在 7k 星的三语路线图上学 Agentic AI

大多数 agentic AI 资料会把文档、课程和热点观点不加排序地一股脑丢给你。awesome-agentic-ai-zh 是一张 MIT 授权的学习路线图，把完整路径——从 LLM 是什么，到能在生产环境可靠运行的系统——按顺序排好，并以繁体中文、简体中文和英文三种语言提供同一张地图。

为什么这个 Skill 重要

这个仓库把 agentic AI 组织成 8 个主题 Stage，加上 Stage 0（准备）和 Stage 7.5（进阶阅读），共 10 个学习站。整个旅程分成两条路线：Track A 面向想用 Claude Code 这类 CLI agent 完成工作的高级用户，Track B 面向想亲手写 agent 循环和工作流的构建者。每个 Stage 都写明核心问题、关键词汇，以及进入下一站前应达到的完成条件。

它还有一层角色分支：面向研究人员、开发者、教师、知识工作者和日常使用者五类读者的分支指南，让你从自己真实的工作场景进入这张地图。

安装

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

不想克隆？同一张地图也可以在 wenyuchiou.github.io/awesome-agentic-ai-zh/ 在线阅读。

实战：选好入口并完成一个 Stage

1. 回答 README 选择表里的问题：你想驱动 CLI agent（Track A）、自己构建 agent（Track B），还是不写代码地在日常使用 AI（日常使用者指南）？
2. 完全没写过程序就从 Stage 0 开始；已经会 Python、Git 和 API 就直接进入 Stage 1。
3. 打开你的 Stage 文件，先读核心问题和关键词汇。
4. 运行该 Stage 的 starter.py——练习设计为先离线运行，之后才接触模型 API。
5. 每次只改练习中的一处，重新运行测试，确认达成完成条件后再前进。

I know Python, Git, and REST APIs. Following the awesome-agentic-ai-zh
roadmap, which stage should I start from, and what is the first exercise
I should complete?

Track A 读者按 A1 → A2 → Stage 5 → A3 → Stage 8 走：选一个 CLI agent，建立可重复的工作流，学习 Claude Code 生态（MCP、Skills、Plugins、Hooks、Subagents），再安全地把这一切接进真实工作。Track B 读者走 Stage 3–8：工具使用与第一个 agent 循环、Workflow Graph 与框架、同一个 Stage 5 生态枢纽、Memory 与 RAG，最后是上线工程。

技巧

• README 估算 Track A 约 8–10 周，Track B 主干约 16–22 周——按每周 5–8 小时投入，通常需要 5–7 个月。把它们当作安排参考，而不是截止日期。
• 每个练习都有成功条件。路线图自己的建议是：达成条件再往下走——看懂不等于做得到。
• 一次只改一件事，改完立刻重跑测试，才知道是哪个改动造成了哪个结果。
• 把名词表放在手边。技术词第一次出现时先用白话解释，再保留英文。
• 走完 Track A 的 A3 或 Track B 的 Stage 7 后，开始 Capstone 项目，并用 PROGRESS.md 记录进度。

何时不用这个 Skill

这是一张排好序的地图，不是一部百科全书。当某个主题需要完整章节时，路线图会有意地转往外链——指向官方文档、Datawhale 的 Hello-Agents 或对应的 Cookbook——而不是重写一套。如果你已经在交付 agent，只想要能直接粘贴到自己技术栈的 skill 库，一个 skills 合集会比一套课程更快见效。

查看 排行榜 了解更多 skill。