네이티브 API를 사용하여 자신만의 에이전트 프레임워크를 처음부터 만드는 방법을 가르칩니다.
• 면접 질문, 설정 가이드, 실습 튜토리얼과 같은 커뮤니티 기여 제공
• 재판매를 방지하기 위한 워터마크가 있는 다운로드 가능한 PDF 제공