📢 更新说明：AI 不停，更新不止。本仓库将伴随 AI 大模型技术栈持续进化，坚持 开源、系统化、长期更新。模型、框架、Agent、实战项目，都会随着生态变化持续完善和升级。它不只是帮你入门，而是陪你一路成长，从零基础到能真正落地。

目前 概念篇 已全部更新完毕，两个完整实战项目也已更新完毕：NL2SQL + LangGraph 实战项目 电商问数（源码仓库）已于 5 月 3 日完成。DeepAgents 多智能体实战项目 深度研搜（源码仓库）已于 5 月 17 日完成。你可以点击更新日志，了解最新仓库动态。

市面上 AI 大模型应用内容很多，但绝大多数是碎片化帖子、收费训练营等；本仓库就是让你不用先花大几千甚至上万，也能系统进入大模型应用开发。若对你有帮助，欢迎 Star ⭐~

---

🤝 项目赞助

高性价比 Agent Plan 优选

感谢 优云智算 赞助本项目！优云智算是 UCloud 旗下 AI 云平台。主打包月、按次的高性价比国模 Agent Plan 套餐，低至 49 元/月起；同时提供官转稳定海外模型，支持接入 Claude Code、Codex 及 API 调用，面向企业提供高并发、7*24 技术支持与自助开票。 🎁 通过 此链接 注册的用户，可得免费 5 元平台体验金。

---

✨ 教程亮点

• 🌱 全网首个系统开源的 AI 智能体教程：这是一套长期维护的 AI 大模型应用开发路线图。市面上不缺零散帖子，也不缺收费训练营，但真正系统、持续更新，并且覆盖 教程 + 源码 + 实战项目 + 面试题库 的 AI 大模型应用教程极少。本仓库要做的就是把这条路线公开、做深、做完整，陪你从入门、进阶、项目实战一路成长。
• 🧭 一条线拉通大模型应用全栈：从大模型与提示词，到低代码（Coze/Dify）与代码框架（LangChain/LangGraph），再到企业级 RAG/Agent、微调与工程规范——按知识体系统一编排，完整链路闭环，适合系统吃透而不是碎片化收藏。
• 🐍 聚焦 Python 生态，直击 Agent 工程：很多课程会围绕 Spring AI、langchain4j 展开，更偏 Java 技术栈。本教程主线聚焦 Python + LangChain + LangGraph，直接对齐当下 AI Agent / 大模型应用开发最常用的工程路线。
• 📘 零基础能进，工程师也能深挖：整套教程按由浅入深的方式编排，先把大模型、Agent、RAG、MCP、Tool Calling 这些核心概念讲透，再进入源码、框架、部署和项目设计。少讲玄学黑话，多讲“为什么这么设计、代码怎么跑、项目怎么落地”。
• 💼 企业级实战，对标「能干活」：以电商问数、深度研搜、掌柜智库、电商小二等为主线，串起意图解析、多源知识、转人工、复盘与监控；把 多路召回、评测、观测、成本、护栏 放进真实语境里练。写简历、讲项目有抓手、不空泛。
• ✅ 每个案例都以“能跑起来”为标准：不只是讲概念或贴伪代码，而是尽量提供可运行案例、源码、环境说明和常见问题排查。案例内容均按人工实际跑通的思路整理，帮助你少踩坑、尽快上手。
• 📚 教程源码面试，三位一体能跑通：不止「看完」，还能「跑通」更能「答出来」——可运行案例与源码、提示词模板与部署思路，拒绝「只讲概念」。面试题库按培训班与 JD 常见能力域拆题，其中有相当一部分题目整理自大厂真实面试题、公开面经与高频追问场景，适合转岗/应届集中复盘。
• 🚀 面向 2026，持续进化且硬核：技术栈与高频问法会随生态迭代，对齐「AI 应用开发工程师」万元级培训课表维度；不只告诉你“学什么”，还告诉你“怎么做项目、怎么讲项目、怎么答面试”。若有用，Star 即打赏 ⭐。

---

🛠 技术栈概览

类别	技术/平台	说明
大模型与基础	LLM、Transformer、MoE、自注意力	LLaMA/Qwen/GPT、多模态、预训练/微调/推理
提示与编排	提示词工程、Tool Calling、Skills	多轮对话、消息模板、结构化输出、工具调用、技能化能力沉淀
低代码平台	Coze（扣子）、Dify	工作流、Agent、知识库、插件、Python 调用与本地化部署
开发框架	LangChain、LangGraph、DeepAgents	Model I/O、Runnable / LCEL、Memory、Tools、Agents、图式工作流、多智能体
协议与通信	MCP（Model Context Protocol）、A2A	Function Calling、服务解耦、外部工具接入、跨 Agent 协作
RAG 与检索	向量数据库、稀疏检索、混合检索、BGE-Rerank	多路召回、重排序、知识图谱、RAGAS 评估、高级 RAG 优化
文档与多模态	MinerU、OCR	图文混排 PDF 解析、设备手册与售后指南
部署与运维	Docker、Ollama、Xinference、vLLM	腾讯云/阿里云、AutoDL、Coze 本地部署
微调与训练	PEFT、LoRA、QLoRA、DeepSpeed、Llama-Factory	Alpaca/ShareGPT 数据格式、Safetensors/ONNX
编程与工具	Python；Codex、Cursor	主语言为 Python；覆盖 AI 编程工具、Agent Skills、多模型 API、MCP 接入与调试
求职与面试	面试题库	按岗位能力域组织 问法 + 答法；对齐同类线上培训结业能力与 JD 高频考点

---

🎯 你学完能收获什么？

• 可上线的项目能力，能独立交付 AI Agent 应用（从环境到部署），从「只会调 API」进阶到能落地的工程实践。
• 体系化的架构表达，能讲清楚 RAG、Agent、MCP 等设计与取舍，面试与简历里经得起追问。
• 面试与 JD 对齐，独立 面试题库，与正文题号互链，按岗位能力域组织问法与答法，适合应届与转岗梳理口径。
• 工程化与简历素材，企业向案例与多路召回、观测、成本等表述，项目可演示、可写进简历。
• 可检索的知识地图，成体系目录 + 案例源码，与常见「智能体 / 应用开发」课表维度对齐，便于对照补缺，少踩「只看过文章没跑过」的坑。
• 明确的岗位对标，可胜任 AI 应用开发工程师、AI Agent 工程师、AI 自动化流程开发及 AI 产品技术负责人等方向；尤其适合前端 / 后端 / 产品等背景转型 AI 与智能体开发。

---

📚 教程大纲（节选）

完整导航见 教程目录大纲 与 在线文档。

这份大纲不是固定目录。后续将伴随 AI 技术栈继续演进，新的核心知识点、新框架和新项目实践会继续并入这条路线中。

01 大模型基础能力构建

章节名称	内容概要
大模型（LLM）认识与环境准备	起源与发展、AGI 关系、主流模型特点与适用场景、预训练/微调/推理
大模型架构原理	Transformer、MoE、自注意力、LLaMA/Qwen/GPT、多模态
大模型调度平台	Ollama、私有大模型调用、云端/本地部署（AWS、阿里云等）
提示词工程	核心原则与结构、链式思维与 Few-shot、多轮对话与记忆、在 Agent 与工具调用中的应用

02 企业低代码平台开发与项目实战

章节名称	内容概要
Coze（扣子）平台	界面与功能、插件/知识库/工作流/智能体、Python 调用工作流
项目 1：商户运营管家	行业调研 PPT、爆款视频复刻、营销海报、卖点提炼、评论分析
Dify AI 平台	工作流/Agent/知识库、多案例（投诉分类、调研报告、客服分析、评论分析）、Python 调用
容器化技术	Docker 核心概念、安装与常用命令
企业级大模型部署	腾讯云/阿里云、Docker、Dify、AutoDL、Ollama、Xinference、Coze 本地部署
AI 代码编程工具 - Trae AI	安装使用、多模型 API、MCP 接入
AI 代码编程工具 - Qoder	使用与调试、项目开发

03 大模型核心开发框架

章节名称	内容概要
LangChain 框架原理与应用	Model I/O、Prompt、Parser、Runnable / LCEL、Memory、Tools、Retrieval、Agent
LangGraph 框架原理与应用	图式思维、State/Node/Edge、持久化记忆、流式输出、多智能体与 A2A
MCP 从原理到实战	与 Function Calling 对比、通信机制、工作流程、Server 部署与自定义开发
跨 Agent 通信：A2A 协议	与 MCP 关系、消息与认证、典型场景

04 企业级 RAG / Agent 项目实战

章节名称	内容概要
掌柜智库	LangGraph RAG 工作流、MinerU/OCR、向量+稀疏+Neo4j 多路召回、HyDE/BGE-Rerank、RAGAS 评估
电商小二	意图解析、多源知识库、流式回复、转人工机制、对话复盘、多渠道与监控
电商问数	围绕自然语言问数，完整串起 MySQL 数仓、元数据知识库、Qdrant 向量检索、Elasticsearch 字段值检索、LangGraph 工作流、SQL 生成校验执行、FastAPI SSE 和前后端联调
深度研搜	基于 DeepAgents 搭建多智能体研究系统，串起网络搜索、MySQL 查询、RAGFlow 知识库、文件读取生成、FastAPI 接口和 WebSocket 实时进度回传
市场罗盘	场景化任务拆解、从 0 到 1 设计与开发、阶段目标与进度管控、代码评审与成果展示

已完成实战项目推荐：

• 电商问数（源码仓库）：不是简单的 SQL 生成 Demo，而是把 MySQL、LangGraph、Qdrant、Elasticsearch、FastAPI 等知识点放进同一条可运行的智能问数链路里。
• 深度研搜（源码仓库）：不是普通聊天框，而是围绕开放研究任务，把主智能体调度、子智能体分工、多来源资料检索、文件生成交付和前后端实时联动做成一条完整闭环。

05 大模型微调实践

章节名称	内容概要
大模型微调核心	数据与格式（Alpaca、ShareGPT）、PEFT/LoRA/QLoRA、全参数微调与 DeepSpeed、vLLM 部署、评估
企业级微调数据集构建	公开/私有数据、标注与质量、数据增强
基于 Llama-Factory 的高效微调	环境与参数、单卡/多卡、Safetensors/ONNX
调优案例	学习率与 LoRA 秩、loss/评测对比、业务场景下的迭代策略；多组对照的完整微调—评测—部署案例

06 大厂开发规范

章节名称	内容概要
企业大模型研发流程	技术调研、方案与框架设计、RAG 与 pipeline、评估与角色、立项与需求文档
大模型当下热点	Agent/RAG 主流技术、前沿与热点跟踪

---

🏗️ Agent 项目架构与技术架构

---

🚀 快速开始

结合 在线文档 一起学习。想马上跑通一个案例？按下面几步即可。更详细的环境说明、API 申请、常见报错处理见 新手入门与常见问题。

1. 克隆仓库并进入项目目录

   git clone https://github.com/didilili/ai-agents-from-zero.git
   cd ai-agents-from-zero
   

2. 准备环境（推荐 Python 3.10，支持 3.10–3.13）

   python3.10 -m venv .venv
   source .venv/bin/activate          # macOS/Linux
   # .venv\Scripts\activate           # Windows CMD
   pip install -r requirements.txt
   

3. 配置 API Key

   • 将根目录下的 .env-example 复制为 .env
   • 在 .env 中填入你的 API Key（如通义千问/阿里百炼、DeepSeek 等），变量名需与代码一致（如 aliQwen-api、QWEN_API_KEY、deepseek-api）
   • 各平台 Key 的申请方式见 新手入门与常见问题 - 各 API 平台如何申请 Key

4. 在项目根目录运行第一个案例

   python 案例与源码-2-LangChain框架/01-helloworld/StandardDesc.py
   

   注意：必须在项目根目录执行 python，否则会读不到 .env。若不想用云 API，可使用 Ollama 本地模型（无需 Key）。

遇到 ModuleNotFoundError、API Key 报错、找不到 .env 等，请查看 新手入门与常见问题 - 常见问题与解决。

---

💬 交流社群

想和更多读者共同交流 AI 编程、Agent / RAG 实战、面试经验？欢迎到 GitHub 入群申请帖 留言申请加入微信交流群。

---

📖 关于本仓库

• 目标：做一套真正适合入门、系统、且长期更新的 AI 智能体实战速成教程，不仅把概念讲清楚，也把案例跑起来，让你从 0 到能独立做 RAG / Agent / 多智能体 类项目，并能用工程化语言讲清楚自己的方案与项目。
• 技术定位：聚焦 Python 智能体开发路线，重点讲 LangChain / LangGraph 及相关工程实践，不走 Spring AI / langchain4j 的 Java 路线，更适合想直接进入 Python 大模型应用开发的同学。
• 教程来源：参考尚硅谷《大模型智能体速成班》等课程资料，并在此基础上结合公开文档、社区实践与项目经验持续重构、补充与维护，逐步整理成一套 Python 智能体应用开发 的系统化学习资料。
• 面试题来源：题库中有相当一部分题目整理自大厂真实面试题、公开面经与高频追问场景，并结合本仓库的章节主线做了工程化重构，更适合按项目和系统设计视角复习。
• 内容构成：系统章节笔记 + 可运行案例源码 + 面试题库 （对标同类线上培训与社招/校招 JD）。

---

⭐ Star History

---

仓库英文名：ai-agents-from-zero · 仓库中文名：《AI 智能体实战速成指南：从零到企业级落地》