awesome-agentic-ai-zh

[從 Stage 0–2 共用基礎分流到 CLI 與 Agent 路線，共用 Stage 5、8，再依需求選角色路線]

awesome-agentic-ai-zh

🤖 一張從「AI Agent 是什麼」走到「能做出可靠系統」的學習地圖

先選一條路，再一步一步走。重要概念、動手練習與精選資源都幫你排好順序。

[License] [繁中] [简中] [EN] [GitHub stars] [線上文件站]

[Star History 全球排名]

📱 手機閱讀請使用線上文件站。

🎯 這份地圖幫你做什麼？

AI Agent（AI 代理人）是「能為了人的目標，自己判斷下一步並採取行動的 AI 系統」。人給它目標後，它會看目前情況、選擇下一步，必要時使用工具，再依結果繼續、修正、停止，或把控制權交還給人。它可以自動替人完成工作，但只能在人給的規則與權限內行動。只回答一次的聊天機器人，或每一步都固定寫好的腳本，不一定是 Agent。這個 repo 不要求你一開始就懂所有名詞，而是帶你依序完成三件事：

1. 先懂基礎：LLM（Large Language Model，能讀寫語言的模型）、Prompt、API（Application Programming Interface，讓程式呼叫服務的介面） 與 Token 是什麼。
2. 再做出東西：讓模型呼叫工具、跑 Agent Loop、讀文件與記住事情。
3. 最後做得可靠：加入權限、Eval、人工批准、觀測與失敗復原。

這裡的角色是學習路線圖 + 精選資源 + 可直接執行的小練習。需要完整章節時，我們會帶你去官方文件、Datawhale Hello-Agents 或對應的 Cookbook，不重寫另一套百科全書。需要連模型時，每個練習會再說明雲端或本機路徑。

章節中的重要技術詞第一次出現時會先用白話說明，再保留正式英文。忘記某個詞時，直接查名詞表。

🚀 現在就開始

1. 完全沒寫過程式：從 Stage 0：基礎準備開始；API 或 CLI Agent 不熟時，搭配零基礎設定指南。
2. 已經會 Python、Git 與 API：從 Stage 1：LLM 基礎開始。
3. 還不確定要走哪條路：先看下面的 Track A／Track B 選擇表。

走 Track A 或 Track B 前，先確認 Stage 0–2；只走日常使用者路線的人可以直接打開角色指南。

git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git
cd awesome-agentic-ai-zh

下載後先開啟 stages/00-foundations.md，或依上表直接前往適合你的第一站。

從 Stage 0 到 Stage 8，另有 Stage 7.5 閱讀站

[AI Agent 學習地圖]

這張地圖共有 8 個主題 Stage + Stage 0 準備關 + Stage 7.5 進階閱讀站，也就是 10 個學習站。Track A／B 讀者先確認 Stage 0–2 共用基礎；已經會 Python、Git 與 API 的人可以跳過 Stage 0。日常使用者可以直接走角色指南。

共用基礎：Stage 0–2

Track A：使用 CLI Agent 把工作做完

正式順序是 A1 → A2 → Stage 5 → A3 → Stage 8。 Stage 8 建議接著學，不擋 Track A Capstone。

Track B：從零打造 Agent

Stage 4 先看懂 Workflow Graph，再用 framework 把它做出來；Stage 7 加入 Eval、觀測、批准與復原，讓流程穩定運作。

🔭 學習順序：Stage 2 Prompt → Stage 3 Agent Loop → Stage 4 Workflow Graph／Framework → Stage 5 工具與規則 → Stage 6 Context Engineering → Stage 7 production。Prompt、Context、Harness、Loop、Graph 會一起工作；它們不是五層，也不是互相取代的產品世代。

Track A 完成 A3 後，可開始 Capstone 專案。Track B 則先完成 Stage 8（含 Stage 7.5）。用 PROGRESS.md 記錄進度。

• Track A：約 8–10 週。重點是使用現成 CLI Agent 完成工作。
• Track B：主幹約 16–22 週；每週投入 5–8 小時時，通常需要 5–7 個月。
• Stage 5 是工具與規則 Hub：Track A 看怎麼用，Track B 看怎麼組合。
• Stage 8 是操作介面 Hub：Track A 看怎麼委派，Track B 看怎麼接進自己的 Agent。

時程只是安排參考。先完成眼前的一步，不需要一次讀完整張地圖。

依你的身分繼續走

[研究、開發、教學、知識工作與日常使用是五種選擇，依需求選讀，不必全部走完]

💡 怎麼學才不容易卡住？

1. 一次只走一個 Stage：先回答這一章的核心問題。
2. 核心詞與必讀先看：它們會直接用在後面的練習。
3. 直接複製第一個指令：先跑不連網的測試，不必抄一份空白檔案。
4. 一次只改一件事：改完立刻再跑測試，才知道是哪個改動造成結果。
5. 做到完成條件再往下走：看懂不等於做得到。

📚 先收藏的學習入口

這裡只放最常用入口；完整清單在 RESOURCES.md。星號表示學習優先順序，不是專案排行榜。

🤝 一起改進這張地圖

• 內容錯誤、失效連結或過時資訊：請開 Issue。
• 想補一個專案或學習資源：請附上「它教哪個 Stage 的什麼」。
• 準備送 PR：先看 CONTRIBUTING.md 與寫作規範。
• 最近更新內容：查看 CHANGELOG.md。

你可以修正文字、補三語鏡像、回報缺少的主題，或長期維護一個 Stage／角色路線。新增 GitHub 專案連結時，自動檢查會協助查看封存狀態、License 與最近更新；是否收錄仍由 maintainer 依學習價值判斷。

完整角色與規則見 CONTRIBUTORS.md。

🙏 重要啟發與相關專案

• Datawhale Hello-Agents — 適合需要完整章節與深度實作的讀者。
• Datawhale 社群 — 中文機器學習共學社群，提供許多可靠的學習入口。
• liyupi/ai-guide — 偏向廣度資源庫；本 repo 則負責安排學習順序。

[Contributors]

@misc{awesome_agentic_ai_zh_2026,
  title = {awesome-agentic-ai-zh: A Structured Learning Roadmap for Agentic AI},
  author = {Chiou, Wenyu},
  year = {2026},
  url = {https://github.com/WenyuChiou/awesome-agentic-ai-zh}
}

☕ 支持與聯絡

這份學習地圖採 MIT 授權，會繼續免費公開。一般問題與建議請使用 Issue；需要私下聯絡時可寄信至 wenyuchiou12@gmail.com。

如果這份地圖幫到你，歡迎給一個 ⭐ Star，或請作者喝杯咖啡。

[Greptile: The War on Bugs]

⭐ Star 歷史

[此專案的 GitHub Star 歷史圖]

License

MIT。Maintained by @WenyuChiou。