该教程的内容十分全面，涵盖了 AI 智能体的基础概念、发展历史，还包含了实操项目，比如创建专属的 AI 智能体框架、构建多智能体系统。课程会教授多项实用技能，比如记忆管理、上下文处理、通信协议，以及大语言模型的训练方法。跟着这个教程学习，你可以深入理解相关知识，同时获得真实的编码实践经验，从单纯使用 AI 模型，进阶到自主设计智能系统。这能够帮你培养高阶的 AI 技能，这些技能对求职、科研，或是打造创新 AI 应用都很有帮助。相关学习材料在线上发布，随时都可以轻松获取。
很早就接触到 Agent 了。
AutoGPT、Multi-Agent、Planner、Tool Calling……
这些概念在时间线上不断出现，但它们更像是一堆并列的新名词，而不是一条能被消化的逻辑。
大家在做“更自动的 AI”，
但并不知道：
自动到底是怎么发生的？
直到看了一遍 hello-agents。
那一刻意识到：模型从来没变
有一个很微妙、但非常关键的转折点。
突然意识到一件事：
Agent 并没有引入什么新的“智能来源”。
模型还是那个模型。
能力边界没有扩张。
知识也没有神秘增加。
真正发生变化的，是模型参与的方式。
它不再是：
被问 → 给答复
而是被允许进入一个持续存在的过程。
Agent 的核心，其实是一个「被允许反复思考的结构」
后来我越来越确定：
Agent 最核心的东西，其实非常朴素。
就是这一点：
模型被允许多次介入决策，而不是一次性给出结论。
这和聊天模式完全不同。
聊天模式更像是：
“你现在一次性告诉我，你觉得应该怎样。”
而 Agent 更像是：
“我们先做一步，看结果，再决定下一步。”
当模型可以：
- 看见自己上一步做了什么
- 看见环境给了什么反馈
- 再基于这些信息继续判断
它就不再只是“语言生成器”了。
那个循环一旦出现，很多东西就顺了
在 hello-agents 里，我第一次把注意力放在那个循环本身，而不是模型输出的内容。
思考 → 行动 → 观察 → 再思考
一旦你承认这个循环是系统的主体，而模型只是循环中的一个角色，很多以前拧巴的地方就解开了。
比如：
- 为什么 Agent 一定需要状态？
- 为什么 Prompt 写得再好，也代替不了流程？
- 为什么“自动化”本质上是决策权的转移？
答案都在那个循环里。
工具其实是次要的，关键是“谁在选择”
以前也会被 Tool Calling 吸引。
好像只要工具足够多，Agent 就足够强。
但后来我慢慢意识到一个更重要的问题：
到底是谁在决定用不用工具？
如果是人写死的规则，那只是脚本。
如果是模型根据当前情境做判断，那才是 Agent。
工具只是延伸，
选择权才是本体。
这也是我开始真正区分「自动化流程」和「Agent 系统」的地方。
为什么这个项目安心
hello-agents 感觉，并不是“惊艳”，而是安心。
它没有急着展示能力边界，
而是反复让你看到一件事：
Agent 并不神秘，它只是一个被设计出来、允许模型反复介入的程序结构。
这让我第一次觉得：
Agent 不是潮流名词，而是可以被理解、被拆解、被重建的东西。
再看 Agent，就换了一种视角
从那之后，我再看任何 Agent 框架，注意力都会不自觉地转移到几个问题上：
- 模型在系统中出现了几次？
- 它是在做判断，还是只在填空？
- 循环是开放的，还是被人为截断的？
- 失败和偏差有没有被纳入流程？
而不是：
- 支持多少工具
- 能跑多复杂的 Demo
GitHub：https://github.com/datawhalechina/hello-agents
油管：https://youtu.be/D1UUyKB3bfc
