想学Agent不知道从哪下手？看这个就够了
想学Agent不知道从哪下手？看这个就够了
- 作者：晓辉算法笔记
- 分类：学习路线
- 抓取时间：2026-07-25T06:46:00.669Z
- 原文：[打开小红书笔记](https://www.xiaohongshu.com/explore/6a0d2a890000000038037aaf
- 互动：284 / 537 / 4
正文
最近发现一个很棒的开源仓库：Datawhale 的 Agent-Learning-Hub，它不是又一个网址收藏夹，而是一份可以照着执行的 AI Agent 学习 Todo List。
📋 9 个 Stage 学习清单
整个路线被拆成 Stage 0 → Stage 8，每一项都是可勾选的复选框：
•Stage 0：搞清楚 chatbot / workflow / agent / multi-agent 的边界
•Stage 1：写一个 50–150 行的最小 agent loop
•Stage 2：上手 RAG、tool use、memory，做个研究助手
•Stage 3：选一个现代 agent harness 学深（重点不是 API 怎么调，是它如何组织工具、权限、状态、子任务）
•Stage 4：多 agent 协作，但用 supervisor / graph 而不是让它们瞎聊
•Stage 5：写一个可复用的 SKILL.md
•Stage 6：browser / computer-use agent
•Stage 7：evals、observability、safety
•Stage 8：ship 一个别人能 clone 下来跑的 agent
每个 stage 都有 明确的产出物——不是看完就完事，是要交东西。
🎁 谁适合看这份 Repo？
•新手：从 Stage 0 顺序做，每完成一项打勾
•已有 LLM 应用经验：从 Stage 2 / 3 切入，重点补 harness 和评测
•想做项目的人：直接看 Project Ladder 选一档动手
•只想找资料：看 Curated Resources，优先官方文档和经典论文
如果你正在被一堆 Agent 教程淹没、不知道下一步该学什么，这份 Repo 真的值得 star 一下，照着做。
🔗 GitHub：github.com/datawhalechina/Agent-Learning-Hub
#agent #LLM #AI学习路线 #ClaudeCode #大模型 #AI #人工智能就业 #论文解读 #转码
#agent #LLM #AI学习路线 #ClaudeCode #大模型 #AI #人工智能就业 #论文解读 #转码 #作者
长图内容（视觉重读）
图 p02：README 头部 — What To Learn Now 优先级表
维护者：陈思州（Datawhale 成员）。"当前更值得投入的不是老式'角色扮演多 agent 框架'"：
- Claude Code / Codex-style coding agents — 真实代码库、shell、文件编辑、测试、权限、上下文压缩，是最好的 agent 工程样本
- Agent harness engineering — agent 的能力很大一部分来自 harness：工具协议、权限、状态、反馈、回放、CI、评测
- OpenClaw / Hermes-style personal agents — 长运行、本地优先、跨应用、记忆、skills、消息入口，更像"个人操作系统"
- Skills / MCP / A2A / ACP — skills 负责能力复用，MCP 连接工具，A2A 连接 agent，ACP 连接宿主应用
- Evaluation and safety — 没有 eval、trace、权限边界的 agent 只能算 demo
图 p03 / p04：Learning Todo List 细项（Stage 0–5 示例）
- Stage 0 产出：写一页短笔记，回答「我的场景为什么需要 agent 而不是普通 workflow？」；必读 Anthropic: Building effective agents、OpenAI: A practical guide to building agents
- Stage 1 产出：一个 50–150 行的最小 agent（选工具、执行工具、返回答案），要加最大步数、超时和错误处理
- Stage 4：用 supervisor / graph 管理多 agent；产出 research → write → review → revise 小型多 agent 系统
- Stage 5：Skill 与 Tool/Prompt/MCP 的区别（tool 是可调用接口，skill 是可复用流程知识；MCP 接工具/数据源，skill 告诉 agent 如何完成一类任务）；产出最小 SKILL.md + smoke test
图 p05：Project Ladder（11 档项目阶梯）
Calculator Agent → Web Research Agent → PDF QA Agent → Coding Review Agent → Browser Agent → Claude Code-like Nano Agent → OpenClaw-like Gateway → Reusable Skill Pack → Multi-Agent Writer → Personal Agent → Production Harness（evals、trace、权限、CI、runner、回放）
图 p01：Curated Resources — 精选论文与仓库
- 论文：ReAct、Toolformer、Reflexion、Generative Agents、Voyager、AutoGen、AgentBench、WebArena、SWE-bench、SWE-agent、Dive into Claude Code、AI Harness Engineering、Configuring Agentic AI Coding Tools、Your Agent Their Asset（OpenClaw 安全风险分析）
- 仓库：datawhalechina/hello-agents（中文智能体教程）、shareAI-lab/learn-claude-code（Bash is all you need）、shareAI-lab/claw0（从 0 到 1 学 OpenClaw-like gateway）
图片
评论摘录
- 。：这个作者好像之前有一个更早的helloagent，那个要先学吗，还是说直接看这个
- 晓辉算法笔记（作者）：这个当做大纲，helloagent也是其中要学的一个模块
- encounter：Learn claudecode ，也听不错
- 六六酱在coding：线上AI Agent准确率暴跌，通过回滚历史稳定版本、上线临时兜底提示词、限制高风险流量等措施快速止损。随后，分层定位故障根因，修复冲突规则，确保业务稳定。故障修复后，补充测试用例，完善优化机制，杜绝复现。