awesome-agentic-ai-zh

手機閱讀請使用線上文件站。

這份地圖幫你做什麼？

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、選擇下一步，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，但只能在人給的規則與權限內行動。只回答一次的聊天機器人，或每一步都固定寫好的腳本，不一定是 Agent。這個 repo 不要求你一開始就懂所有名詞，而是帶你依序完成三件事：

1. 先懂基礎：LLM、Prompt、API 與 Token 是什麼。
2. 再做出東西：讓模型呼叫工具、跑 Agent Loop、讀文件與記住事情。
3. 最後做得可靠：加入權限、Eval、人工批准、觀測與失敗復原。

這裡的角色是學習路線圖 + 精選資源 + 可直接執行的小練習。需要完整章節時，我們會帶你去官方文件、Datawhale Hello-Agents 或對應的 Cookbook，不重寫另一套百科全書。需要連模型時，每個練習會再說明雲端或本機路徑。

重要技術詞第一次出現時會先用白話說明，再保留正式英文。忘記某個詞時，直接查名詞表。

現在就開始

1. 完全沒寫過程式：從 Stage 0：基礎準備開始；API 或 CLI Agent 不熟時，搭配零基礎設定指南。
2. 已經會 Python、Git 與 API：從 Stage 1：LLM 基礎開始。
3. 還不確定要走哪條路：先看下面的 Track A／Track B 選擇表。

走 Track A 或 Track B 前，先確認 Stage 0–2；只走日常使用者路線的人可以直接打開角色指南。

你現在想做什麼？ 建議路線 路線入口 用 Claude Code、Codex、OpenCode 等 CLI Agent 完成工作 Track A — CLI Power User A1：選一個 CLI Agent 自己寫 Agent、工具迴圈、Workflow 與服務 Track B — Agent Builder Stage 3：第一個 Agent Loop 只想在日常生活安全使用 AI，暫時不寫程式 日常使用者路線 日常使用者指南 展開：下載到本機

git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git
cd awesome-agentic-ai-zh

下載後先開啟 stages/00-foundations.md，或依上表直接前往適合你的第一站。

從 Stage 0 到 Stage 8，另有 Stage 7.5 閱讀站

這張地圖共有 8 個主題 Stage + Stage 0 準備關 + Stage 7.5 進階閱讀站，也就是 10 個學習站。Track A／B 讀者先確認 Stage 0–2 共用基礎；已經會 Python、Git 與 API 的人可以跳過 Stage 0。日常使用者可以直接走角色指南。

共用基礎：Stage 0–2

Stage 這一步解決什麼？ 完成後你能做什麼？ 0 · 基礎準備 電腦與基本工具準備好了嗎？ 用 Python 呼叫公開 API、讀 JSON，並用 Git 保存成果 1 · LLM 基礎 LLM、Token、Context 與模型差在哪裡？ 呼叫一個 LLM，並依需求選雲端或本機模型 2 · Prompt 設計 怎麼把目標、資料、規則與輸出說清楚？ 用固定案例比較 Zero-Shot、One-Shot、Few-Shot 與 CoT 的邊界

Track A：使用 CLI Agent 把工作做完

正式順序是 A1 → A2 → Stage 5 → A3 → Stage 8。

順序 這一步解決什麼？ 完成後你能做什麼？ A1 · 選一個 CLI Agent OpenRouter、OpenCode、Pi、Ollama 分別是什麼？ 選對工具並完成第一個小任務 A2 · 建立可重複流程 怎麼把規則與步驟留給下一次使用？ 寫 Project Instructions、Skill 與可重用工作流程 5 · Claude Code 生態 MCP、Skills、Plugins、Hooks 與 Subagents 怎麼分？ 先讀核心 5.1–5.4；5.5–5.8 依工作需要選讀 A3 · 接進真實工作 怎麼安全連接外部工具、CI 與團隊流程？ 用最小權限、人工檢查與紀錄完成整合 8 · Agent 操作介面 Agent 怎麼操作瀏覽器、畫面與 Sandbox？ 判斷任務該用 CLI、Browser、Computer Use 還是 API

Track B：從零打造 Agent

順序 這一步解決什麼？ 完成後你能做什麼？ 3 · 工具使用與第一個 Agent Loop 模型怎麼安全呼叫工具並重複下一步？ 做出有最大輪數、會驗證參數的 Agent Loop 4 · Workflow Graph 與 Agent 框架 怎麼把多個步驟畫成工作地圖？ 選擇 Workflow、Agent、Graph 與 Framework 5 · Claude Code 生態 MCP、Skills、Plugins、Hooks 與 Subagents 怎麼合作？ 組合工具、規則與可重用能力 6 · Memory · RAG Agent 怎麼查文件、保存與取回重要資訊？ 建立最小 RAG、long-term memory 與 contextual retrieval 流程 7 · Agent 上線工程：可測、可看、可停、可恢復 Agent 怎麼在真實環境穩定運作？ 加入 Eval、觀測、預算、Human-in-the-loop（HITL，人工批准）與復原 7.5 · 進階 Agentic 概念地圖 還有哪些進階 Pattern 值得認得？ 從 12 個概念選讀 PAR loop、agent-as-judge 等需要的主題 8 · Agent 操作介面 Agent 怎麼操作 API 以外的真實環境？ 選擇 Computer Use、Browser Use 或 Code Sandbox

Stage 4 先看懂 Workflow Graph，再用 framework 把它做出來；Stage 7 再加入 Eval、觀測、批准與復原，讓同一張工作圖可以穩定運作。

學習順序：Stage 2 Prompt → Stage 3 Agent Loop → Stage 4 Workflow Graph／Framework → Stage 5 工具與規則 → Stage 6 Context Engineering → Stage 7 production。Prompt、Context、Harness、Loop、Graph 會一起工作；它們不是五層，也不是互相取代的產品世代。

完成 A3 或 Stage 7 後，可以開始 Capstone 專案；想記錄進度可使用 PROGRESS.md。

⏱️ 查看時間估算（安排參考，不是截止日期）

• Track A：約 8–10 週。重點是使用現成 CLI Agent 完成工作。
• Track B：主幹約 16–22 週；每週投入 5–8 小時時，通常需要 5–7 個月。
• Stage 5 是工具與規則 Hub：Track A 看怎麼用，Track B 看怎麼組合。
• Stage 8 是操作介面 Hub：Track A 看怎麼委派，Track B 看怎麼接進自己的 Agent。

時程只是安排參考。先完成眼前的一步，不需要一次讀完整張地圖。

依你的身分繼續走

靜態圖

路線 適合誰 你會處理什麼？ 研究人員 研究生、博後、PI 文獻證據、可重現流程、Multi-Agent Review 開發者 軟體工程師 CLI Delegation、Code Review、測試與回復 教師 老師、講師 備課、回饋、隱私與教學 Prompt 知識工作者 顧問、PM、分析師 Email、會議與報告工作流程 日常使用者 不一定寫程式的 AI 使用者 寫作、學習、隱私與安全使用

怎麼學才不容易卡住？

1. 一次只走一個 Stage：先回答這一章的核心問題。
2. 核心詞與必讀先看：它們會直接用在後面的練習。
3. 直接複製第一個指令：先跑不連網的測試，不必抄一份空白檔案。
4. 一次只改一件事：改完立刻再跑測試，才知道是哪個改動造成結果。
5. 做到完成條件再往下走：看懂不等於做得到。

每個 starter.py 都是可執行參考。先看題目與成功條件，再修改一個地方並重跑測試。完整方法見如何使用這份教材。

先收藏的學習入口

這裡只放最常用入口；完整清單在 RESOURCES.md。星號表示學習優先順序，不是專案排行榜。

用途入口什麼時候用？重要性 開始零基礎設定指南第一次安裝與執行⭐⭐⭐⭐⭐ 如何使用這份教材開始第一個動手練習前⭐⭐⭐⭐⭐ 學習進度表想知道下一步或記錄完成項目⭐⭐⭐⭐ 學習核心名詞表遇到 Token、RAG、MCP 等陌生詞⭐⭐⭐⭐⭐ 可執行範例入口想直接跑離線測試與小型案例⭐⭐⭐⭐⭐ 實作 Cookbook想做 Skill、MCP、Office、Zotero 或本機 LLM⭐⭐⭐⭐ 查資料資源工具櫃不知道該查 Guide、Catalog 還是 Cookbook⭐⭐⭐⭐⭐ 完整資源清單想找官方文件、課程、社群與延伸閱讀⭐⭐⭐⭐ CLI Agent 選擇指南準備走 Track A 或比較 CLI 工具⭐⭐⭐⭐ 課程與認證地圖分清完成證書、技能徽章與認證考試⭐⭐⭐⭐

一起改進這張地圖

• 內容錯誤、失效連結或過時資訊：請開 Issue。
• 想補一個專案或學習資源：請附上「它教哪個 Stage 的什麼」。
• 準備送 PR：先看 CONTRIBUTING.md 與寫作規範。
• 最近更新內容：查看 CHANGELOG.md。

展開：完整貢獻方式與自動檢查

你可以修正文字、補三語鏡像、回報缺少的主題，或長期維護一個 Stage／角色路線。新增 GitHub 專案連結時，自動檢查會協助查看封存狀態、License 與最近更新；是否收錄仍由 maintainer 依學習價值判斷。

完整角色與規則見 CONTRIBUTORS.md。

重要啟發與相關專案

• Datawhale Hello-Agents — 適合需要完整章節與深度實作的讀者。
• Datawhale 社群 — 中文機器學習共學社群，提供許多可靠的學習入口。
• liyupi/ai-guide — 偏向廣度資源庫；本 repo 則負責安排學習順序。

展開：貢獻者與引用格式 ```bibtex @misc{awesome_agentic_ai_zh_2026, title = {awesome-agentic-ai-zh: A Structured Learning Roadmap for Agentic AI}, author = {Chiou, Wenyu}, year = {2026}, url = {https://github.com/WenyuChiou/awesome-agentic-ai-zh} } ```

☕ 支持與聯絡

這份學習地圖採 MIT 授權，會繼續免費公開。一般問題與建議請使用 Issue；需要私下聯絡時可寄信至 [email protected]。

如果這份地圖幫到你，歡迎給一個 ⭐ Star，或請作者喝杯咖啡。

License

MIT。Maintained by @WenyuChiou。