github.com / WenyuChiou / awesome-agentic-ai-zh

AI Agent 學習地圖¶

從「LLM 是什麼、token 怎麼算」,一路走到自己打造多 agent 系統。

10學習站

精選專案

動手練習

3語言

🤖 先懂一件事：AI Agent 是什麼？¶

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、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，但只能在規則與權限內行動。

Track A — CLI 高手

把 Claude Code 這類 CLI agent 用到極致:工作流、production 化。

從 A1 開始
Track B — Agent 建構者

從工具呼叫,一路寫到多 agent 協作、寫自己的 MCP server。

從 Stage 3 開始

Stage 0 — 基礎準備

先確認 Python、Git、API 是否準備好；會了就跳過。

進入
Stage 1 — LLM 基礎

token、context、模型怎麼挑。

進入
Stage 2 — Prompt 設計

把需求講清楚,讓模型穩定產出。

進入
Stage 3 — 工具使用與第一個 Agent Loop

讓 LLM 會用工具,寫出第一個 agent。

進入
Stage 4 — Workflow Graph 與 Agent 框架

LangGraph、AutoGen、Agents SDK 怎麼選。

進入
Stage 5 — Claude Code 生態

CLI agent、MCP、Skills、subagent。

進入
Stage 6 — 記憶 / RAG

讓 agent 記得住、查得到。

進入
Stage 7 — Agent Production Engineering

把 loop、workflow graph、harness 與多 agent 協作做得穩定。

進入
Stage 7.5 — 進階概念閱讀站

一次挑一個進階概念，判斷系統是否真的需要。

進入
Stage 8 — Agent 介面

Computer Use、Browser Use、Sandbox。

進入

三語對照、每階段附動手練習。想看完整介紹與目錄 → 專案說明。