Track A
CLI 能力者
熟练使用现有 CLI Agent 工具（Claude Code、Codex、Gemini CLI）。适合 PM、知识工作者、想快速提效的人。
CLAUDE.mdSlash 命令MCP 整合GitHub Actions成本追踪
选择你的路线
两条学习路径
共享 Stage 0-2 基础之后，根据你的目标选择 CLI 能力者之路或 Agent 构建者之路。
8–10 周
Track B
Agent 构建者
从零构建自己的 Agent 系统。涵盖 Tool Use、框架对比、RAG、多 Agent、部署。适合开发者、研究者。
Function CallingLangGraphCrewAIRAGFastAPIDocker
7 步构建第一个 Agent →按角色选择
五种角色的专属路线
不同职业对 AI Agent 的需求不同——这里为 5 种典型角色设计了对应的学习路径与重点。
💻
给开发者
已有编程基础，想构建生产级 Agent 系统。重点：Tool Use、框架、部署、可观测性。
Track B 主修
🔬
给研究者
学术或工业研究背景，关注 Agent 评估与前沿。重点：Eval 方法、论文阅读、可重现实验。
Track B + 7.5
📊
给知识工作者
PM、分析师、运营人员。重点：CLI Agent 提效、MCP 整合 Office、自动化日常工作。
Track A 主修
🎓
给教师
教育工作者，想把 AI 融入教学。重点：Skills 设计、课件生成、学生反馈分析。
Track A + Stage 5
👥
给普通用户
没有编程背景，想理解并用好 AI 工具。重点：Prompt 技巧、CLI 入门、避坑指南。
Stage 0-2 + Track A
核心知识框架
概念五层演进
从写好提示词、动态管理上下文、目标自主循环、图工作流到 Harness 框架本身可编程。
完整学习路径
Stage 0 → 8 全览
点击每个阶段展开查看练习、资源和学习目标。点击练习或文档可进入完整内容。
学什么：Python 基础、CLI 操作、Git 版本控制、API 概念、JSON 格式。这是一切的起点——确保你的开发环境就绪。
动手做：安装 Ollama → 拉取 gemma4:e4b 模型（约 7.5GB）→ 运行第一个本地 LLM 对话。
查看完整文档 →标准操作流程
每练习的七步法
每个练习文件夹遵循统一结构。按以下顺序操作，最大化学习效果。
- 1
读 README
选择语言版本，理解练习目标和预期成果。
- 2
安装依赖
读 requirements.txt，执行 pip install -r requirements.txt。注意同时包含 openai 和 anthropic SDK。
- 3
自己先尝试
关键：starter.py 是完整解答，不是 TODO 骨架。先自己尝试写，哪怕写不出来也没关系。
- 4
对照学习
读 starter.py（Path A: Ollama），理解差距。运行它，观察输出。看末尾的自我验证块。
- 5
跑测试验证
执行 pytest test.py 验证理解。测试使用 mock，不需要真实 API 调用。
- 6
（可选）云端对比
读 starter_anthropic.py（Path B: Anthropic），对比本地 vs 云端的实现差异。
- 7
深度路由
看 README 的深度 callout，路由到 Datawhale hello-agents、Anthropic Cookbook 等教程继续学习。
知识地图
资源层速查
需要深入某个主题时，查阅 resources/ 下的专项指南。
📚
术语表 Glossary
30+ 术语，每个 30-80 词，带阶段交叉引用。
全程适用
🧠
Agent 范式
5 种心智模型：ReAct、Plan-and-Execute、Reflection、Multi-Agent、Tool-Use。
Stage 3+
📐
Schema 速查表
5 条黄金法则 + 5 个反模式。Function Calling Schema 设计指南。
Stage 3
🔌
MCP / Skills 目录
77 个 MCP Server / Skills，分 6 类，带 GitHub 星数和评分。
Stage 5
🤖
子 Agent 菜谱
15 个即用子 Agent 调度模板，可直接复制使用。
Stage 5
🔬
子 Agent 进阶
Description Bug、组合模式、调试技巧。
Stage 5+
🍳
实操菜谱
6 个 30-50 分钟 step-by-step：Skills、MCP、Office 整合。
Stage 5
🎓
线上课程
10 个有证书的可信 AI Agent 线上课程，附评价和适合人群。
全程适用
⌨️
CLI Agent 指南
7 个 CLI Agent 对比 + 决策矩阵。
Track A
🚀
环境搭建
30-45 分钟从零到 Hello World。API Key、Python、Ollama。
Stage 0
🗺
7 步构建第一个 Agent
端到端 walkthrough：Paper Summary Bot，约 350 行真实代码。
Track B
🏆
Capstone 项目
Track A + Track B 各一个毕业项目，附 4 级评分标准。
最终检验
✏️
内容风格指南
写作规范：术语、语气、结构、代码范例风格。
贡献者
📂
Resources 索引
resources/ 目录完整索引——找不到时来这里。
全程适用
成本规划
学习预算
三种预算方案，从完全免费到全云端。推荐混合方案——本地练习 + 云端对比。
| 方案 | 说明 | 预算 |
|---|---|---|
| 全本地 Ollama | 所有练习用本地 LLM，零 API 费用 | $0 |
| 混合推荐 ⭐ | 本地练习（Path A）+ 云端对比（Path B，用 Haiku） | $2–5 |
| 全 Sonnet | 所有练习用 Claude Sonnet，最高质量 | $20–50 |
模型建议：Stage 1-2 用 gemma4:e4b；Stage 3+ 用 qwen2.5:3b；云端对比用 claude-haiku-4-5。