【工具分享】Agent 教程资源整理：方法论、系统课程、框架实战与生态学习地图

博客里陆陆续续写过一些 Agent 相关的笔记——设计模式、十框架选型、Claude Code 插件系统——但一直缺一张「从零学 Agent」的全景地图。这篇把搜到的教程按七类整理：方法论、免费课程、中文系统教程、框架实战、Claude Code 与 Skills、MCP、视频，每条附一句话定位和适合人群。所有链接于 2026-10-14 检索验证；语言和费用均已标注，好消息是这份清单里几乎没有要花钱的东西。2026-10-25 增补：框架选型一节加入 20 框架中文盘点速览。

总表

方法论：先读两家官方指南

动手上框架之前，先花半天把两篇「为什么这么设计」读完，后面少走很多弯路。

• Anthropic：Building Effective Agents ——Agent 领域被引用最多的一篇文章。核心贡献是区分了 workflow（代码编排的固定流程）和 agent（模型自主决定路径的循环），并给出五种模式：提示链、路由、并行化、编排者 - 执行者、评估者 - 优化者。中心思想就一句：从最简单的方案开始，组合原语，而不是上来就套框架。配套的续篇 Demystifying Evals for AI Agents 讲多轮 Agent 怎么做评测，社区还有一篇整合了后续刊物的 markdown 汇总版。
• OpenAI：A Practical Guide to Building Agents（2026-01 更新）——OpenAI 的对位文章，更偏落地清单：怎么选场景、按步骤选模型、工具定义怎么写、护栏（启发式 + LLM 检查）怎么设、单 Agent 还是管理者模式编排、上线后怎么评测部署。
• OpenAI：Agents 指南（API 选型） ——回答「Agents API、Agents SDK、Responses API 到底用哪个」的官方对比，接 OpenAI 生态前必读。

中文读者可以配合我之前的 AI Agent 设计模式入门教程（21 个 Agentic Design Patterns 的中文梳理）一起看。

免费系统课程

想成体系学、有人带着练，这三家都是免费且质量过硬的：

• HuggingFace AI Agents Course ——HF 官方免费课程，从 Agent 基础概念讲到结业认证：每个主流库一个 Unit（smolagents、LlamaIndex、LangGraph），最后有一个上基准测试的结业作业，通过后发证书。课程源码和材料在 GitHub 开放。
• DeepLearning.AI 短课系列 ——AI Agents in LangGraph 讲用 LangGraph 搭可控的 Agentic 工作流（含多智能体通信，Coursera 上还有 2 小时引导项目版）；Multi AI Agent Systems with crewAI 专讲多智能体分工协作；吴恩达本人还有一门 10 小时左右的 Agentic AI 系统课。短课全部免费旁听。
• IBM：The 2026 Guide to AI Agents ——概念讲解 + 动手教程 + 播客的合集，适合当中英文之间的过渡阅读。

中文系统教程（开源）

不想啃英文、想要成册的深度内容，首选这几份：

• Datawhale《hello-agents：从零开始构建智能体》 ——目前最系统的国产开源 Agent 教程，官网 helloagents.pro 免费开放，完整 PDF 也已免费发布。定位是「穿透框架表象」：16 章从核心原理和经典范式出发，带你从零手写一个自己的智能体框架。2025-11 开源一周 star 破 2.2k，目前已近 4 万。Datawhale 还有姊妹教程 《Hello, Generic Agent》，专讲通用型 Agent 的构建方法。
• 《智能体 AI 权威指南》（yeasy 的 GitBook） ——作者 yeasy 是《Docker——从入门到实践》的作者，书的质量有保证。深入讲解感知、规划、记忆、行动四大模块的原理，覆盖 ReAct、规划 - 执行等主流设计模式和多智能体架构，适合当「原理参考书」。
• AI 智能体实战速成指南：从零到企业级落地 ——零基础和工程师都适用的路线：先把大模型、Agent、RAG、MCP、Tool Calling 这些概念讲透，再进源码、框架、部署和项目设计。
• 快速入门补充：菜鸟教程 AI Agent（一页纸建立「Agent 是按步骤完成任务而不只是回答问题」的认知）、知乎：AI 智能体保姆级入门指南（含 LangChain/LangGraph 框架与模型选型）、CSDN：从 0 到 1 开发 AI Agent（含分阶段学习路线和 30 天进阶计划）。

框架实战与选型

概念清楚了就该写代码。建议按「官方 Quickstart → 一个框架深挖 → 读选型对比」的顺序来：

• OpenAI Agents SDK Quickstart ——一小时跑通「创建 Agent → 给工具 → 定义 handoffs」的完整链路，是目前上手成本最低的官方 SDK。TypeScript 用户可以看 CodeSignal 的 TS 版课程。
• LangGraph ——上面 HF 课程 Unit 2 和 DeepLearning.AI 短课都覆盖了它，主打对 Agent 流程的精细控制，是「workflow 与 agent 之间」的平衡点。
• 不用框架、纯手写：Building an AI Agent from Scratch with Pure Python (2026) 和 IIT Kanpur 的 ReAct 实操指南——先裸写一个 Agent 循环再谈框架，对理解本质帮助极大。
• 2026 选型对比（读完再决定押注哪个框架）：Spheron（2026-08）含 CrewAI 生产部署与 GPU 配置；Towards AI 企业版指南（原型选 CrewAI、Azure 环境选 AutoGen）；Dev.to 多智能体编排指南带代码对比；Gurusup 六框架盘点（含 Google ADK）；Splunk 框架评测（含 Microsoft Agent Framework）。

中文视角可以配合我上个月写的 自研 Agent 选型：十个开源框架与 Harness 深度对比，结论类似：单 Agent 内存态场景甚至可以抛开框架手写裸循环。

中文生态里还有一篇值得收藏的盘点：王吉伟频道《万字长文：2026 年应该了解的 20 个 Agentic AI 框架，特征、场景、优劣势一文看明白》（2025-12）——全文约 1.1 万字，对 20 个框架逐一给出主要特征、应用案例、优劣势和 GitHub 链接；开篇还引用综述论文 《Agentic AI Frameworks: Architectures, Protocols, and Design Challenges》 给现代智能体下的定义：一种具备自主性与协作性的实体，拥有推理与沟通能力，能够动态解读结构化语境、编排工具，并通过分布式系统中的记忆与交互调整行为。作者王吉伟也是《一本书读懂 AI Agent：技术、应用与商业》的作者。下面把 20 个框架压缩成一张速览表（各框架的优劣势细节与 GitHub 链接见原文）：

场景速查（整理自原文后记的选型指南）：

• 多智能体协作编排：AutoGen、CrewAI、LangGraph、MetaGPT、OpenHands——新手从 CrewAI 入手，企业级选 AutoGen/OpenHands，软件开发专项选 MetaGPT，复杂流程上 LangGraph。
• 开发模式：低代码/无代码选 Botpress、AutoAgent；轻量快速原型选 SmolAgents、Agno；企业级部署选 Semantic Kernel、Akka、RASA。
• 功能侧重：RAG 与私有数据选 LlamaIndex、LangChain；多轮对话选 RASA、elizaOS；TypeScript 应用选 Mastra；分布式高可靠选 Atomic Agents、Akka；长时后台任务选 Trigger.dev。
• 技术栈：Python 生态——CrewAI、AutoGen、LlamaIndex、MetaGPT；TS/JS 生态——Mastra、Trigger.dev、Botpress；多语言——Semantic Kernel、Motia；Java/Scala——Akka。

原文的选型心法与上面两家官方方法论是一致的：先对齐使用场景、技术栈与需求复杂度——新手看入门门槛，企业级看可靠性与集成性，专项场景选垂直优化的框架——再决定押注谁。

Claude Code 与 Agent Skills

把「编码智能体」单独列一类，因为它的学习曲线和通用 Agent 完全不同——重点从写代码变成写配置和规则：

• 官方文档：使用 Skills 扩展 Claude（Claude Code，中文） 讲清了 Claude Code 的 Skills 遵循 Agent Skills 开放标准，并额外支持调用控制、子代理执行和动态上下文注入；Agent Skills 概述 和 Quickstart（以生成 PPT 为例）是 API 侧的入口。
• awesome-agent-skills ——中文维护的 Agent Skills 终极指南：快速入门、精选技能库，覆盖 GUI、IDE、Claude Code 等环境的安装方法。
• 中文教程：知乎：Agent Skills 使用指南（喂饭版）、CSDN：Agent Skills 从入门到高级自定义。
• 工程实践：Anthropic 官方 Claude Code Best Practices（CLAUDE.md 配置、「探索 - 规划 - 编码 - 提交」迭代流、subagent 与 headless 模式）是必读起点；进阶看 39 页的 Scaling Agentic Coding Across Your Organization（组织级推广、安全与代码审计）；Armin Ronacher 的 Agentic Coding Recommendations（Flask 作者的第一手工作流）和 Ernest Chiang：Anthropic 内部如何使用 Claude Code（繁中）是很好的实践补充；知乎的中文学习笔记适合快速抓官方指南要点。

本博客的相关深度笔记：Claude Code 插件系统之 Skill 详解、MCP 详解、写了 22 个 skill 后的心得。

MCP 专题

MCP 是 Agent 接工具的事实标准协议，教程已经很成熟：

• MCP 编程极速入门（中文） ——最早的中文入门指南之一，讲清 MCP 如何让 LLM 标准化连接外部数据和工具。
• 知乎：MCP，一篇就够了 ——把 Host / Client / Server 三层架构和完整调用链路（如 Claude Desktop → MCP Client → MCP Server）讲得最清楚的中文长文。
• 官方中文教程：modelcontextprotocol.info 中文站 手把手用 Node.js 构建 MCP Client，mcpcn.com 教程页 还有构建 Server 的系列教程和「用 Claude 加速 MCP 开发」的指南。
• 补充：CSDN：MCP 详解和开发教程、Logto：什么是 MCP 及其工作原理（繁中概念科普）。

视频教程

偏好视频学习的可以看 B 站（标题营销味较重，建议当目录挑着看）：

• B 站：AI Agent 开发零基础教程 2026（748 集） ——量最大的一套，从入门到进阶实战都有覆盖，聚合课性质，按需选章节。
• B 站：AI Agent 智能体搭建教程 2026 ——入门到实战的完整路线，体量小一些。

建议学习路径

把上面的资源串成一条四到六周的路径：

1. 建立概念（第一周前半）：Anthropic《Building Effective Agents》+ OpenAI《A Practical Guide to Building Agents》两篇长文，配合菜鸟教程快速补名词；中文读者加我的设计模式笔记。
2. 系统课程（第一到三周）：英文走 HuggingFace Agents Course（有认证有作业），中文走 Datawhale hello-agents（亲手写框架）；想加强 LangGraph 就配 DeepLearning.AI 短课。
3. 框架上手（第三到四周）：OpenAI Agents SDK Quickstart 或 LangGraph 二选一深入；怀疑框架必要性就按纯 Python 教程手写一个 ReAct 循环——写完再回头看选型对比会完全不一样。
4. 生态与工程化（第五周起）：MCP 按「知乎一篇就够了 → 官方教程手写一个 Server」的顺序；重度使用 Claude Code 的加餐 Best Practices + Skills 文档 + awesome-agent-skills；正式选型前读 2026 对比文 + 上面的 20 框架速览 + 我的十框架选型笔记。
5. 一条贯穿始终的提醒：两家官方的方法论共识——能用单次调用解决就别上 workflow，能用 workflow 就别上 agent，能单 agent 就别多 agent；复杂度只在问题确实需要时才引入。

链接于 2026-10-14 检索验证（2026-10-25 增补的条目当日验证），若日后失效或有更好的资源，欢迎在评论区补充。