WenyuChiou/awesome-agentic-ai-zh

项目概览

项目提供持续维护的人工三语文档（繁中/英/简中），并收录了 65+ MCP 服务的分类目录与 15 个可直接复制的子智能体调度方案。

项目类型

MCP · AI Agent · 学习资源

应用场景

学习教育

部署方式

查看项目说明

License

MIT

适合谁

• 需要从零开始建立 AI Agent 知识体系、并希望通过三语教程和配套代码进行系统化学习的开发者与研究人员。

核心能力

• 提供一条从 LLM 基础概念和提示词工程，逐步过渡到构建复杂多智能体系统的学习路径。通过划分学习阶段，帮助学习者逐步掌握相关概念。
• 收录了 240+ 个项目，详细列出每个项目的 Star 数、目标受众、教学内容及运行方式，为学习者提供资源索引。
• 为每个学习阶段提供 70-150 行的演示练习。代码采用 Ollama 和 Anthropic SDK 的双路径对比设计，并包含基于 Mock 的测试，方便学习者在不同环境下实践。
• 收录并整理了 65+ 个 MCP 服务器和 Skills，将其归类至 16 个主要分组中并提供星级评定，方便开发者查找和理解模型上下文协议生态。
• 提供 15 个可直接复制粘贴的调度方案，用于向子智能体委派任务。这些方案为多智能体系统的任务拆解与分配提供代码参考。

限制与风险

• 配套练习倾向于使用英语术语并要求基础的 Python 知识，如果没有仔细学习 Stage 0 的内容，对于完全零基础的初学者可能会有一定挑战。

如何开始

• 克隆仓库后直接阅读 README.md 和 stages/00-foundations.md 即可开始。由于练习设计精简且提供 Mock 测试，本地运行门槛较低，同时也支持接入云端 LLM API 进行体验。

替代方案与同类比较

• 如果你希望从底层数学和算法（从线性代数到自主集群）一步步构建并保留可复用的代码产物，该跨语言（Python/TS/Rust/Julia）课程比侧重路线图和工具导航的 awesome-agentic-ai-zh 更侧重底层实现。
• 如果你不需要结构化的阶段学习路线，而是想获取 80+ 个现成的 LLM 应用实例（如文本 Agent、语音助手、RAG 应用），该合集提供了更多的现成教程和配方。

同类比较

• WenyuChiou/awesome-agentic-ai-zh vs 底层原理至框架的全面构建
• WenyuChiou/awesome-agentic-ai-zh vs 应用层实战示例合集

核验依据

• GitHub 项目简介: A trilingual (繁中 / English / 简中) learning roadmap for agentic AI: from LLM basics to multi-agent systems, with 240+ curated resources and hands-on examples. 中文 AI agent 學習地圖。
• README: 本 repo 角色定位：學習路線圖 + 240+ 資源 curation + 簡單 illustrative 案例——三件事為核心、幫想學 AI / AI agent 的人從「不知道從哪開始」走到「能設計多 agent 系統」。
• README: 完全免費 — MIT 授權，所有內容開放共學
• README: 把網路散落的高品質專案、教材、必修閱讀，按從零開始、循序漸進整理成 8 個階段
• README: 每階段精選 240+ 個 project（含星等、適合誰、教什麼、怎麼跑），加上中文 AI 生態(DeepSeek / Zhipu / Kimi 等)MCP / Skill 完整 catalog

来源更新时间：2026-07-15T18:07:08Z

打开原始 GitHub 项目