ARTICLE · 1091796

AI Agent 学习路线图:4 个开源仓库按目标选起点

发布时间：2026-09-28 16:56:29 最近访问：2026-09-28 16:55:40

AI Agent 学习路线图：4 个开源仓库按目标选起点

「想系统学 Agent 开发，GitHub 上一搜全是几万星的教程，从哪个开始？」

最近 GitHub 上有四个 AI 学习仓库星标涨得很快，形态差别很大：一套 523 课的全栈课程，一本 10 章的中文书，一套 18 课的微软入门课，还有一份将近 4,000 行的 AI 系统设计文档。

下面按原仓库的 README、目录和课程说明整理，先放一张总表，再逐个说讲什么、怎么起步、要注意什么，最后按学习目标给出选择路线。星数和结构数据核对于 9 月 28 日。本文没有完整学完其中任何一套，不评价教学质量，只帮你判断哪一套和你的目标对得上。

一、四个仓库的总表

	ai-engineering-from-scratch	深入理解 AI Agent	AI Agents for Beginners	AI System Design
作者	Rohit Ghumare	李博杰	微软	Amit Shekhar
星标 / 协议	59,523 / MIT	51,379 / Apache-2.0	75,940 / MIT	450 / Apache-2.0
形态	分阶段课程	书 + 配套实验	独立课程	单篇长文档
规模	20 个阶段，523 课	10 章，109 个实验	18 课 + 1 课环境设置	约 3,969 行 README
覆盖范围	数学、机器学习、深度学习到 Agent、生产环境	Agent 设计：上下文、记忆、工具、评估、后训练、多 Agent	Agent 基础概念、设计模式、框架与部署	推理服务、缓存、RAG、Agent 的系统架构
代码	Python 为主，另有 TypeScript、Rust、Julia	Python 3.11–3.13	Jupyter notebook 为主，少量 Python、C#	无代码
中文	有中文首页，课程页为机器翻译	中文原生写作，有 PDF / EPUB	自动翻译的简体中文版	仅英文
运行门槛	本地 Python，入门课不需要模型 Key	调用模型的实验需要模型服务 Key，部分支持本地 Ollama	需要 Azure 订阅和 `az login`	只需阅读
更适合	想从底层补齐 AI 工程基础	已会写代码，想理解 Agent 怎么设计	想跟着一套框架尽快跑出 Agent	准备 AI 系统设计面试或做架构

前三个仓库都已持续维护半年以上。AI System Design 在 9 月 25 日才创建，目前只有 5 次提交，450 个星标和前面三个不在一个量级，收进来是因为前三者较少讲推理服务、缓存、网关这类系统设计内容。

二、ai-engineering-from-scratch：523 课的全栈路线

仓库地址： https://github.com/rohitg00/ai-engineering-from-scratch

这是四个里范围最大的一套。README 写的是 523 课、20 个阶段，作者估算约 342 小时。按目录逐个阶段数下来，课数合计正好 523，分布如下：

阶段	内容	课数
0–3	环境、数学、机器学习、深度学习	65
4–9	计算机视觉、NLP、语音、Transformer、生成式 AI、强化学习	117
10–12	从零写 LLM、LLM 工程、多模态	66
13–16	工具与协议、Agent 工程、自主系统、多 Agent	132
17–18	基础设施与生产、伦理安全与对齐	58
19	综合项目	85

Agent 相关内容集中在第 13 到 16 阶段，其中第 14 阶段「Agent 工程」一个阶段就有 54 课，从 Agent 循环、ReWOO、Reflexion 讲到记忆和技能库。

README 给每一课定了同一套流程：读说明、手敲关键代码、运行、保存命令和输出、能改动一处并解释之后再往下。仓库里的代码以 Python 为主（822 个 .py 文件），另有 129 个 TypeScript 文件和少量 Rust、Julia。

不用从第 0 课开始。README 开头有一张「按目标选起点」的表：想打完整基础从 Phase 0 开始，想做 LLM 应用从 Phase 11 开始，想做 Agent 从 Phase 14 开始，另外还有 MCP、Agent Skills 的快捷路线。

起步命令：

git clone https://github.com/rohitg00/ai-engineering-from-scratch.git

cd ai-engineering-from-scratch

python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner

要注意的是语言：英文是正式版本，中文只有翻译过的首页，课程页是机器翻译，放在仓库的 translations 分支。

三、深入理解 AI Agent：10 章中文书加 109 个实验

仓库地址： https://github.com/bojieli/ai-agent-book

在线阅读： https://bojieli.github.io/ai-agent-book/astro/

这是一本完整开源的中文技术书，作者李博杰。全书围绕一个公式展开：Agent = LLM + 上下文 + 工具。当前书稿为 2.0 版，章节和实验数如下：

章	主题	实验数
1	AI Agent 入门	4
2	上下文工程	10
3	用户记忆和知识库	12
4	工具（含 MCP）	5
5	Coding Agent 与通用 Agent	16
6	交互：语音、Computer Use 等	14
7	Agent 的评估	14
8	模型后训练	19
9	Agent 的持续进化	9
10	多 Agent 协作	6

和 ai-engineering-from-scratch 相比，它不从数学和机器学习讲起，直接讲 Agent 各个部分怎么设计。README 写明的前置要求是：能读改中等复杂度的 Python 代码，用过大模型产品和至少一款 AI 编程工具，了解命令行、Git、JSON 和 REST API。除第八章后训练外，对数学的要求很低。

实验按章节安装依赖，推荐用 uv：

git clone https://github.com/bojieli/ai-agent-book.git

cd ai-agent-book uv sync --locked --extra ch1

uv run python chapter1/context/main.py

调用模型的实验要先按该实验的 README 配置至少一个模型服务的 Key，只有 README 明确列出的实验才支持本地 Ollama。作者建议读懂设计原则后，借助 coding agent 自己从头实现一遍，配套代码用来对照。

四、AI Agents for Beginners：微软 18 课入门

仓库地址： https://github.com/microsoft/ai-agents-for-beginners

这是四个里星标最多的一个，面向刚开始做 Agent 的开发者。除第 0 课环境设置外有 18 课，每课独立，可以从任意一课开始：

第 1–5 课：Agent 入门、框架、设计模式、工具使用、Agentic RAG
第 6–10 课：可信 Agent、规划、多 Agent、元认知、生产环境
第 11–18 课：协议、上下文工程、记忆、Microsoft Agent Framework、浏览器使用、可扩展部署、本地 Agent、Agent 安全

代码主要是 Jupyter notebook，基于微软自家的 Microsoft Agent Framework 和 Microsoft Foundry Agent Service。

运行前需要准备 Azure 环境：课程设置要求 Python 3.12 以上、安装 Azure CLI、有 Azure 订阅，多数 notebook 通过 az login 登录后调用。部分示例支持其他 OpenAI 兼容服务，具体看每课说明。

仓库带 50 多种语言的自动翻译，下载体积较大。README 提供了跳过翻译目录的克隆方式：

git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git

cd ai-agents-for-beginners

git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

需要中文版的话，不要跳过翻译目录，中文课程在 translations/zh-CN/ 下。完全没接触过生成式 AI 的读者，README 建议先看同系列的 Generative AI for Beginners（21 课）。

五、AI System Design：一份面向架构和面试的长文档

仓库地址： https://github.com/amitshekhariitbhu/ai-system-design

这个仓库只有一个 README 和一张封面图，没有代码。内容从底层往上排：

推理：推理服务、GPU 与 TPU、token 与延迟吞吐、prefill 与 decode
扩展：扩缩容、容量估算、负载均衡、缓存、模型路由
应用层：向量数据库、RAG、上下文窗口管理、流式输出、限流、AI 网关
Agent：工具调用、MCP、Agent Skills、记忆、多 Agent
生产：护栏、隐私合规、可观测、评估、成本、微调基础设施、容错

最后几节是「如何解任意 AI 系统设计题」的答题框架、真实案例和面试题。作者建议新手从头读；准备面试的读者先读答题框架，再回头补各个模块。部分概念会链接到作者自己的博客展开讲解。

需要说明两点：它 9 月 25 日才创建，内容还在更新初期；作者是在线教育机构 Outcome School 的创始人，README 里有课程推广。

六、按目标选起点

四套资料也可以组合着用：

中文书 + 课程
：用《深入理解 AI Agent》理解每个模块为什么这样设计，再到 ai-engineering-from-scratch 第 13–16 阶段找对应的课动手。
做项目 + 补架构
：已经在写 Agent 应用、需要考虑并发、成本和稳定性时，按 AI System Design 的推理、缓存、网关几节查漏。

选定后，先完成它的起步入口：跑通 from-scratch 的环境检查命令、读完书的第 1 章并运行该章实验、完成微软课程的第 0 课环境设置，或者读完 System Design 的答题框架一节，再决定要不要继续用这一套。