didilili/ai-agents-from-zero

项目概览

该项目自述为首个系统化、持续更新的开源 AI 智能体教程，且提供覆盖 NL2SQL 等场景的真实实战源码。

项目类型

AI Agent · RAG 与知识库 · 提示词工程 · 学习资源

应用场景

知识问答 · 搜索调研 · 数据分析 · 学习教育

部署方式

查看项目说明

License

MIT

适合谁

• 希望从零开始系统学习 AI 智能体和 LLM 应用全栈开发并倾向于通过运行真实源码来学习的开发者。
• 需要参考企业级 NL2SQL 或多智能体实战项目代码以解决类似业务场景问题的工程人员。

核心能力

• 提供结构化的课程体系，涵盖大语言模型基础、提示工程、低代码平台、核心开发框架、企业级 RAG/Agent 项目实战以及微调技术。
• 针对各种 AI 概念和开发框架提供可运行的 Python 源码示例，并配备了详细的环境搭建说明和常见错误排查指南。
• 提供与 AI 应用开发人员职位描述及培训计划能力相匹配的面试题库，供开发者检验学习成果和准备面试。
• 提供真实世界的实践项目，例如电商领域的自然语言转SQL(NL2SQL)问答系统和多智能体深度研究系统，演示端到端的企业应用部署。

限制与风险

• 项目内容仅专注于 Python 生态，不包含诸如 Spring AI 等 Java 框架的教程与示例。

如何开始

• 克隆代码仓库，搭建 Python 虚拟环境并安装所需依赖包。需要配置 Git 和 Python 3.10+ 环境，难度为中等。
• 在 .env 文件中配置外部 LLM 的 API 密钥（如 Qwen 或 DeepSeek），随后运行第一个 LangChain HelloWorld Python 脚本以验证环境。

替代方案与同类比较

• 如果不需要完整的教程体系而是寻找用于构建 LLM 应用的底层工具库，LangChain 提供了可互操作的组件链接和标准模型接口，didilili/ai-agents-from-zero 的部分代码正是基于此构建。
• 对于已经掌握基础并寻求自动化优化提示和任务流水线的高级开发者，AdalFlow 提供了类似 PyTorch 的自动微分框架，弥补了基础教程之外的手动调优痛点。
• 如果需求是基于已有笔记自动生成结构化知识库而非学习应用开发，该项目可以读取文档并构建带有可视化的互联维基。

同类比较

• didilili/ai-agents-from-zero vs LangChain 开发框架
• didilili/ai-agents-from-zero vs AdalFlow 优化库
• didilili/ai-agents-from-zero vs LLM Wiki Agent 知识提取工具

核验依据

• README: 系统教程 + 可跑源码 + 面试题库 + 企业级实战项目 + 长期技术栈更新
• README: 这是一套长期维护的 AI 大模型应用开发路线图
• README: | **低代码平台** | Coze（扣子）、Dify |
• README: 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。
• README: 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 |

来源更新时间：2026-07-09T21:11:44Z

打开原始 GitHub 项目