SSD Nodes Learn Hosting plans →
指南 Matt Connor作者： Matt Connor

学习 AI Agent 开发的中文资源：值得读的教程和英文一手文档

新加坡和马来西亚的双语工程师学 AI Agent 开发，该读哪些中文资源？本文核对了 hello-agents、微软课程中文版等资料，按六阶段路线逐一对应，并说明哪些一手文档只能读英文。

学习 AI Agent 开发，哪些中文资源值得读

学习 AI Agent（智能体）开发，本文核对过的中文资源里，最值得先读的是 Datawhale 的 hello-agents。它用中文原创，共 16 章，从基本概念一直讲到自己动手写一个智能体框架，而且仍在维护。第二份是微软的 ai-agents-for-beginners，共 18 课，仓库里有简体中文版 README，但中文是机器翻译，以英文原文为准。MCP 的官方站点和 LangGraph 的官方文档目前只有英文。所以对新加坡、马来西亚这类双语环境里的工程师来说，最省力的读法是：用中文教程建立概念、动手练习，再回到英文一手文档核对细节。

本文是 六阶段 AI 智能体学习路线 的配套篇。那篇文章讲清了六个阶段各学什么，但没有点名任何中文资源。这里不再重讲这些阶段，只把每份中文资源放到对应的阶段上，并给每份资源写两句判断：「适合用来」和「可以跳过，如果」。文中的版本、许可证、章节和链接，都在 2026 年 10 月 17 日对照各项目的官方页面核对过。

为什么双语工程师要中英文一起读

一手资料以英文为主，这是现实。MCP（Model Context Protocol，模型上下文协议）的官方文档索引里，截至 2026 年 10 月 17 日没有任何中文页面，文档首页也没有语言切换。LangGraph 的文档已经从 langchain-ai.github.io/langgraph 迁到 docs.langchain.com，我在新的 Python 概览页上没有找到中文版本。

但并不是每一家都只有英文。OpenAI Agents SDK 的官方文档有简体中文版，语言列表是 English、日本語、한국어 和简体中文。这是厂商自己维护的版本，不是第三方翻译。Hugging Face 的 Agents 课程也有 zh-CN 译本。

中文资料落后的地方，主要在翻译的时效。译本要等英文更新后再跟进。微软课程的中文 README 在页脚写明是机器翻译，并以原文为准。我没有逐页比较 Hugging Face 中文单元和英文单元的差别，所以读译本时，遇到 API 名称、参数或安装命令，应该打开英文的同一页对照一下。

中文资料更强的地方，是原创内容。hello-agents 不是译本。它的第七章「构建你的Agent框架」，按 README 的说法，是基于 OpenAI 原生 API 从零构建一个自己的智能体框架。本文核对的另外两门课程，目录里都没有这样从底层自己写框架的一课：微软课程用 Microsoft Agent Framework，Hugging Face 课程用现成的框架。

中英文对照读的时候，下面几个术语最常用：

  • 智能体：agent。learn-ai-agents-2026 的中文版译作「代理」，指的是同一个东西。
  • 工具调用：tool use。
  • 记忆与检索：memory and retrieval。
  • 上下文工程：context engineering。
  • 智能体通信协议：agentic protocols，例如 MCP 和 A2A。

hello-agents：用中文原创的完整智能体教程

hello-agents 由 Datawhale 维护，正文和代码都在 GitHub 仓库 datawhalechina/hello-agents。可以在线阅读：README 把 datawhalechina.github.io/hello-agents 标为境外访问地址，把 hello-agents.datawhale.cc 标为国内加速地址。人在新加坡或马来西亚，先试第一个地址。

全书 16 章，另有前言。章节顺序如下：

  1. 初识智能体
  2. 智能体发展史
  3. 大语言模型基础
  4. 智能体经典范式构建
  5. 基于低代码平台的智能体搭建
  6. 框架开发实践
  7. 构建你的Agent框架
  8. 记忆与检索
  9. 上下文工程
  10. 智能体通信协议
  11. Agentic-RL
  12. 智能体性能评估
  13. 智能旅行助手
  14. 自动化深度研究智能体
  15. 构建赛博小镇
  16. 毕业设计

前三章讲概念和大语言模型基础。第四到第七章是动手部分，先写经典范式，再用低代码平台和现成框架，最后自己写框架。第八到第十二章讲记忆、上下文、协议、强化学习和评估。第十三到第十五章是三个完整项目，第十六章是毕业设计。代码目录和章节一一对应，从 chapter1 到 chapter16。其中第十三章的项目目录是 helloagents-trip-planner，第十四章是 helloagents-deepresearch，第十五章是 Helloagents-AI-Town。

第十一章 Agentic-RL 讲用强化学习训练智能体。如果你只做应用开发，可以先跳过这一章，等其他章节熟练了再回来读。

开始之前需要会什么

README 写明，希望读者具备基础的 Python 编程能力，并对大语言模型有基本的概念性了解。README 还希望读者知道怎样通过 API 调用大模型。如果你还没有调过任何模型 API，先把这一步补上，再从第四章开始动手，会顺利很多。

它还在维护吗

在维护。截至 2026 年 10 月 17 日，GitHub Releases 页面上标为 Latest 的是 2026 年 7 月 17 日的 V1.0.3，之前是 2026 年 2 月 10 日的 V1.0.2 和 2025 年 11 月 3 日的 V1.0.0。注意，这些版本号是教程内容（包括 PDF）的同步版本，不是软件的版本号。V1.0.3 的说明写到，它修复了 V1.0.2 以来的文档错误、内容错误和导航问题，中文版和英文版都已同步更新。README 的后续计划里还写到，2026 年 5 月更新了智能体最新学习路线，视频课程会陆续发布。

书里配套的框架叫 HelloAgents。README 说这个框架已经更新到 V1.0.0，会继续增加轻量的工具和特性，并兼容学习版本。README 没有给出 pip 安装命令，所以本文不写安装命令，按各章正文和代码目录操作即可。

许可证允许做什么

hello-agents 采用 CC BY-NC-SA 4.0 许可协议，即署名、非商业性使用、相同方式共享。自己免费学习没有问题。转载或改编时要署名，并用同样的协议发布。拿它做付费课程，或者打包进收费的培训材料转售，就违反了「非商业性使用」这一条。

  • 适合用来：用中文从概念一路学到自己写框架，尤其是第四章的经典范式和第七章的自建框架。
  • 可以跳过，如果：你已经在生产环境用某个框架写过智能体，现在只想查某个协议或 SDK 的具体用法。这时直接读英文一手文档更快。

hello-agents 能不能接 DeepSeek 或千问的 API

我核对了第四章的代码。code/chapter4/llm_client.py 从四个环境变量读取配置：LLM_MODEL_ID、LLM_API_KEY、LLM_BASE_URL 和 LLM_TIMEOUT。前三个是必填项，缺了任何一个，客户端都会抛出 ValueError。LLM_TIMEOUT 是请求超时的秒数，不设置时默认是 60 秒。客户端再用这些值创建 openai.OpenAI 客户端，启动时还会用 python-dotenv 加载 .env 文件。代码里没有写死任何服务商，也没有默认地址，文档字符串说它面向兼容 OpenAI 接口的服务。所以从代码上看，第四章的客户端可以指向任何兼容 OpenAI 的接口地址。这个目录里还有 ReAct.py、Plan_and_solve.py、Reflection.py、tools.py，以及一个名为 .env copy 的模板文件。

DeepSeek 的 API 文档说明，它的接口格式兼容 OpenAI，OpenAI 格式的 base_url 是 https://api.deepseek.com。因为客户端用的是 os.getenv，在当前 shell 里导出三个必填变量就够了，LLM_TIMEOUT 可以不设：

git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents/code/chapter4
export LLM_API_KEY="<你的 DeepSeek API Key>"
export LLM_BASE_URL="https://api.deepseek.com"
export LLM_MODEL_ID="<从 DeepSeek 文档首页复制的模型名>"
env | grep '^LLM_'

最后一条命令应该列出三行，每行一个变量。少了哪一行，就说明那条 export 没有生效，客户端读到的值会是空的。如果想把超时从默认的 60 秒调长，可以再导出 LLM_TIMEOUT，例如 export LLM_TIMEOUT=120，这时会列出四行。之后在同一个终端里运行第四章的脚本。换了新终端，要重新导出一次。

DeepSeek 的模型名变化很快。截至 2026 年 10 月 17 日，DeepSeek API 文档 首页列出的是 deepseek-flash 和 deepseek-v4-pro，旧名称 deepseek-v4-flash 仍被接受，但对应的模型已经退役，请求由 DeepSeek-V4.1-Flash-1017 提供服务。填写之前，请打开文档首页确认当前名称。

千问走阿里云百炼。百炼的 OpenAI 兼容文档 说，千问模型支持 OpenAI 兼容接口，迁移时只需调整 API Key、BASE_URL 和模型名称。地址按地域区分。北京地域是 https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1，新加坡地域是 https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1，其中 {WorkspaceId} 要换成你自己的业务空间 ID。API Key 也绑定地域，所以在哪个地域创建的 Key，就要配那个地域的地址。

要说清楚的是：我只核对了第四章客户端可以配置成别家接口，没有用 DeepSeek 或千问把 hello-agents 的脚本完整跑一遍，README 里也没有点名这两家。其他章节怎么配置模型，我没有逐章检查。读到后面的章节时，以那一章的正文和代码为准。

微软 ai-agents-for-beginners：18 课，中文由机器翻译

微软的 ai-agents-for-beginners 用 MIT 许可证发布，共 18 课。英文主 README 列出的课程依次如下，括号里是本文的中文说明：

  1. Intro to AI Agents and Agent Use Cases（智能体入门和使用场景）
  2. Exploring AI Agentic Frameworks（智能体框架概览）
  3. Understanding AI Agentic Design Patterns（智能体设计模式）
  4. Tool Use Design Pattern（工具调用）
  5. Agentic RAG（智能体式检索增强生成）
  6. Building Trustworthy AI Agents（构建可信的智能体）
  7. Planning Design Pattern（规划）
  8. Multi-Agent Design Pattern（多智能体）
  9. Metacognition Design Pattern（元认知）
  10. AI Agents in Production（生产环境中的智能体）
  11. Using Agentic Protocols (MCP, A2A and NLWeb)（智能体协议）
  12. Context Engineering for AI Agents（上下文工程）
  13. Managing Agentic Memory（管理智能体记忆）
  14. Exploring Microsoft Agent Framework（Microsoft Agent Framework 入门）
  15. Building Computer Use Agents (CUA)（操作电脑的智能体）
  16. Deploying Scalable Agents（部署可扩展的智能体）
  17. Creating Local AI Agents（本地运行的智能体）
  18. Securing AI Agents（智能体安全）

简体中文版在 translations/zh-CN/README.md，列出的是同样的 18 课。页脚写明，这份文件由 AI 翻译服务 Co-op Translator 自动翻译，「自动翻译可能包含错误或不准确之处」，并以原始语言版本为准。主 README 说课程有 50 多种语言的译本，都用 Co-op Translator 维护。所以中文版适合快速理解每课在讲什么，遇到术语拿不准，就切回英文。

示例代码用的是 Microsoft Agent Framework 和 Microsoft Foundry Agent Service V2，后者需要 Azure 账号。README 说部分示例支持其他兼容 OpenAI 的服务商，举的例子是 MiniMax。第 17 课用 Foundry Local 在本机运行。README 没有提到 DeepSeek 或千问，所以把示例换成这两家能不能跑通，没有文档依据，本文不作保证。当前 README 也没有提到 GitHub Models。

这门课比 hello-agents 多出的部分，是安全和上线。第 6 课讲可信的智能体，第 18 课专门讲安全，第 10 课和第 16 课讲生产环境和部署。hello-agents 的章节目录里没有单独的安全章节。

  • 适合用来：系统了解设计模式、协议和安全，尤其是第 6、11、18 课。
  • 可以跳过，如果：你不打算开 Azure 账号，又想把每个示例都跑起来。这时只读概念部分，代码去 hello-agents 里练。

Hugging Face Agents 课程中文版：框架实操

Hugging Face 的 Agents 课程有简体中文版，入口是 中文版第 0 单元，标题是「欢迎加入 🤗 AI Agents 课程」。中文介绍页说，课程包括基础单元、在 Spaces 里动手实践、按使用场景完成的作业，以及最后的排行榜挑战。课程教的框架是 smolagents、LangGraph 和 LlamaIndex。中文版第 1 单元「智能体简介」也能正常打开，地址是 https://huggingface.co/learn/agents-course/zh-CN/unit1/introduction。

课程仓库用 Apache-2.0 许可证，units 目录下有 zh-CN，和 en、es、fr、ko、ru-RU、vi 并列。我没有核对中文单元跟英文单元的同步程度。读到代码时，最好打开英文同一单元对照，以英文为准。

  • 适合用来：想在一门课里对比几个主流框架，并在 Spaces 里直接动手。
  • 可以跳过，如果：你只想理解原理，不打算用这些框架。hello-agents 的第四章和第七章更贴近原理。

OpenAI Agents SDK：有官方中文文档的 SDK

OpenAI Agents SDK 的 官方简体中文文档 由 OpenAI 自己维护，首页介绍说它是一个轻量、易用、只包含极少抽象概念的软件包，用来构建智能体式 AI 应用。安装命令是 pip install openai-agents。

它和国内模型的关系，要看英文的 Models 页面，这一部分我核对的是英文版。页面说明了三种接入其他兼容 OpenAI 接口的方式：用 set_default_openai_client 设置全局客户端，每次运行时传入一个 ModelProvider，或者在单个 Agent 上设置 model。SDK 默认使用 Responses API，而很多其他服务商还不支持它，所以可能需要调用 set_default_openai_api("chat_completions") 改用 Chat Completions。没有 OpenAI Key 时，可能还要关闭 tracing（追踪）。

改用 Chat Completions 有代价，页面列出了几条：只属于 Responses API 的字段会被静默丢弃；有些服务商不支持 json_schema 结构化输出；只属于 Responses API 的工具会被拒绝。页面没有点名 DeepSeek 或千问，它讲的是通用机制。

  • 适合用来：已经决定用这个 SDK，想用中文读概念和接口说明。
  • 可以跳过，如果：你还在学智能体是什么。先读完 hello-agents 的前四章，再来看 SDK 会更容易。

哪些一手资料目前只能读英文

MCP。 截至 2026 年 10 月 17 日，MCP 官方站点 的文档索引里全是英文页面。这个结论只针对官方站点，我没有去找社区翻译。索引里列出的规范版本共有六个：2026-07-28、2025-11-25、2025-06-18、2025-03-26、2024-11-05 和 draft。中文入门可以先读微软课程第 11 课和 hello-agents 第十章，但真正动手写一个 MCP 服务器时，要按英文规范来。部署的部分，可以接着读 在 VPS 上运行 MCP 服务器。

LangGraph。 官方文档现在在 docs.langchain.com，安装命令是 pip install -U langgraph。我在概览页上没有找到中文版本。Hugging Face 中文课程里有 LangGraph 单元，可以作为中文入口，但 API 细节要以官方文档为准，因为框架更新时，译本不一定同步。

微软课程的英文原文。 中文 README 自己写明以原文为准。所以中文版读不通的句子，直接切到英文那一课。

按六个阶段，每一步读什么

下面的对应关系是本文作者的判断，依据是各资源的章节目录。阶段名称沿用 learn-ai-agents-2026 中文版的写法。

第 1 阶段：什么是代理，以及它不是什么

读 hello-agents 第一到第三章，配合微软课程第 1 到第 3 课。想先分清智能体有哪几类，可以读 AI 智能体的几种类型。这一阶段中文材料足够，不需要回到英文。

第 2 阶段：自己编写循环，只写一次

这是中文材料最强的一段。先读 hello-agents 第四章，把 ReAct.py、Plan_and_solve.py 和 Reflection.py 都跑一遍，再读第七章，从 OpenAI 原生 API 开始自己写一个框架。写完之后，可以对照 在 VPS 上搭建自己的 AI 智能体，把同样的循环放到一台长期在线的服务器上。

第 3 阶段：代理尚未拥有的工具

概念部分读微软课程第 4 课和第 11 课，以及 hello-agents 第十章。规范细节读英文的 MCP 文档。想了解另一种给智能体加能力的方式，可以读 Agent Skills 是什么。

第 4 阶段：记忆，主要就是文件

读 hello-agents 第八章和第九章，配合微软课程第 12 课和第 13 课。两边讲的都是记忆和上下文，对照着读，能看到同一个问题的两种讲法。

第 5 阶段：循环就是产品

读 hello-agents 第十二章的评估，再挑第十三到第十五章里的一个项目完整做完，最后做第十六章的毕业设计。上线相关的内容，读微软课程第 10 课和第 16 课。想弄清楚模型外面那一层运行环境到底做了什么，可以读 什么是智能体 harness。

第 6 阶段：安全性、密钥和成本

读微软课程第 6 课和第 18 课。hello-agents 的目录里没有单独的安全章节，所以这一阶段主要靠英文原文和站内文章。密钥的部分，读 不把密钥交给 AI 智能体。

本文没有收录哪些资源

B 站上带中文字幕的课程、中文书籍、各框架文档的中文镜像站，本文都没有核对，所以一个也没有列出。不是说它们不好，而是没有核对过的资源，不应该推荐给你。

你自己评估一份中文资源时，可以先看这四点：

  • 许可证是什么，能不能用在你的场景里。
  • 最近一次更新或发布是什么时候。
  • 它是原创，还是译本。如果是译本，原文是否为准。
  • 示例代码需要哪家的账号，你能不能开通。

FAQ

hello-agents 是免费的吗？能拿来做付费课程吗？

可以免费阅读和学习。V1.0.0 的发布说明写明教程完全开源免费。但它采用 CC BY-NC-SA 4.0 协议，包含「非商业性使用」条款，所以不能拿来做付费课程或打包转售。转载或改编时要署名，并用同样的协议发布。

微软的 AI Agents 初学者课程有中文版吗？

有。ai-agents-for-beginners 仓库里的 translations/zh-CN/README.md 是简体中文版，列出了全部 18 课。它由 Co-op Translator 自动翻译，页脚写明可能有错误，并以原始语言版本为准。读不通的地方，切回英文原文。

这些中文教程能用 DeepSeek 或千问的 API 吗？

只能说到已经核对过的部分。hello-agents 第四章的客户端从 LLM_MODEL_ID、LLM_API_KEY 和 LLM_BASE_URL 读取必填配置，另有一个可选的 LLM_TIMEOUT（默认 60 秒），可以指向任何兼容 OpenAI 的地址，而 DeepSeek 和千问都提供兼容 OpenAI 的接口。但我没有用这两家把脚本完整跑通。微软课程的 README 没有提到这两家。OpenAI Agents SDK 说明了接入兼容接口的通用方法，可能需要改用 Chat Completions。

MCP 有官方中文文档吗？

截至 2026 年 10 月 17 日，modelcontextprotocol.io 的文档索引里只有英文页面，首页也没有语言切换。中文入门可以读微软课程第 11 课和 hello-agents 第十章，但实现 MCP 服务器时，要以英文规范为准。

只会一点 Python，应该从哪份资源开始？

从 hello-agents 开始。它的 README 只要求基础的 Python 能力，以及对大语言模型的基本了解，并希望你知道怎样通过 API 调用模型。先读前三章，再在第四章把三个经典范式的脚本都跑一遍。之后再按需要读微软课程的安全课和英文一手文档。

#ai-agents#learning#hello-agents#datawhale#chinese-resources