一、它是什么：7.9 万星的开源智能体教程
Hello-Agents（datawhalechina/hello-agents，CC BY-NC-SA，7.9 万星，Datawhale 出品）是一本《从零开始构建智能体》的系统教程，定位是「从基础理论到实际应用，全面掌握智能体系统的设计与实现」。它完全开源免费，在线阅读（国外 / 国内加速）或直接下 PDF 都行。作者把 2025 年叫作「Agent 元年」——技术焦点从「训更大的基模」转向「构建更聪明的智能体应用」，而系统性、重实践的教程稀缺，这本就是冲着这个缺口来的。
二、定位：教 AI 原生 Agent，不是低代码流程
这是它和多数 Agent 教程最大的分野。作者明确把 Agent 分两派：一派是 Dify、Coze、n8n 这类软件工程类 Agent——本质是流程驱动的软件开发，LLM 只当数据处理后端；另一派是 AI 原生的 Agent（AI Native Agent），真正以 AI 驱动。本教程主打后者：穿透框架表象，从智能体核心原理出发，理解经典范式，最终亲手搭出多智能体应用。换句话说，它不想教你「拖拽连线」，而是教你从 LLM 的「使用者」变成智能体系统的「构建者」。
三、16 章结构：基础 → 构建 → 高级 → 实战
全书分五部分、16 章，全部已标 ✅：
第一部分 基础：① 初识智能体（定义/类型/范式）② 智能体发展史（符号主义到 LLM 驱动）③ 大语言模型基础（Transformer/提示/主流 LLM 及局限）。
第二部分 构建：④ 经典范式——手把手实现 ReAct、Plan-and-Solve、Reflection；⑤ 低代码平台（Coze/Dify/n8n）；⑥ 主流框架（AutoGen/AgentScope/LangGraph）；⑦ 从 0 构建你自己的 Agent 框架。
第三部分 高级：⑧ 记忆与检索（Memory/RAG/存储）⑨ 上下文工程 ⑩ 通信协议（MCP、A2A、ANP）⑪ Agentic-RL（SFT→GRPO 训 LLM）⑫ 性能评估（指标/基准/评估框架）。
第四部分 实战：⑬ 智能旅行助手（MCP + 多智能体）⑭ 自动化深度研究智能体（DeepResearch 复现）⑮ 赛博小镇（Agent 结合游戏模拟社会）。
第五部分：⑯ 毕业设计——构建属于你自己的完整多智能体应用。
四、两个硬核亮点
自研框架 HelloAgents：教程附带一个基于 OpenAI 原生 API 从零实现的 Agent 框架（jjyaoao/helloagents），不套 LangChain 外壳，逼你把每个环节（循环/工具/记忆）看透。
讲到 Agentic RL：第 11 章直接从 SFT 到 GRPO 走一遍智能体模型的训练全流程——这个深度在国内开源教程里不多见，多数 Agent 教程止步于「调 API」。
五、适合谁、要不要读
适合想系统吃透 Agent 原理、不满足于「会用 Dify 拖一下」的开发者 / 学生。7.9 万星是下限：内容全、免费、有在线版有 PDF、配套自研框架能直接上手跑。三个取舍心里有数：① 协议是 CC BY-NC-SA 4.0——学习和个人用没问题，商用需注意「非商业」条款，别直接拿去做收费产品；② 它是「教程 + 自研框架」而非商业闭源 SaaS，得自己读、自己动手；③ 想快速出活可以先读第二部分的 ⑤⑥ 章（低代码/现成框架），想建底层再看 ④⑦⑧ 章。
一句话：要「免费 + 系统 + 从 0 到多智能体」的 Agent 教程，Hello-Agents 是绕不开的一本。
仓库：github.com/datawhalechina/hello-agents · 在线阅读：datawhalechina.github.io/hello-agents · 国内加速：hello-agents.datawhale.cc · PDF：datawhale.cn · 星标 79,129 / CC BY-NC-SA 4.0 / 16 章（截至 2026-09-15 实查）