AI Agent 入门不迷路：中文世界最系统的「智能体学习地图」来了！

你是否被满屏的 LangChain、AutoGen、MCP、AgentScope、Claude Code 等术语绕晕？是否想亲手搭建一个多智能体协作系统，却不知从哪一步开始写第一行代码？awesome-agentic-ai-zh 正是为此而生——它不是框架、不是工具库，而是一份由实战者打磨的「AI Agent 中文学习导航仪」。它把零散的知识点、优质教程、动手项目和前沿协议，整合成一条清晰、可执行、带反馈的 7 阶段成长路径，帮你从 LLM 新手稳稳进阶为多智能体系统的设计者与构建者。

核心功能

• 结构化七阶学习路线：从「什么是 token？」、「LLM 的上下文窗口怎么算？」起步，逐步进阶到 MCP（Model Context Protocol）服务开发、多 Agent 协作编排与本地化部署，每阶段目标明确、进度可视。
• 三语对照，无缝切换：所有学习内容同步提供繁体中文、简体中文与英文版本（README.zh-TW.md / README.zh-CN.md / README.en.md），兼顾两岸三地读者与技术文献阅读需求。
• 学练结合，拒绝空谈：每个阶段均配备「必做练习」（如用 Python 调用 LlamaIndex 构建知识库）、「必修阅读」（精选论文/文档/博客）和「推荐实战项目」（如基于 CrewAI 搭建营销文案生成 Agent 团队），学完立刻能验证。
• 聚焦真实工程能力：不止讲概念，更强调落地技能——如何调试 Agent 的循环调用、如何设计 Tool Calling 接口、如何用 CLI 工具链快速验证想法、如何将 Agent 集成进现有业务流程。
• 持续演化的开源社区地图：非静态文档，而是由开发者共建的活知识库；支持提交 PR 增补新框架（如 OpenInterpreter）、新协议（如 MCP v0.3）、新实践案例（如国产大模型+Agent 本地部署方案）。
• 轻量易用，零安装门槛：纯 Markdown + 图文结构，无需运行环境——打开 GitHub 页面即可学习；也支持一键 Fork 后在 Obsidian / Logseq 中作为个人知识图谱节点管理。

适合哪些人用

✅ 零基础但渴望系统入门 AI Agent 的在校学生与转行者
✅ 已会调用 API 但想深入理解 Agent 架构（ReAct、Plan-and-Execute、MCP）的初级开发者
✅ 正在评估 LangChain vs. LlamaIndex vs. Semantic Kernel 技术选型的工程师
✅ 希望用中文资源高效跟进全球 Agent 最新技术（如 Claude Code、MCP 生态）的研究者与布道者
✅ 教学者——可直接将各阶段内容拆解为课程大纲、实验手册或结课项目指南

快速上手

无需安装任何依赖！只需三步即可开启学习：

1. 访问 GitHub 项目主页，点击顶部语言标签切换为你熟悉的简体/繁体/英文版 README
2. 按顺序浏览「🗺️ 学习地图」章节，从 Stage 0（LLM 基础认知）开始，逐阶段完成「必做练习」并记录笔记
3. 遇到疑问或发现优质新资源？点击右上角 Fork → 编辑对应阶段的 Markdown 文件 → 提交 Pull Request，成为共建者

进阶建议：搭配使用 VS Code + Python 环境，在本地克隆仓库后，用 Jupyter Notebook 实时运行文中提供的代码片段；推荐配合 MCP 官方 SDK 和 Semantic Kernel 动手验证协议层交互。

项目信息

编程语言：Python（配套示例代码为主）｜ Star 数：699（截至 2024 年中）｜ 开源协议：MIT｜ GitHub 项目地址

如果你厌倦了在碎片化教程中反复迷失方向，这份由一线开发者沉淀、三语同步更新、真正以「学会造轮子」为目标的学习地图，就是你在 AI Agent 时代最值得收藏的第一站导航。